Energi glöms ofta bort i AI-debatten

Konkurrerar om vårt dricksvatten

Detta innebär att datacentren ofta konkurrerar om samma vattenresurser som används för dricksvatten i lokala samhällen.

Till exempel träningen av GPT-3 kan konsumera upp till 5,4 miljoner liter färskvatten, varav en stor del förloras genom avdunstning under kylprocessen​.

Med tanke på dom enorma resurser som krävs, måste vi noga överväga AI miljökostnader.

Nya krav på hållbar AI

Den internationella standardiseringsorganisationen (ISO) planerar att senare i år att utfärda kriterier för hållbar AI, vilket inkluderar standarder för att mäta energi, effektivitet, användning av råmaterial, transport och vattenförbrukning.

Läs mer:
Det finns risker med AI – men stor potential om vi gör rätt. Dagens PS

Målet är att konsumenterna skall kunna fatta informerade beslut om sin AI-konsumtion.

Även om AI kan vara en del att skapa energieffektiviseringar så kan den totala energiförbrukningen öka eftersom modellerna fortsätter växa i storlek. AI har två olika faser; träningsfasen och inferencefasen.

Användandet står för 80 procent av energin

Träningsfasen står för ca 20 procent av miljöpåverkan, medan inferencefasen, där modellerna används i praktiken står för 80 procent.

För att minska AI förbrukning av energi kan det vara effektivt att begränsa strömförbrukningen under både tränings- och inferencefaserna.

Optimerad schemaläggning av AI-uppgifter, som att köra kortare uppgifter över natten eller planera större projekt under svalare månader, kan också leda till betydande energibesparingar.

Flera sätt att minska energiförbrukningen

Användning av delade datacenter och molntjänster istället för att bygga privat infrastruktur kan centralisera beräkningsuppgifterna och minska den totala energiförbrukningen, vilket också kan leda till ekonomiska besparingar.

Att förbättra effektiviteten leder inte nödvändigtvis till energibesparingar på lång sikt, på grund av fenomenet känt som Jevons paradox.

När en resurs blir billigare att använda, ökar ofta dess totala användning. Detta innebär att även om AI-system blir mer energieffektiva, kan den ökade efterfrågan leda till högre total energiförbrukning.

På lång sikt kan synergier mellan AI och framväxande kvantteknologier vara avgörande för att styra AI mot hållbar utveckling.

Kvantdatorer kan vara en del av lösningen

Kvantdatorer har potential att göra AI-modeller mer kompakta och effektiva, och kan minska den mängd energi som idag krävs för att köra stora AI system.

För att AI ska kunna utvecklas på ett hållbart sätt och kunna bidra positivt till samhället måste vi hitta en balans mellan dess fördelar och de miljömässiga kostnaderna ​.

Det är en komplex men nödvändig balans som kräver kontinuerlig forskning, innovation och samarbete över gränser.

Enligt EU AI ACT ligger ansvaret för att rapportera och hantera miljöpåverkan hos både utvecklare och användare av AI-system, vilket gör det viktigt för företag att säkerställa efterlevnad av den nya reglerna för att undvika sanktioner samt bidra till en hållbar utveckling.

Mer av Emma Ridderstad:

90 procent av allt på nätet kan snart vara falskt. Dagens PS

Biometrisk data det nya guldet. Dagens PS