 |
| Πηγη εικόνας: Simon Clark |
Από το ChatGPT μέχρι τη δημιουργία εικόνων, η τεχνητή νοημοσύνη αλλάζει τον κόσμο. Αλλά ποιο είναι το κρυφό τίμημα αυτής της ραγδαίας εξέλιξης για το περιβάλλον; Μια διεισδυτική ματιά στην ενεργειακή «δίψα», την κατανάλωση νερού και το περιβαλλοντικό αποτύπωμα της ΤΝ που ίσως σας κάνει να αναθεωρήσετε την επόμενη ερώτησή σας. Είναι η «πράσινη» επανάσταση τόσο αθώα όσο φαίνεται;
Η τεχνητή νοημοσύνη (ΤΝ) έχει αναδειχθεί ως μια από τις πιο υποσχόμενες τεχνολογίες της εποχής μας, με δυνατότητες που εκτείνονται από την αυτοματοποίηση εργασιών ρουτίνας έως την επίλυση σύνθετων επιστημονικών προβλημάτων. Ωστόσο, καθώς η ΤΝ διεισδύει όλο και περισσότερο στην καθημερινότητά μας, ανακύπτουν σοβαρές ανησυχίες σχετικά με τις περιβαλλοντικές της επιπτώσεις. Η ραγδαία εξάπλωσή της απαιτεί τεράστιες υποδομές που «διψούν» για ενέργεια, νερό και υλικά, θέτοντας ερωτήματα σχετικά με τη βιωσιμότητα αυτής της τεχνολογικής επανάστασης.
Η χρήση της ΤΝ μπορεί να φαντάζει άυλη, σαν να «κατοικεί» σε ένα απέραντο υπολογιστικό νέφος. Στην πραγματικότητα, όμως, η λειτουργία της βασίζεται σε μια βαριά υλική υποδομή, που περιλαμβάνει κέντρα δεδομένων γεμάτα διακομιστές, εξοπλισμό δικτύωσης και συστήματα ψύξης. Η δημιουργία και η λειτουργία αυτών των εγκαταστάσεων απαιτούν μεγάλη κατανάλωση πόρων και αμέτρητες ώρες εργασίας, αφήνοντας ένα σημαντικό περιβαλλοντικό αποτύπωμα.
Ερευνητές του Τεχνολογικού Ινστιτούτου της Μασαχουσέτης (ΜΙΤ) έχουν επιχειρήσει να ποσοτικοποιήσουν αυτή την κατανάλωση. Σύμφωνα με τους υπολογισμούς τους, ένα και μόνο ερώτημα που υποβάλλεται στο ChatGPT καταναλώνει περίπου πέντε φορές περισσότερη ηλεκτρική ενέργεια από μια απλή αναζήτηση στο διαδίκτυο. Κάθε φορά που ζητάμε από ένα γλωσσικό μοντέλο να συνοψίσει ένα κείμενο, να δημιουργήσει ένα άρθρο ή να παράγει μια εικόνα, υπάρχει μια υπολογίσιμη κατανάλωση ενέργειας. Το πρόγραμμα Al energy score, για παράδειγμα, υπολόγισε ότι η δημιουργία 1.000 εικόνων μέσω ΤΝ απαιτεί ενέργεια περίπου 519 Wh (βατ την ώρα), ποσότητα ικανή για την πλήρη φόρτιση 25 κινητών τηλεφώνων.
Αυτή η μεγάλη κατανάλωση ενέργειας συνδέεται κυρίως με την παραγωγική ή γενετική τεχνητή νοημοσύνη, η οποία βασίζεται σε τεράστια γλωσσικά μοντέλα με δισεκατομμύρια παραμέτρους. Η κατανάλωση ενέργειας δεν περιορίζεται μόνο στη χρήση του μοντέλου, κατά την οποία πρέπει να επεξεργαστεί τεράστιους όγκους δεδομένων για να παράγει μια απάντηση. Σημαντικό ενεργειακό κόστος υπάρχει και κατά τη φάση της εκπαίδευσης αυτών των μοντέλων, όπως εξηγεί ο Γρηγόρης Τσουμάκας, καθηγητής στο Τμήμα Πληροφορικής του ΑΠΘ. Η τρέχουσα τάση στην ανάπτυξη της ΤΝ είναι η δημιουργία ακόμη μεγαλύτερων μοντέλων, με την ενσωμάτωση ολοένα και περισσότερων δεδομένων, καθώς αυτό θεωρείται ότι οδηγεί σε πιο αποδοτικές εφαρμογές. Ωστόσο, ο τρόπος με τον οποίο λειτουργούν αυτά τα μοντέλα, δοκιμάζοντας πολλαπλές πιθανές απαντήσεις πριν επιλέξουν την καλύτερη, είναι εγγενώς ενεργοβόρος. Και καθώς η χρήση της ΤΝ αυξάνεται εκθετικά, το ίδιο αναμένεται να συμβεί και με την κατανάλωση ενέργειας.
Στην καρδιά αυτής της ενεργειακής πρόκλησης βρίσκονται τα κέντρα δεδομένων (data centers), οι απαραίτητοι πυλώνες για την εκπαίδευση και την εκτέλεση των μοντέλων βαθιάς μάθησης που υποστηρίζουν δημοφιλή εργαλεία όπως το ChatGPT και το DALL-E. Ένα κέντρο δεδομένων είναι μια εξειδικευμένη εγκατάσταση που απαιτεί αυστηρό έλεγχο θερμοκρασίας και φιλοξενεί μια πληθώρα υπολογιστικών πόρων, όπως διακομιστές, μονάδες αποθήκευσης δεδομένων και εξοπλισμό δικτύου. Αν και τα κέντρα δεδομένων υπήρχαν και πριν από την έκρηξη της ΤΝ, ο ρόλος και οι απαιτήσεις τους έχουν αλλάξει δραματικά. Σύμφωνα με μελέτη του MIT, ένα κέντρο δεδομένων που χρησιμοποιείται για την εκπαίδευση τεχνητής νοημοσύνης μπορεί να καταναλώνει έως και επτά ή οκτώ φορές περισσότερη ενέργεια από ένα κέντρο δεδομένων με τυπικό υπολογιστικό φόρτο εργασίας.
Οι αριθμοί μιλούν από μόνοι τους. Σύμφωνα με υπολογισμούς ερευνητών, οι απαιτήσεις ισχύος των κέντρων δεδομένων στη Βόρεια Αμερική σχεδόν διπλασιάστηκαν μέσα σε έναν χρόνο, από 2.688 μεγαβάτ στο τέλος του 2022 σε 5.341 μεγαβάτ στο τέλος του 2023. Σε παγκόσμιο επίπεδο, η κατανάλωση ηλεκτρικής ενέργειας μόνο των κέντρων δεδομένων ανήλθε στα 460 τεραβάτ το 2022, μια ποσότητα που είναι περίπου ίση με τη συνολική κατανάλωση ενέργειας της Γαλλίας και σημαντικά υψηλότερη από αυτή της Σαουδικής Αραβίας. Οι προβλέψεις είναι ακόμη πιο ανησυχητικές, με την κατανάλωση ηλεκτρικής ενέργειας των κέντρων δεδομένων να αναμένεται να πλησιάσει τα 1.050 τεραβάτ έως το 2026. Μια έρευνα που χρηματοδοτήθηκε από το Υπουργείο Ενέργειας των ΗΠΑ στα τέλη του 2024 κατέδειξε ότι τα κέντρα δεδομένων καταναλώνουν ήδη το 4,4% της ηλεκτρικής ενέργειας της χώρας, ένα ποσοστό που εκτιμάται ότι μπορεί να διπλασιαστεί ή να τριπλασιαστεί έως το 2028. Άλλες αναλύσεις κάνουν λόγο για κατανάλωση που θα φτάσει το 15% της ηλεκτρικής ενέργειας των ΗΠΑ και το 4,5% της παγκόσμιας παραγωγής ενέργειας έως το 2030.
Η μεγάλη κατανάλωση ενέργειας δεν είναι η μόνη περιβαλλοντική ανησυχία που συνδέεται με την ΤΝ. Η παραγωγή ηλεκτρονικών αποβλήτων (e-waste) λόγω της συνεχούς αναβάθμισης του υλικού, καθώς και το περιβαλλοντικό αποτύπωμα της κατασκευής των μονάδων επεξεργασίας γραφικών (GPUs), που αποτελούν την «καρδιά» της ΤΝ και η παραγωγή των οποίων αναμένεται να αυξηθεί κατά 16 φορές έως το 2030, προσθέτουν περαιτέρω πίεση στο περιβάλλον, επισημαίνει ο Αντώνης Μαυρόπουλος, μέλος του Συμβουλευτικού Συμβουλίου του Διεθνούς Κέντρου Περιβαλλοντικών Τεχνολογιών του Προγράμματος για το Περιβάλλον του ΟΗΕ.
Μια λιγότερο ορατή πτυχή είναι η τεράστια «δίψα» της ΤΝ για νερό. Απαιτούνται κολοσσιαίες ποσότητες νερού για την ψύξη των κέντρων δεδομένων, προκειμένου να διατηρηθεί η εύρυθμη λειτουργία του ευαίσθητου ηλεκτρονικού εξοπλισμού. Μεγάλες τεχνολογικές εταιρείες όπως η Google, η Microsoft και η Meta έχουν ήδη ανακοινώσει διψήφια αύξηση στην κατανάλωση νερού τους (17%, 22,5% και 17% αντίστοιχα) ως άμεσο αποτέλεσμα της αυξημένης χρήσης ΤΝ. Υπολογίζεται ότι τα κέντρα δεδομένων χρησιμοποιούν περίπου 7.100 λίτρα νερού ανά MWh ενέργειας. Σε περιοχές με υψηλή συγκέντρωση κέντρων δεδομένων, όπως η Αριζόνα στις ΗΠΑ, η αυξημένη ζήτηση νερού επιδεινώνει την ήδη υπάρχουσα λειψυδρία, ιδίως κατά τις ξηρές περιόδους. Είναι χαρακτηριστικό ότι ένας γύρος 25-50 ερωτήσεων και απαντήσεων στο ChatGPT εκτιμάται ότι καταναλώνει περίπου μισό λίτρο νερού. Καθώς τα μεγάλα γλωσσικά μοντέλα αρχίζουν να υποκαθιστούν τις παραδοσιακές μηχανές αναζήτησης, η ετήσια κατανάλωση νερού αναμένεται να αυξηθεί κατά εκατοντάδες εκατομμύρια κυβικά μέτρα, μια ποσότητα που αντιστοιχεί στην ετήσια κατανάλωση νερού εκατοντάδων εκατομμυρίων ανθρώπων, συμπληρώνει ο κ. Μαυρόπουλος.
Είναι ακόμη νωρίς για να έχουμε μια ολοκληρωμένη αποτίμηση του συνολικού περιβαλλοντικού αποτυπώματος της τεχνητής νοημοσύνης. Ωστόσο, είναι σαφές ότι το αποτύπωμα αυτό αυξάνεται συνεχώς, παράλληλα με την επέκταση της χρήσης της ΤΝ. Αυτό περιλαμβάνει την άμεση κατανάλωση ενέργειας, την έμμεση κατανάλωση νερού για την ψύξη των κέντρων δεδομένων, την αυξημένη παραγωγή ηλεκτρονικών αποβλήτων και τις επιπτώσεις από την κατασκευή του εξειδικευμένου υλικού.
Παρά τις ανησυχίες, υπάρχει και μια αισιόδοξη πλευρά. Το μοναδιαίο περιβαλλοντικό αποτύπωμα μιας συγκεκριμένης εργασίας ΤΝ, όπως η δημιουργία μιας εικόνας, βελτιώνεται συνεχώς χάρη στην πρόοδο της τεχνολογίας. Ωστόσο, αυτή η βελτίωση συχνά επισκιάζεται από την εκρηκτική αύξηση της χρήσης της ΤΝ. Για παράδειγμα, μόνο την περίοδο 2022-2023 δημιουργήθηκαν πάνω από 15 δισεκατομμύρια εικόνες με ΤΝ, ένας αριθμός που αντιστοιχεί περίπου στο 10% του συνόλου των φωτογραφιών που έχουν τραβηχτεί από την εφεύρεση της φωτογραφίας!
Το ερώτημα που ανακύπτει είναι τι μπορεί να γίνει για να αντιμετωπιστεί αυτό το αυξανόμενο περιβαλλοντικό αποτύπωμα. Μια πιθανή λύση είναι η αντιστάθμιση των εκπομπών μέσω της αύξησης της παραγωγικότητας που μπορεί να επιφέρει η χρήση ΤΝ σε άλλους τομείς, οδηγώντας σε συνολική μείωση των εκπομπών. Επιπλέον, η ανάπτυξη και η εφαρμογή της ΤΝ σε περιβαλλοντικές προκλήσεις, όπως η βελτιστοποίηση της χρήσης ανανεώσιμων πηγών ενέργειας ή η παρακολούθηση της βιοποικιλότητας, βρίσκονται σε φάση ραγδαίας ανάπτυξης και υπόσχονται σημαντικά οφέλη, σύμφωνα με τον κ. Μαυρόπουλο.
Τη σημασία των επιτευγμάτων της ΤΝ υπογραμμίζει ο Πέτρος Κουμουτσάκος, καθηγητής Υπολογιστικής Επιστήμης στο Χάρβαρντ και επισκέπτης ερευνητής στο DeepMind στο Λονδίνο. Αναγνωρίζει τις υψηλές ενεργειακές απαιτήσεις της ΤΝ και τις συναφείς περιβαλλοντικές επιπτώσεις, αλλά τονίζει ότι πρέπει να λαμβάνονται υπόψη και τα οφέλη που προκύπτουν από τη χρήση της. Χαρακτηριστικό παράδειγμα αποτελεί η απονομή του Νόμπελ Χημείας του 2024 σε επιστήμονες που πραγματοποίησαν σημαντικά βήματα στη χαρτογράφηση των πρωτεϊνών με τη βοήθεια της ΤΝ, ένα επίτευγμα με τεράστιες προοπτικές για την ιατρική και τη βιολογία. Η ΤΝ μπορεί να συμβάλει σε μια πληθώρα εφαρμογών φιλικών προς το περιβάλλον, από την καλύτερη χωροθέτηση ανεμογεννητριών και ηλιακών συλλεκτών μέχρι την χαρτογράφηση των κινδύνων για τη θαλάσσια ζωή.
Στο μέλλον, η ΤΝ αναμένεται να γίνει ένας αναπόσπαστος βοηθός στην καθημερινότητα κάθε ανθρώπου, συμπληρώνει ο κ. Κουμουτσάκος. Η ανάπτυξή της είναι αναγκαία, αλλά πρέπει να γίνεται με μεγάλη προσοχή όσον αφορά τις επιπτώσεις στην κοινωνία και το περιβάλλον. Η δύναμη της ΤΝ παρομοιάζεται με την πυρηνική ενέργεια, η οποία μπορεί να προσφέρει αστείρευτη ενέργεια αλλά και να προκαλέσει ανυπολόγιστες καταστροφές. Η απάντηση, επομένως, δεν είναι απλή και απαιτεί μια ισορροπημένη προσέγγιση που να λαμβάνει υπόψη τόσο τις ευκαιρίες όσο και τους κινδύνους.
Comments
Post a Comment