По мнению ученых из Калифорнийского университета в Ирвайне и Массачусетского технологического института, углеродный след искусственного интеллекта не является однозначным. Это опровергает предположения об использовании энергии в генеративных моделях искусственного интеллекта и вызывает дискуссию среди ведущих исследователей искусственного интеллекта и экспертов.

Автор: Брайсон Масс, автор VentureBeat
 
В опубликованной статье было обнаружено, что при создании страницы текста система искусственного интеллекта, такая как ChatGPT, выделяет в 130-1500 раз меньше эквивалентов углекислого газа (CO2e) по сравнению с человеком. 
 
Аналогично, в случае создания изображения система искусственного интеллекта, такая как Midjourney или OpenAI DALL-E 2, выделяет в 310-2900 раз меньше CO2e.  
 
В документе делается вывод о том, что использование искусственного интеллекта потенциально позволяет выполнять несколько важных видов деятельности со значительно меньшими выбросами, чем у людей.
 
Однако продолжающийся диалог между исследователями искусственного интеллекта, отреагировавшими на эту статью, также подчеркивает, что учет взаимодействий между климатом, обществом и технологиями создает огромные проблемы, требующие постоянного пересмотра.
 
От блокчейна до моделей искусственного интеллекта необходимо измерять воздействие на окружающую среду
 
В этом материале авторы статьи, профессора Калифорнийского университета в Ирвайне Билл Томлинсон и Дон Паттерсон, а также приглашенный научный сотрудник Школы менеджмента MIT Sloan Эндрю Торранс, предложили некоторое представление о том, что они надеялись измерить.
 
Авторы материала проанализировали существующие данные о воздействии на окружающую среду систем искусственного интеллекта, деятельности человека и создании текста и изображений. Эта информация была собрана из исследований и баз данных, которые изучают, как искусственный интеллект и люди влияют на окружающую среду. 
 
Например, они использовали неофициальную онлайн-оценку для ChatGPT, основанную на трафике в 10 миллионов запросов, генерирующих примерно 3,82 метрических тонны CO2e в день, при этом также учитывались затраты на обучение в размере 552 метрических тонн CO2e. Кроме того, для дальнейшего сравнения они включили данные из LLM с низким уровнем воздействия под названием BLOOM. 
 
Что касается человеческого фактора, то они использовали оба примера ежегодного углеродного следа среднестатистического жителя США (15 метрических тонн) и Индии (1,9 метрических тонны), чтобы сравнить различные последствия выбросов на душу населения в течение предполагаемого периода времени, который потребуется для написания страницы текста или создания изображения.
 
Исследователи подчеркнули важность измерения выбросов углекислого газа в результате различных видов деятельности, таких как искусственный интеллект, для информирования при разработке политики по вопросам устойчивого развития. 
 
«Без подобного анализа мы не сможем принимать какие-либо разумные политические решения о том, как направлять будущее искусственного интеллекта», — говорит Паттерсон. «Нам нужна какая-то обоснованная информация, какие-то данные, на основе которых мы могли бы сделать следующий шаг».
 
Томлинсон также отмечает личные вопросы, которые вдохновляют его на работу, объясняя: «Я хотел бы иметь возможность жить в рамках того, что может поддерживать окружающая среда Земли», — говорит он. «Возможно, использовать ИИ в качестве средства творчества, не нанося ужасного вреда ... но если это принесет много вреда, я перестану заниматься работой с ИИ».
 
Паттерсон добавляет некоторый контекст к их предыдущему анализу технологии блокчейн. «Воздействие алгоритмов проверки работоспособности на окружающую среду довольно часто освещалось в новостях. И поэтому я думаю, что это своего рода естественное развитие — думать о воздействии на окружающую среду и о других действительно огромных инструментах, таких как большие языковые модели, для всего общества».
 
Комментируя неожиданные результаты исследования, Томлинсон признает возможность «эффекта отскока», когда повышение эффективности приводит к увеличению использования.
 
Он представляет себе «мир, в котором каждое средство массовой информации, которое мы когда-либо смотрим или потребляем, динамически адаптируется к вашим точным предпочтениям, так что все персонажи немного похожи на вас, музыка немного соответствует вашим вкусам, а все темы слегка подтверждают ваши предпочтения различными способами».
 
Торранс отмечает, что «мы живем в мире сложных систем. Неизбежной реальностью сложных систем является непредсказуемость результатов работы этих систем».
 
Он описывает их работу как рассматривающую «не одну, не две, а три различные сложные системы» климата, общества и искусственного интеллекта. Их вывод о том, что искусственный интеллект может снизить выбросы, «может показаться удивительным для многих людей». Однако в контексте этих трех сталкивающихся сложных систем вполне разумно, что люди могли неправильно догадаться, каким может быть ответ.
 
Продолжающиеся дебаты
 
Статья привлекла большое внимания сообщества искусственного интеллекта, когда главный специалист по искусственному интеллекту Meta Platforms Ян Лекун опубликовал диаграмму из нее в своем аккаунте в социальной сети и использовал ее как утверждение, что «использование генеративного ИИ для создания текста или изображений генерирует меньше CO2, чем аналогичная работа вручную или с помощью компьютера».
 
Это вызвало отпор со стороны критиков методологии исследования при сравнении выбросов углекислого газа людьми с моделями искусственного интеллекта. 
 
«Вы не можете просто взять оценку общего углеродного следа человека за всю его жизнь, а затем отнести это к его профессии», — говорит Саша Луччиони, исследователь искусственного интеллекта и ведущий специалист по климату в HuggingFace. «Это первая фундаментальная вещь, которая не имеет смысла. И вторая вещь заключается в том, что сравнение человеческих следов с оценкой жизненного цикла или энергетических следов не имеет смысла, потому что вы не можете сравнивать людей с объектами».
 
Анализ жизненного цикла все еще находится на ранней стадии, реальных данных по-прежнему недостаточно
 
При количественной оценке выбросов от деятельности человека в атмосферу Паттерсон признает, что «проводить какой-либо анализ общего расхода энергии сложно, потому что все взаимосвязано». Томлинсон соглашается с тем, что границы должны быть установлены, но утверждает, что «существует целая область, называемая оценкой жизненного цикла, которой мы больше занимаемся в рассматриваемой статье».
 
Луччиони из HuggingFace говорит, что подход, который использовали авторы исследования, был ошибочным. Кроме того, что он прямолинейный и напрямую сравнивает модели людей и искусственного интеллекта, фактические данные, которые позволили бы точно количественно оценить эти воздействия на окружающую среду, остаются скрытыми и запатентованными. Она также отмечает, возможно, с некоторой иронией, что исследователи использовали ее работу для оценки выбросов углекислого газа в языковой модели BLOOM.
 
Без доступа к ключевым сведениям об использовании оборудования, энергопотреблении и источниках энергии оценка углеродного следа невозможна. «Если вы пропустили какое-либо из этих трех составляющих, это не оценка углеродного следа», — говорит Луччиони. 
 
Самая большая проблема — отсутствие прозрачности со стороны технологических компаний. «У нас нет никакой подобной информации о GPT. Мы не знаем, насколько он велик. Мы не знаем, где он работает. Мы не знаем, сколько энергии он потребляет. Мы ничего этого не знаем», — объясняет Луччиони. Без открытого обмена данными влияние искусственного интеллекта на выбросы углерода останется неопределенным.
 
Исследователи подчеркивают необходимость применения прозрачного, научно обоснованного подхода к этим сложным вопросам, а не выдвижения необоснованных утверждений. По словам Торранса, «наука — это согласованный подход к постановке вопросов и ответам на них, который сопровождается прозрачным набором правил…мы приглашаем других проверить наши результаты с помощью науки или любого другого подхода, который они предпочитают».
 
Ссылка на источник