ผลกระทบต่อสิ่งแวดล้อมของปัญญาประดิษฐ์: ความกังวลนอกเหนือจากข้อมูลที่ผิดและการคุกคามงาน

ในขอบเขตของปัญญาประดิษฐ์ (AI) การอภิปรายมักเกี่ยวข้องกับข้อมูลที่ผิดและภัยคุกคามที่อาจเกิดขึ้นกับงานของมนุษย์ อย่างไรก็ตาม Kate Saenko ศาสตราจารย์แห่งมหาวิทยาลัยบอสตัน กำลังดึงความสนใจไปยังข้อกังวลที่สำคัญอีกประการหนึ่ง นั่นคือผลกระทบต่อสิ่งแวดล้อมที่สำคัญของเครื่องมือ AI เชิงกำเนิด

ในฐานะนักวิจัยด้าน AI แสนโกแสดงความกังวลเกี่ยวกับต้นทุนด้านพลังงานในการสร้างแบบจำลอง AI ในบทความเรื่อง The Conversation เธอเน้นย้ำว่า “ยิ่ง AI ทรงพลังมากเท่าไหร่ ก็ยิ่งต้องใช้พลังงานมากเท่านั้น”

ในขณะที่การใช้พลังงานของสกุลเงินดิจิทัล เช่น Bitcoin และ Ethereum ได้รับการถกเถียงอย่างกว้างขวาง การพัฒนาอย่างรวดเร็วของ AI ยังไม่ได้รับการตรวจสอบในระดับเดียวกันในแง่ของผลกระทบต่อโลก

ศาสตราจารย์ แสนโก มีเป้าหมายที่จะเปลี่ยนเรื่องเล่านี้ โดยยอมรับข้อมูลที่จำกัดเกี่ยวกับรอยเท้าคาร์บอนของแบบสอบถาม AI กำเนิดเดียว อย่างไรก็ตาม เธอเน้นย้ำว่าการวิจัยชี้ให้เห็นว่าการใช้พลังงานนั้นสูงกว่าการค้นหาด้วยเครื่องมือค้นหาธรรมดาสี่ถึงห้าเท่า

การศึกษาที่โดดเด่นในปี 2019 ตรวจสอบโมเดล AI เชิงกำเนิดที่เรียกว่า Bidirectional Encoder Representation from Transformers (BERT) ซึ่งประกอบด้วยพารามิเตอร์ 110 ล้านตัว โมเดลนี้ใช้พลังงานเทียบเท่ากับการบินข้ามทวีปไป-กลับสำหรับ XNUMX คนในระหว่างกระบวนการฝึก โดยใช้หน่วยประมวลผลกราฟิก (GPU) พารามิเตอร์ซึ่งเป็นแนวทางการคาดคะเนของโมเดลและเพิ่มความซับซ้อน จะถูกปรับระหว่างการฝึกเพื่อลดข้อผิดพลาด

เมื่อเปรียบเทียบกันแล้ว แสนโกเปิดเผยว่าโมเดล GPT-3 ของ OpenAI ซึ่งมีพารามิเตอร์ 175 พันล้านพารามิเตอร์ ใช้พลังงานเทียบเท่ากับรถยนต์โดยสารที่ใช้น้ำมัน 123 คันที่ขับเคลื่อนเป็นเวลาหนึ่งปี หรือใช้พลังงานไฟฟ้าประมาณ 1,287 เมกะวัตต์ชั่วโมง นอกจากนี้ยังสร้างคาร์บอนไดออกไซด์มากถึง 552 ตัน ค่าใช้จ่ายด้านพลังงานนี้เกิดขึ้นก่อนที่ผู้บริโภคจะเริ่มใช้โมเดลเสียด้วยซ้ำ

ด้วยความนิยมที่เพิ่มขึ้นของแชทบอท AI เช่น Perplexity AI และ ChatGPT ของ Microsoft ที่รวมเข้ากับ Bing สถานการณ์ยิ่งทวีความรุนแรงยิ่งขึ้นด้วยการเปิดตัวแอปพลิเคชันมือถือ ทำให้เทคโนโลยีเหล่านี้เข้าถึงได้มากขึ้นสำหรับผู้ชมที่กว้างขึ้น

โชคดีที่Saenko เน้นการศึกษาโดย Google ที่เสนอกลยุทธ์ต่างๆ เพื่อลดการปล่อยก๊าซคาร์บอนไดออกไซด์ การใช้สถาปัตยกรรมแบบจำลอง โปรเซสเซอร์ และศูนย์ข้อมูลที่เป็นมิตรกับสิ่งแวดล้อมมีประสิทธิภาพมากขึ้นสามารถลดการใช้พลังงานได้อย่างมาก

ในขณะที่โมเดล AI ขนาดใหญ่เพียงโมเดลเดียวอาจไม่ทำลายสิ่งแวดล้อมด้วยมือเปล่า แต่Saenko เตือนว่าหากหลายบริษัทพัฒนาบอท AI ที่แตกต่างกันเล็กน้อยสำหรับวัตถุประสงค์ต่างๆ โดยแต่ละโมเดลรองรับลูกค้าหลายล้านคน การใช้พลังงานสะสมอาจกลายเป็นข้อกังวลที่สำคัญ

ในท้ายที่สุด แสนโกแนะนำว่าการวิจัยเพิ่มเติมมีความสำคัญต่อการเพิ่มประสิทธิภาพของ AI เชิงกำเนิด เธอเน้นย้ำถึงศักยภาพของ AI ในการดำเนินการกับแหล่งพลังงานหมุนเวียน ด้วยการเพิ่มประสิทธิภาพการคำนวณให้สอดคล้องกับความพร้อมใช้งานของพลังงานสีเขียวหรือตำแหน่งที่ตั้งของศูนย์ข้อมูลที่มีพลังงานหมุนเวียนอยู่มากมาย การปล่อยมลพิษสามารถลดลงได้ถึง 30 ถึง 40 เท่าเมื่อเทียบกับการพึ่งพากริดที่ใช้เชื้อเพลิงฟอสซิลเป็นหลัก

โดยสรุป แม้ว่าความกังวลเกี่ยวกับข้อมูลที่ผิดและการเลิกจ้างงานเนื่องจาก AI ยังคงมีอยู่ แต่การเน้นย้ำของศาสตราจารย์ Saenko เกี่ยวกับผลกระทบต่อสิ่งแวดล้อมของเครื่องมือ AI เชิงกำเนิดทำให้เกิดประเด็นสำคัญ เรียกร้องให้มีการวิจัยที่เพิ่มขึ้นและแนวทางใหม่ๆ เพื่อให้แน่ใจว่าการพัฒนา AI สอดคล้องกับเป้าหมายด้านความยั่งยืน การทำเช่นนี้ทำให้เราสามารถควบคุมศักยภาพของ AI ในขณะที่ลดรอยเท้าคาร์บอนให้เหลือน้อยที่สุด ซึ่งเป็นการปูทางสู่อนาคตที่เป็นมิตรต่อสิ่งแวดล้อมมากขึ้น