Met de snelle expansie van kunstmatige intelligentie beginnen milieuwaakhonden alarm te slaan over de hoeveelheid energie die kunstmatige intelligentiemodellen verbruiken. Maar zulke waarschuwingen moeten gebaseerd zijn op echte cijfers en een nieuw rapport van Digiconomist-oprichter Alex de Vries probeert de groeiende impact van AI op het milieu te kwantificeren.
De Vries, die ook het energieverbruik van cryptocurrency mining bijhoudt, zegt dat de trainingsfase van AI-modellen het meest energie-intensief is. Dit is wanneer het programma wordt gevoed met grote datasets, voordat het zelfs maar één prompt beantwoordt. Maar de Vries stelt dat de inferentiefase, wanneer de AI wordt getest aan de hand van gegevens uit de echte wereld, niet zoveel aandacht krijgt van milieugroeperingen, terwijl het aanzienlijk kan bijdragen aan de levenscycluskosten van een AI-model.
Het is negen jaar geleden dat Digiconomist werd gelanceerd met als doel “de onbedoelde gevolgen van digitale trends bloot te leggen”. Voor een groot deel van deze negen jaar is de duurzaamheid van digitale activa zoals Bitcoin een belangrijk aandachtspunt geweest in het onderzoek door…
– Digiconomist (@DigiEconomist) Oktober 10, 2023
“Er zweven wat cijfers rond over het energieverbruik van AI’s CO2-voetafdruk, maar ondanks enkele zorgen was de inhoud om dat te ondersteunen er tot nu toe nog niet,” vertelde de Vries aan TCN. “Ik dacht dat ik daar kon instappen en proberen er wat licht op te werpen, hoewel het erg moeilijk is.”
“Het is heel anders dan met cryptocurrencies om met cijfers te komen,” voegde hij eraan toe.
AI-ontwikkelaars, zei de Vries, gebruiken vaak hetzelfde verhaal dat cryptocurrency bedrijven doen, door te beweren dat ze [nutsbedrijven beïnvloeden om] duurzame energie te produceren. Maar de kosten van het bouwen van de grote datacenters die nodig zijn om honderden computers of servers te huisvesten, leveren niets op, zoals banen, voor de lokale economie.
“Je hebt niet veel mensen nodig om een datacenter te runnen en het trekt ook geen extra bedrijven aan omdat je niet naast het datacenter hoeft te zitten,” zei De Vries. “Dus je blijft zitten met een enorme energievreter.”
De Vries benadrukte de reactietijd van de milieugemeenschap als het gaat om industrieën die een grote hoeveelheid energie verbruiken, en de verschillen tussen het ecologische onderzoek naar Bitcoin dat kwam na het barsten van de zeepbel in 2017 en de huidige hype rond AI.
“De milieugemeenschap heeft de neiging om een beetje traag te zijn – de eerste krantenkoppen met betrekking tot het elektriciteitsverbruik van Bitcoin waren in 2017, 2018, toen de eerste Bitcoin-bubbel plaatsvond,” zei De Vries. “Het duurde tot de tweede helft van 2022 voordat milieuorganisaties zich er serieus mee gingen bemoeien.”
Eerder deze maand zei een rapport van de Associated Press dat datacenters zoals die gebruikt worden voor ChatGPT ongeveer 500 milliliter water verbruiken voor elke 5 tot 50 prompts. De AP merkte op dat OpenAI’s datacenters zich naar verluidt in de buurt van dezelfde wateren in Iowa bevinden die de plaatselijke maïsvelden voeden.
De Vries en anderen proberen de aandacht te vestigen op het energieverbruik van AI, maar anderen zeggen dat de bezorgdheid net zo overdreven zal blijken als het energieverbruik van blockchains.
“We zullen zien dat apocalyptische voorspellingen over het energieverbruik van AI niet uitkomen,” vertelde Adam Sharp, onderzoeksdirecteur bij HIVE, eerder aan TCN, waarbij hij een voorspelling uit 2017 van Newsweek aanhaalde, dat Bitcoin in 2020 100% van de energie van de wereld zou verbruiken.
“Deze technologie is erg nieuw en de efficiëntie zal de komende jaren drastisch verbeteren,” zei Sharp.
In zijn rapport waarschuwt de Vries tegen het rekenen op AI-technologie en hardwareverbeteringen om de milieuproblemen van de technologie op te lossen.
“Het is waarschijnlijk te optimistisch om te verwachten dat verbeteringen in hardware- en software-efficiëntie alle langetermijnveranderingen in AI-gerelateerd elektriciteitsverbruik volledig zullen compenseren,” schreef de Vries. “Deze verbeteringen kunnen een rebound-effect teweegbrengen waarbij toenemende efficiëntie leidt tot een grotere vraag naar AI, waardoor het totale gebruik van hulpbronnen escaleert in plaats van afneemt.”
De Vries hoopt dat naarmate er meer krantenkoppen over het elektriciteitsverbruik van AI verschijnen, milieugroeperingen aandacht zullen besteden, omdat ze geleerd hebben van cryptocurrencies. De Vries zei echter dat beperkte beschikbare gegevens ertoe kunnen leiden dat groepen de kwestie van het energieverbruik van AI op de lange baan schuiven.
“Op dit moment zijn de cijfers klein, dus je kunt zeggen: ‘Waarom moeten we dit hoog op onze agenda zetten als het nog klein is? “Maar het zal niet lang klein blijven.”
De Vries hoopt dat mensen duurzaamheid als een belangrijke factor gaan beschouwen bij het gebruik van AI en andere bekende beperkingen en zorgen. Nu AI steeds algemener wordt, hebben onderzoekers alarm geslagen over de privacy van gegevens, het patroon van AI om bevooroordeelde of racistische antwoorden te geven en valse informatie te genereren, ook wel hallucineren genoemd.
“Er is veel hype, en ik denk dat dat het grootste probleem is met opkomende technologieën,” zei De Vries. “Iedereen raakt altijd verdwaald in de hype en de angst om iets te missen, en we moeten iets doen, en we vergeten de eindgebruiker helemaal.”
De Vries vergeleek het met de hype rond blockchain en waarschuwde ervoor AI niet te zien als een wondermiddel om alle problemen in de wereld op te lossen.
“Je hoeft echt niet per se iets uit te proberen om erachter te komen dat het niet nuttig zal zijn,” zei hij. “Er zullen heel duidelijke gevallen zijn wanneer je een gedistribueerde database nodig hebt en wanneer niet, en het zal ook het geval zijn voor AI wanneer je een heel groot model in je back-end nodig hebt om je te helpen dingen te doen of versus wanneer je dat niet hebt.”
