Штучний інтелект: Як зменшити екологічний слід “енергоємних” технологій?

Зростання популярності чат-ботів та інших інструментів штучного інтелекту (ШІ) неминуче призводить до збільшення витрат енергії, споживання води та викидів вуглецю. Пошук шляхів для скорочення енергопотреб стає критично важливим для мінімізації екологічного впливу цих передових технологій.

Енергоємні боти: Де криється проблема?

Досить складно точно оцінити кількість енергії, що витрачається на обробку одного запиту до чат-бота. Наприклад, Google підрахував, що їхній бот Gemini споживає приблизно 0,24 ват-години для відповіді на текстовий запит середньої довжини. Це еквівалентно електроенергії, необхідній для перегляду телевізора менше ніж 9 секунд. Крім того, на це витрачається близько 0,26 мілілітра води та виділяється 0,03 грама діоксиду вуглецю (для порівняння, поїздка на автомобілі з бензиновим двигуном на 1 милю викидає близько 400 грамів CO2). Хоча ці показники здаються незначними поодинці, вони накопичуються, коли ШІ-інструментами активно користуються окремі особи та компанії. Основна причина високого енергоспоживання моделей ШІ полягає в процесорах, які їх живлять. Зокрема, графічні процесори (GPU) споживають значно більше енергії, ніж центральні процесори (CPU), які забезпечують роботу простіших завдань, як-от пошук у мережі чи електронна пошта. Це також пов’язано з архітектурою моделей, що лежать в основі більшості популярних генеративних ШІ-інструментів, включаючи великі мовні моделі (LLM), які забезпечують роботу ШІ-чатботів та асистентів. Ці моделі базуються на спеціальній архітектурі під назвою “трансформер”. Вона дозволяє LLM навчатися на величезних обсягах мовних патернів у тексті та, на основі цього, обчислювати сотні мільярдів або трильйони параметрів. Ці параметри потім використовуються для генерації нових текстових послідовностей шляхом передбачення, які слова, ймовірно, йтимуть одне за одним. LLM на основі трансформерів вимагають значних обчислювальних ресурсів, оскільки для кожного нового слова, яке вони генерують у відповідь на запит користувача, вони пропускають запит і вже написаний текст через модель, виконуючи мільярди обчислень щоразу. Технологічні компанії зазначають, що LLM з часом стають дедалі енергоефективнішими. За розрахунками Google за 2025 рік, 0,24 ват-години, які споживає Gemini для середньостатистичного текстового запиту, є зменшенням у 33 рази порівняно з енергоспоживанням моделі за попередній рік. У будь-якому разі, навіть незначні витрати енергії швидко накопичуються, враховуючи масштаби використання ШІ. За даними OpenAI за 2025 рік, щодня до їхнього чат-бота ChatGPT надсилається близько 3,2 мільярда запитів. Користувачі звертаються до ШІ-інструментів для обробки та створення величезних обсягів тексту, зображень та відео. Деякі ведуть тривалі розмови з чат-ботами. І все частіше люди створюють власних “ШІ-агентів”, які самостійно надсилають запити до ШІ-чатботів. Отже, що можуть зробити користувачі, щоб мінімізувати ресурси, витрачені на використання ШІ? Експерти мають кілька порад.

Не відмовляйтеся від пошуку

Як перший і простий крок для економії енергії, користувачам варто ретельно зважити, чи справді їм потрібен ШІ для певного завдання. “Запитувати ChatGPT ‘Що мені сьогодні одягнути?’ або ‘Яка погода?’ – це як летіти на Concorde до супермаркету”, – каже Гюнтер Кламбауер, експерт з ШІ Віденського університету імені Йоганна Кеплера. Те саме стосується веб-пошукових систем, які використовують ШІ для автоматичного генерування відповідей на запити поряд із фактичними результатами пошуку, наприклад, Google AI Overviews або Bing Copilot Search. “Якщо ви просто шукаєте конкретну статтю, вимкнення цієї функції може суттєво заощадити енергію”, – зазначає Удіт Гупта, експерт з електротехніки та комп’ютерної інженерії Корнелльського технологічного інституту. Для цього можна вибрати опцію “Лише веб-результати” у вашому браузері або додати “-ai” до вашого пошукового запиту.

Менші моделі споживають менше енергії

Люди та компанії, які активно використовують ШІ-інструменти для специфічних завдань, таких як переклад або узагальнення, можуть розглянути можливість переходу на менші мовні моделі, спеціалізовані для цих завдань. Оскільки ці моделі мають вужче спрямоване навчання та виконують менше обчислень, вони споживають менше енергії, ніж величезні універсальні LLM, виконуючи ті самі завдання. У дослідженні UNESCO за 2025 рік Дробняк протестував переваги використання менших моделей, таких як opus-mt-en-es для перекладу з англійської на іспанську, та інших моделей для узагальнення та відповідей на запити, замість моделі Llama 3.1 від Meta. Хоча ці менші моделі часто менш зручні для користувача, ніж популярніші ШІ-моделі, вони доступні безкоштовно на платформі ШІ Hugging Face. Дослідження показало, що ці малі моделі споживали від 15 до 50 разів менше енергії, водночас забезпечуючи вищу якість результатів для завдань, для яких вони були розроблені.

Використання малих, спеціалізованих моделей для конкретних завдань споживає лише частку енергії, яку “поглинають” великі універсальні моделі, при цьому забезпечуючи подібну, а іноді й кращу точність. Перехід від більших моделей призвів до загального зниження енергоспоживання на 90%, що робить цю стратегію найпотужнішою з усіх протестованих Дробняк. Як каже Гупта: “Вам не потрібна модель з трильйоном параметрів для редагування електронного листа”.

Менш “балакучі” чат-боти

Оскільки LLM виконують величезну кількість обчислень для кожного послідовного слова, яке вони генерують, корисно вибирати моделі, які загалом генерують менше тексту. Мошараф Чоудхурі, експерт з систем ШІ з Університету Мічигану, який вимірює споживання електроенергії загальнодоступними LLM, виявив, що моделі, які за своєю природою є більш “балакучими”, як правило, споживають більше енергії. Наприклад, одна з версій моделі Qwen від китайської компанії Alibaba Cloud споживає значно більше енергії в режимі “вирішення проблем з міркуваннями”, де вона генерує приблизно в 10 разів більше слів у відповідь на запит, ніж у режимі “текстової розмови”. Тому деякі експерти рекомендують використовувати режим міркувань лише для складних запитань, а в інших випадках дотримуватися стандартного режиму чат-бота. Просте прохання до ШІ-чатботів “бути лаконічними” або встановлення обмеження на кількість слів також може заощадити енергію. У своїй роботі для UNESCO Дробняк та її колеги виявили, що можуть скоротити енергоспоживання моделі Llama на 50%, коли попросили її зменшити вивід удвічі. Натомість, скорочення самого запиту мало менш значний ефект – лише 5% економії для запиту, довжина якого була вдвічі меншою за оригінальний. “Розмір виводу найбільше визначає та стимулює енерговитрати”, – зазначає Дробняк. Вона співпрацювала з містом Сан-Франциско над розробкою порад з енергозбереження для користувачів ШІ, які включають максимальну конкретику та додавання інструкцій на кшталт “не більше п’яти пунктів”.

Збереження лаконічності запитів до чат-ботів може дещо заощадити енергію, але прохання до чат-ботів скорочувати свої відповіді призводить до значно більшої економії.

Низька роздільна здатність та пакетна обробка відео

Аналогічні рекомендації стосуються генерації зображень та відео, які можуть споживати на порядки більше енергії, ніж генерація тексту. Це пов’язано з необхідністю багаторазової обробки мільйонів пікселів, при кожному обчисленні цілого зображення, як пояснює Дробняк. Такі інструменти надзвичайно популярні: майже 40% підлітків віком від 13 до 17 років, опитаних у нещодавньому дослідженні Pew Research Center, використовують ШІ для створення або редагування зображень чи відео. Дробняк рекомендує генерувати зображення чи відео лише за необхідності та лише з потрібною роздільною здатністю. “Один з варіантів – просто почати з низької роздільної здатності, – каже вона, – і якщо алгоритм рухається в правильному напрямку, ви тоді починаєте збільшувати роздільну здатність”. Вона також зазначає, що редагування існуючих зображень завжди менш вимогливе до обчислень, ніж створення нових з нуля. І при генерації кількох зображень корисно робити це за один сеанс або пакетом, що є ефективнішим, ніж надсилання кількох окремих запитів. Ці дії можуть здатися краплею в морі, і багато в чому так і є, кажуть експерти. Але дрібниці накопичуються. Поки технологічні компанії, науковці та політики шукають шляхи зменшення загального екологічного впливу ШІ, “індивід, який знає, як вибрати правильний інструмент, може зробити реальну різницю”, – стверджує Дробняк. “ШІ споживає так багато енергії, що ми повинні розглядати це під усіма кутами”. —

Порада від Business News:

Ця інформація є надзвичайно цінною для будь-якого користувача, який активно взаємодіє з інструментами штучного інтелекту. Розуміння того, як ваші дії впливають на енергоспоживання та екологію, дозволяє вам зробити свідомий вибір на користь більш ефективних рішень. Застосовуючи ці прості, але дієві поради, ви не тільки зменшите свій вуглецевий слід, але й потенційно покращите продуктивність своєї роботи з ШІ, обираючи менші, спеціалізовані моделі та оптимізуючи свої запити. Це важливий крок до відповідального використання сучасних технологій.

Sourse: www.livescience.com