Centra danych AI zwiększają zużycie energii, ale brakuje przejrzystości

Sztuczna inteligencja szybko zwiększa zapotrzebowanie na energię, jednak prawdziwa skala pozostaje niejasna z powodu braku przejrzystości ze strony firm technologicznych.

Niedawna analiza opublikowana przez Nature podkreśla rosnące, lecz w dużej mierze nieprzejrzyste, zapotrzebowanie na energię ze strony sztucznej inteligencji. Nature informuje, jak w hrabstwie Culpeper w stanie Wirginia, duże centra danych przekształcają wiejskie krajobrazy. Te centra, niezbędne do działania generujących modele AI, takie jak ChatGPT, wymagają ogromnych ilości energii elektrycznej.

Każda instalacja może zużywać tyle energii, ile dziesiątki tysięcy domów, co potencjalnie może zwiększyć koszty i obciążyć lokalną sieć energetyczną. Virginia, która jest już światową stolicą centrów danych, może zobaczyć podwojenie swojego zapotrzebowania na energię elektryczną w ciągu najbliższej dekady.

Nature zauważa, że problem wykracza poza Virginie. Centra danych napędzane przez AI są skoncentrowane w klastrach na całym świecie, znacząco wpływając na lokalne sieci energetyczne. W przeciwieństwie do hut stali czy kopalń węgla, centra danych są budowane blisko siebie, aby dzielić zasoby i optymalizować efektywność.

W Irlandii stanowią ponad 20% krajowego zużycia energii elektrycznej, a w pięciu stanach USA przekraczają 10%.

Pomimo rosnącego zużycia energii przez AI, dane na temat jego zużycia energii są rzadkie. Nature informuje, że badaczom trudno jest uzyskać dokładne dane od firm, co zmusza ich do szacowania za pomocą metod pośrednich. Jednym z podejść jest analiza łańcucha dostaw.

W 2023 roku, badacz Alex de Vries obliczył, że gdyby Google zintegrowało generującą AI we wszystkich wyszukiwaniach, wymagałoby to nawet 500 000 serwerów NVIDIA A100, które zużywałyby rocznie 23-29 terawatogodzin (TWh) – do 30 razy więcej energii niż standardowe wyszukiwanie, jak donosi Nature.

Inną metodą jest mierzenie zużycia energii przez poszczególne zadania AI. Badacze korzystają z narzędzi takich jak CodeCarbon, aby szacować zużycie energii pochodzącej od generowanych przez AI obrazów czy tekstu.

Te badania sugerują, że generowanie obrazu zużywa około 0,5 watogodziny (Wh), podczas gdy generowanie tekstu wymaga nieco mniej. Jednak te oszacowania są konserwatywne, ponieważ nie uwzględniają chłodzenia ani specjalistycznych układów, takich jak TPU od Google, jak donosi Nature.

Trening modeli AI jest również energochłonny, ale energia wykorzystywana na odpowiadanie na miliardy zapytań użytkowników jest jeszcze większa. Trening modelu takiego jak GPT-3 wymaga około jednego gigawatogodziny, podczas gdy codzienne zapytania AI zużywają terawatogodziny rocznie, mówi Nature.

Wraz ze wzrostem konkurencji, firmy stały się bardziej tajemnicze na temat zapotrzebowania AI na energię. Niektóre, takie jak Google i Microsoft, przyznają, że rosnące emisje dwutlenku węgla są spowodowane rozbudową centrów danych, ale nie dostarczają konkretnych danych, zauważa Nature.

Pomimo lokalnego wpływu AI, jego globalny ślad energetyczny pozostaje stosunkowo mały, argumentuje Nature. Międzynarodowa Agencja Energetyczna szacuje, że centra danych zużyły 240-340 TWh w 2022 roku, co stanowi około 1-1,3% globalnego zużycia energii elektrycznej.

Jednakże, wraz ze wzrostem adopcji AI, popyt mógłby gwałtownie wzrosnąć. Bez lepszego udostępniania danych, decydenci mogą mieć problemy z zarządzaniem środowiskowymi konsekwencjami energochłonnej przyszłości AI.