Взрывной рост генеративного искусственного интеллекта — от ChatGPT до продвинутых систем обработки изображений — привёл к масштабным изменениям в экономике, культуре и технологиях. Однако теперь исследователи предупреждают: за удобством ИИ скрывается растущая и плохо осознаваемая экологическая катастрофа.
На конференции в США была представлена работа "Power Hungry Processing: Watts Driving the Cost of AI Deployment?" Результаты исследования оказались тревожными: современные универсальные модели ИИ потребляют на порядки величины больше энергии, чем традиционное программное обеспечение.
Почему использование ИИ оказалось таким энергозатратным
Исследование показывает, что причина — в самой природе генеративных моделей. ИИ-модели — особенно большие языковые модели — делают гигантские матричные умножения для каждого токена (запроса от пользователя).
В отличие от классических программ, которые выполняют заранее описанные инструкции, ИИ-модели каждый раз заново пересчитывают огромное число вероятностей. Такой подход требует тяжёлых математических операций — в частности, многократных матричных умножений на миллиарды параметров.
Авторы отмечают, что в генеративных моделях выбор следующего слова (токена) происходит не из нескольких вариантов, а из всего словаря модели, который может насчитывать десятки тысяч элементов.
А задачи, связанные с изображениями, требуют еще больше энергии, чем работа с текстом, потому что модель должна «придумать» не одно слово, а каждый пиксель изображения. Текст — это последовательность символов, которых сравнительно мало, а картинка — это миллионы маленьких цветных точек. ИИ должен рассчитать цвет и значение каждой из них. Поэтому, как отмечают авторы исследования, «задачи, связанные с изображениями, генерируют сырые пиксели, что делает такие задачи более энергоёмкими, чем текстовые».
Длина ответа также играет роль: каждое новое слово требует пересчёта всей предыдущей последовательности, что увеличивает энергозатраты экспоненциально. Поэтому длинные диалоги или письменные задания создают гораздо более серьёзную нагрузку, чем короткие запросы.
Экологические последствия: вода, CO₂ и нагрузка на электросети
Хотя обучение больших моделей давно известно как энергоёмкий процесс, исследователи подчёркивают: на практике основная нагрузка возникает позже — во время использования модели миллионами пользователей.
Популярные системы типа чат-ботов или генераторов изображений выполняют миллиарды запросов в день. Даже если один инференс стоит мало, такие объёмы быстро превращают небольшие числа в значимое воздействие на окружающую среду.
Рост энергопотребления приводит к увеличению выбросов углерода. Кроме того, современные дата-центры требуют огромных объёмов воды для охлаждения, а в регионах, где наблюдается дефицит влаги или экстремальная жара, это может создавать конкуренцию между инфраструктурой и населением.
Авторы исследования делают вывод: ИИ делает нашу жизнь удобнее, но требует колоссальных энергозатрат — и чем «умнее» и универсальнее модель, тем выше её экологическая цена. Исследование ясно показывает: прежде чем запускать мощные генеративные системы ради простых задач, индустрии пора задуматься, стоит ли каждое удобство тысяч лишних киловатт-часов.
