Устойчивость ИИ: как Microsoft, Google Cloud, IBM и Dell работают над снижением вреда, наносимого ИИ климату

Многие компании стремятся измерить эффекты, связанные с устойчивым развитием, с помощью ИИ, такие как погода и использование энергии, но меньше говорят о смягчении в первую очередь водо- и энергоемкости ИИ. Устойчивое использование генеративного искусственного интеллекта могло бы частично снизить последствия изменения климата и выглядеть хорошо для инвесторов, которые хотят внести позитивный вклад в развитие Земли.

В этой статье будет рассмотрено влияние генеративных рабочих нагрузок и процессов ИИ на окружающую среду, а также то, как некоторые технологические гиганты решают эти проблемы. Мы поговорили с Dell, Google Cloud, IBM и Microsoft.

Сколько энергии потребляет генеративный ИИ и каковы возможные последствия этого использования?

Сколько энергии потребляет генерирующий ИИ, зависит от таких факторов, как физическое местоположение, размер модели, интенсивность обучения и многое другое. Чрезмерное потребление энергии может способствовать засухе, утрате среды обитания животных и изменению климата.

Команда исследователей из Microsoft, Hugging Face, Института искусственного интеллекта Аллена и нескольких университетов предложила стандарт в 2022 году. Используя его, они обнаружили, что обучение небольшой модели языкового преобразователя на 8 графических процессорах NVIDIA V100 в течение 36 часов потребляет 37,3 кВтч. Сколько это приведет к выбросам углекислого газа, во многом зависит от региона, в котором проводится обучение, но в среднем при обучении языковой модели выбрасывается примерно столько же углекислого газа, сколько при использовании одного галлона газа. Обучение лишь части теоретической большой модели — языковой модели с 6 миллиардами параметров — приведет к выбросу примерно такого же количества углекислого газа, как электроснабжение дома в течение года.

Другое исследование показало, что технология искусственного интеллекта может вырасти до 29,3 тераватт-часов в год — столько же электроэнергии, сколько потребляет вся Ирландия.

По словам Шаолея Рена, доцента кафедры электротехники и вычислительной техники Калифорнийского университета в Риверсайде, для разговора от 10 до 50 ответов с GPT-3 требуется пол-литра пресной воды, в интервью Yale Environment 360.

Как сообщает Barron’s, магнат SpaceX и Tesla Илон Маск во время конференции Bosch ConnectedWorld в феврале 2024 года предположил, что генеративные чипы искусственного интеллекта могут привести к нехватке электроэнергии.

Потребление энергии генеративным ИИ зависит от центра обработки данных

Количество потребляемой энергии или создаваемых выбросов во многом зависит от местоположения центра обработки данных, времени года и времени суток.

«Обучение моделей ИИ может быть энергоемким, но потребление энергии и ресурсов зависит от типа рабочей нагрузки ИИ, какая технология используется для выполнения этих рабочих нагрузок, возраста центров обработки данных и других факторов», — сказала Элисон Фриман, руководитель отдела инноваций для клиентов. устойчивое развитие и ESG в Dell.

Нейт Суда, старший аналитик Gartner, отметил в электронном письме TechRepublic, что важно различать источники энергии центров обработки данных, эффективность энергопотребления центров обработки данных и встроенные выбросы в аппаратном обеспечении больших языковых моделей.

Центр обработки данных, в котором размещается LLM, может быть относительно энергоэффективным по сравнению с организацией, которая создает LLM с нуля в своем собственном центре обработки данных, поскольку гиперскейлеры имеют «материальные инвестиции в низкоуглеродную электроэнергию и высокоэффективные центры обработки данных», — сказал Суда.

С другой стороны, повышение эффективности крупных центров обработки данных может вызвать эффект Джевонса, при котором уменьшение количества ресурсов, необходимых для одной технологии, увеличивает спрос и, следовательно, использование ресурсов в целом.

Как технологические гиганты решают проблему устойчивости ИИ с точки зрения использования электроэнергии?

Многие технологические гиганты ставят перед собой цели устойчивого развития, но лишь немногие из них занимаются исключительно генеративным искусственным интеллектом и использованием электроэнергии. Одной из целей Microsoft является обеспечение всех центров обработки данных и объектов 100% дополнительным производством возобновляемой энергии. Кроме того, Microsoft уделяет особое внимание соглашениям о покупке электроэнергии в проектах возобновляемой энергетики. В соглашении о покупке электроэнергии потребитель договаривается о заранее установленной цене на электроэнергию в течение следующих пяти-двадцати лет, обеспечивая стабильный поток доходов для коммунального предприятия и фиксированную цену для потребителя.

«Мы также работаем над решениями, которые позволят центрам обработки данных возвращать энергетические мощности обратно в сеть, чтобы способствовать местному энергоснабжению в периоды высокого спроса», — сказал Шон Джеймс, директор по исследованиям центров обработки данных в Microsoft, в электронном письме TechRepublic.

«Не используйте кувалду, чтобы расколоть орех»

IBM решает проблему устойчивого использования электроэнергии на основе генеративного искусственного интеллекта посредством «переработки» моделей искусственного интеллекта; это метод, разработанный совместно с MIT, при котором модели меньшего размера «растут» вместо того, чтобы обучать более крупную модель с нуля.

«У организаций определенно есть способы воспользоваться преимуществами искусственного интеллекта, одновременно минимизируя потребление энергии», — сказала Кристина Шим, глобальный руководитель программного обеспечения IBM для устойчивого развития, в электронном письме TechRepublic. «Выбор модели чрезвычайно важен. Использование базовых моделей вместо обучения новым моделям с нуля помогает «амортизировать» энергозатратное обучение в течение длительного срока использования. Использование небольшой модели, обученной на правильных данных, более энергоэффективно и позволяет достичь тех же или лучших результатов. Не используйте кувалду, чтобы расколоть орех».

Способы снижения энергопотребления генеративного ИИ в центрах обработки данных

Один из способов сократить потребление энергии генеративным искусственным интеллектом — сделать так, чтобы центры обработки данных, в которых он работает, потребляли меньше энергии; это может включать новые методы нагрева и охлаждения или другие методы, которые включают:

Возобновляемая энергия, такая как электричество из устойчивых источников, таких как ветер, солнечная или геотермальная энергия. Переход с резервных дизель-генераторов на аккумуляторные генераторы. Эффективная архитектура отопления, охлаждения и программного обеспечения для минимизации выбросов в центрах обработки данных или потребления электроэнергии. Эффективные методы охлаждения включают водяное охлаждение, адиабатические системы (давление воздуха) или новые хладагенты. Обязательства по достижению нулевых выбросов углерода или углеродной нейтральности, которые иногда включают компенсацию выбросов углерода.

Бенджамин Ли, профессор электротехники, системной инженерии, компьютерных наук и информатики в Университете Пенсильвании, в интервью по электронной почте отметил TechRepublic, что выполнение рабочих нагрузок ИИ в центрах обработки данных приводит к выбросам парниковых газов двумя способами.

По словам Ли, затраты на выбросы углерода, или выбросы, связанные с производством и изготовлением чипов искусственного интеллекта, в центрах обработки данных относительно невелики. Эксплуатационные затраты на выбросы углекислого газа, или выбросы от снабжения чипов электроэнергией во время выполнения процессов, больше и продолжают расти.

Энергоэффективность или экологичность?

«Энергоэффективность не обязательно ведет к устойчивому развитию», — сказал Ли. «Индустрия быстро наращивает мощность центров обработки данных и внедряет чипы искусственного интеллекта. Эти чипы, какими бы эффективными они ни были, увеличат потребление электроэнергии ИИ и выбросы углекислого газа».

Ли обнаружил, что ни усилия по обеспечению устойчивого развития, такие как компенсация энергопотребления, ни установка возобновляемых источников энергии, вероятно, не будут расти достаточно быстро, чтобы соответствовать мощности центров обработки данных.

«Если вы думаете о запуске высокоэффективной формы ускоренных вычислений с помощью наших собственных графических процессоров, мы используем жидкостное охлаждение для этих графических процессоров, которое позволяет им работать быстрее, но при этом гораздо более энергоэффективно и, как следствие, с более высокими затратами. эффективный способ», — сказал Марк Ломейер, вице-президент и генеральный менеджер по вычислениям и инфраструктуре AI/ML в Google Cloud, в интервью TechRepublic на NVIDIA GTC в марте.

Google Cloud подходит к обеспечению устойчивости электропитания с точки зрения использования программного обеспечения для управления временем безотказной работы.

«Чего вы не хотите, так это множества графических процессоров или каких-либо вычислительных устройств, работающих с использованием энергии, но не обеспечивающих активно, вы знаете, результатов, которые мы ищем», — сказал он. «Поэтому обеспечение высокого уровня использования инфраструктуры также является ключом к устойчивости и энергоэффективности».

Ли согласился с этой стратегией: «Поскольку Google выполняет очень много вычислений на своих чипах, средние затраты на выбросы углерода на одну задачу ИИ невелики», — сказал он TechRepublic в электронном письме.

Правильный выбор рабочих нагрузок ИИ

Фриман отметил, что Dell также осознает важность правильного определения рабочих нагрузок искусственного интеллекта, а также использования энергоэффективной инфраструктуры в центрах обработки данных.

«С быстро растущей популярностью искусственного интеллекта и его зависимостью от более высоких скоростей обработки будет возрастать нагрузка на энергетическую нагрузку, необходимую для работы центров обработки данных», — написал Фриман TechRepublic. «Плохое использование ИТ-активов является самой крупной причиной потерь энергии в центре обработки данных, а поскольку затраты на электроэнергию обычно составляют 40–60% эксплуатационных расходов центра обработки данных, снижение общего энергопотребления, вероятно, будет одной из главных задач клиентов. умы».

Она призвала организации использовать энергоэффективные конфигурации оборудования, оптимизированные системы охлаждения и охлаждения, экологически чистые источники энергии и ответственный вывод из эксплуатации старых или устаревших систем.

При планировании энергопотребления, по словам Шима, IBM учитывает продолжительность передачи данных, использование пространства, энергоэффективную ИТ-инфраструктуру и инфраструктуру центров обработки данных, а также инновации в области устойчивого развития с открытым исходным кодом.

Как технологические гиганты решают проблему устойчивого развития ИИ с точки зрения использования воды?

Использование воды было проблемой для крупных корпораций на протяжении десятилетий. Эта проблема касается не только генеративного искусственного интеллекта, поскольку проблемы в целом — потеря среды обитания, потеря воды и усиление глобального потепления — одинаковы, независимо от того, для чего используется центр обработки данных. Однако генеративный ИИ может ускорить эти угрозы.

Потребность в более эффективном использовании воды пересекается с увеличением использования генеративного искусственного интеллекта в работе центров обработки данных и охлаждении. Microsoft не выделяет генеративные процессы искусственного интеллекта в своих экологических отчетах, но компания показывает, что общее потребление воды подскочило с 4 196 461 кубических метров в 2020 году до 6 399 415 кубических метров в 2022 году.

«Использование воды — это то, о чем мы должны помнить во всех вычислениях, а не только в области искусственного интеллекта», — сказал Шим. «Как и в случае с использованием энергии, есть способы, которыми бизнес может быть более эффективным. Например, центр обработки данных может иметь синюю крышу, которая собирает и хранит дождевую воду. Он мог бы рециркулировать и повторно использовать воду. Он мог бы использовать более эффективные системы охлаждения».

Шим сказал, что IBM работает над обеспечением устойчивости водных ресурсов в рамках некоторых предстоящих проектов. Продолжающаяся модернизация почтенного исследовательского центра обработки данных IBM в Херсли, Англия, будет включать в себя подземный резервуар для охлаждения и может быть отключен от сети на некоторые периоды времени.

Microsoft заключила контракты на проекты по пополнению запасов воды: переработку воды, использование очищенной воды и инвестиции в такие технологии, как производство воздуха в воде и адиабатическое охлаждение.

«Мы применяем целостный подход к сокращению использования воды во всем нашем бизнесе, от проектирования до эффективности, ищем непосредственные возможности за счет оперативного использования и, в долгосрочной перспективе, за счет инноваций в дизайне для сокращения, переработки и повторного использования воды», — сказал Джеймс.

По словам Джеймса, Microsoft решает проблему использования воды пятью способами:

Снижение интенсивности водопользования. Пополнение большего количества воды, чем потребляет организация. Расширение доступа к услугам водоснабжения и санитарии для людей по всему миру. Внедрение инноваций для масштабирования водных решений. Пропаганда эффективной водной политики.

Организации могут перерабатывать воду, используемую в центрах обработки данных, или инвестировать в инициативы по обеспечению чистой воды в других местах, например, в усилиях офиса Google Bay View по сохранению водно-болотных угодий.

Как технологические гиганты раскрывают свое воздействие на окружающую среду?

Организации, интересующиеся воздействием крупных технологических компаний на окружающую среду, могут найти в открытом доступе множество отчетов об устойчивом развитии:

Экологический отчет Apple за 2023 год Отчет об устойчивом развитии Amazon за 2022 год Отчет Dell 2023 ESG Отчет Google об устойчивом развитии за 2023 год Отчет IBM о влиянии 2024 года Отчет Microsoft об устойчивом развитии за 2022 год Отчет NVIDIA о корпоративной ответственности за 2023 год Отчет о влиянии Salesforce на заинтересованные стороны в 2023 году

Некоторые упоминания в этих отчетах, относящиеся к ИИ:

IBM использовала искусственный интеллект для сбора и анализа энергетических данных IBM, создав более полную картину энергопотребления. В своем отчете NVIDIA фокусируется на социальном воздействии ИИ, а не на воздействии на окружающую среду, обязуясь использовать «модели, которые соответствуют законам о конфиденциальности, обеспечивают прозрачность конструкции и ограничений модели, работают безопасно и так, как задумано, а нежелательная предвзятость уменьшена до такой степени, что возможный."

Потенциальные пробелы в отчетах о воздействии на окружающую среду

Многие крупные организации включают компенсацию выбросов углерода в свои усилия по достижению углеродной нейтральности. Компенсации выбросов углерода могут быть спорными. Некоторые люди утверждают, что требование кредитов за предотвращение ущерба окружающей среде в других частях мира приводит к неточностям и мало что делает для сохранения местных природных мест или мест, которые уже находятся под угрозой.

Технологические гиганты осознают потенциальные последствия нехватки ресурсов, но также могут попасть в ловушку «зеленого отмывания» или сосредоточения внимания на позитивных усилиях, скрывая при этом более серьезные негативные последствия. «Зеленое отмывание» может произойти случайно, если у компаний нет достаточных данных об их текущем воздействии на окружающую среду по сравнению с их климатическими целями.

Когда не следует использовать генеративный ИИ

Решение не использовать генеративный искусственный интеллект технически снизит потребление энергии вашей организацией, так же, как и отказ от открытия нового предприятия, но это не всегда практично в деловом мире.

«Для организаций жизненно важно измерять, отслеживать, понимать и сокращать выбросы углекислого газа, которые они производят», — сказал Суда. «Для большинства организаций, делающих значительные инвестиции в генИИ, этот «учет выбросов углерода» слишком велик для одного человека и электронной таблицы. Им нужна команда и инвестиции в технологии, как в программное обеспечение для учета выбросов углерода, так и в инфраструктуру данных, чтобы гарантировать, что данные об выбросах организации максимально используются для принятия упреждающих решений».

Apple, NVIDIA и OpenAI отказались комментировать эту статью.