Előfizetői tartalom

Vészjósló ütemben zabálja az áramot a mesterséges intelligencia, hamarosan 15 atomerőmű is kevés lesz neki

Egyes becslések szerint 2027-re a teljes kapacitáson működő MI szerveregységek anni áramot fogyasztanak, mint Hollandia, és 15 átlagos méretű atomerőmű teljesítményének felel meg. Egyetlen kép generálásának áramfogyasztásából pedig fel lehetne tölteni egy mobiltelefont. A technológiai vállalatok titkolózása megnehezíti, hogy pontos képet kapjunk az igencsak energiaigényes MI-modellek valós fogyasztásáról, és arról, mekkora környezeti terhet jelent a működtetésük. A rendelkezésünkre álló adatok azonban azt sugallják, hogy a fejlesztőknek sürgősen lépniük kell, és fenntartható alternatívákat kell találniuk a jelenlegi működésre. Ebben egyrészt maga a mesterséges intelligencia, illetve a kisebb, hatékonyabb modellek is segíthetnek.

Mire jó a mesterséges intelligencia az üzleti életben és hogyan vezessünek be use case-eket? Erről is szó lesz a Portfolio április 23-ai AI in Business rendezvényén. Regisztráció itt!

Egyelőre a sötétben tapogatózunk

A szakértők egyre erélyesebben sürgetik az MI-cégeket, hogy termékeik fejlesztésénél fenntarthatósági szempontokat is vegyenek figyelembe, vagyis igyekezzenek olyan modelleket létrehozni, amelyek képzéséhez, működtetéséhez, és karbantartásához a jelenleginél kevesebb áramra van szükség. A fejlesztő cégek azonban nehezen adják be a derekukat, így a zöld szempontok egyelőre háttérbe szorulnak az egyre kiélezettebb piaci versenyben, ahol érthető módon a teljesítmény és a robusztusság - legalábbis egyelőre - sokkal nagyobb szerepet kapnak.

Az MI-használat lehetséges környezeti hatásait nehéz megbecsülni, az ugyanis az adatközpontok által felhasznált energiaforrás típusától is függ. Kritikus kérdés tehát, hogy a szolgáltatók fosszilis vagy megújuló energiaforrásokra támaszkodnak-e a modellek életciklusa alatt (ez leegyszerűsítve a korábban említett képzés, használat és karbantartás fázisokat takarja). Tovább fokozza a bizonytalanságot, hogy a legtöbb mesterséges intelligenciával foglalkozó vállalat sok más kulcsfontosságú információhoz hasonlóan, az energiafogyasztásra vonatkozó adatokat sem szereti túlzottan a nyilvánosság orra alá dörgölni.Úgy tűnik, minél jövedelmezőbbé válik a mesterséges intelligencia-szektor, annál inkább ráborul a titoktartás leple. Ennek megfelelően látványosan nőnek a szellemi tulajdon védelmével kapcsolatos aggodalmak, a vállalatok pedig foggal-körömmel védik a modelljeik titkait. A fejlesztési projektekkel kapcsolatos nyilvános tájékoztatás elmaradásának további lehetséges oka lehet az is, hogy az MI-vel való visszaélés (elég csak a ma már hátborzongatóan élethű, és a tömeges manipulációra alkalmas deepfake-felvételekre gondolni) arra készteti a vállalatokat, hogy a társadalmi károk megelőzése érdekében a “műhelytitkok” lehetőleg ne kerüljenek illetéktelen kezekbe. Az átláthatóság hiánya azonban etikai aggályokat vet fel, és hátráltatja a gyorsan fejlődő technológia minél szélesebb körű megértését. A jövedelmezőségi szempontok és a társadalmi tudatosság mellett sajnos azonban nem zárható ki az sem, hogy az MI-cégek a tevékenységükre vonatkozó kritikák élét próbálják meg elvenni a titkolózással. A transzparencia hiányában rejlő kockázatokat minden bizonnyal a törvényhozók is érezhették, ugyanis Kalifornia állam nemrég két új, az éghajlat-változási adatok közzétételéről szóló törvényben írta elő az államban működő nagyvállalatok, köztük olyan óriáscégek, mint a Google és az OpenAI számára, hogy jelentősebb átláthatóságot várnak el tőlük a környezeti lábnyomukra és a kapcsolódó kockázatokra vonatkozó információk tekintetében. A törvény szövege szerint az 1 milliárd dolláros globális bevételt meghaladó vállalatoknak 2026-tól kezdődően nyilvánosságra kell hozniuk mind a belső, mind az ellátási láncukra vonatkozó szén-dioxid-kibocsátási adatokat. Az Európai Unió 2021-ben már bevezetett egy hasonló jogszabályt, azonban ezt később - szokás szerint - jelentősen felhígították.

Egy kép generálása - egy telefontöltés

A legtöbb energiafogyasztásra vonatkozó becsléssel az a baj, hogy esetlegesek, hiszen a gépi tanulási modellek különböző konfigurációkban nagyon más energiafogyasztást produkálnak. A kockázatok pontos felmérése így még teljes adatszolgáltatás mellett is óriási kihívás lenne, a fejlesztő vállalatok ugyanis sokszor maguk sem tudják pontosan meghatározni a technológiák működési költségeit. Az elmúlt egy évben azért készült néhány tanulmány, amelyből ki lehet indulni.

Kedves Olvasónk!

A keresett cikk a portfolio.hu hírarchívumához tartozik, melynek olvasása előfizetéses regisztrációhoz kötött. Lapunk kiemelt tartalmaihoz való hozzáférés díja egy évre 29 845 forint. Választhatsz havi csomagot is, melynek költsége 2 490 forint. További információ és csatlakozás az alábbi gombra kattintva!

Signature előfizetés