Ym maes deallusrwydd artiffisial (AI), mae trafodaethau'n aml yn ymwneud â gwybodaeth anghywir a'r bygythiad posibl i swyddi dynol. Fodd bynnag, mae athro o Brifysgol Boston, Kate Saenko, yn tynnu sylw at bryder sylweddol arall - effaith amgylcheddol sylweddol offer AI cynhyrchiol.
Fel ymchwilydd AI, mae Saenko yn codi pryderon am gostau ynni adeiladu modelau AI. Mewn erthygl ar The Conversation, mae hi’n pwysleisio, “Po fwyaf pwerus yw’r AI, y mwyaf o egni mae’n ei gymryd.”
Er bod y defnydd o ynni o cryptocurrencies fel Bitcoin ac Ethereum wedi ennyn trafodaeth helaeth, nid yw datblygiad cyflym AI wedi cael yr un lefel o graffu o ran ei effaith ar y blaned.
Nod yr Athro Saenko yw newid y naratif hwn, gan gydnabod y data cyfyngedig sydd ar gael ar ôl troed carbon ymholiad AI cynhyrchiol unigol. Fodd bynnag, mae'n tynnu sylw at y ffaith bod ymchwil yn awgrymu bod y defnydd o ynni bedair i bum gwaith yn uwch nag ar gyfer ymholiad peiriant chwilio syml.
Mae astudiaeth nodedig o 2019 yn archwilio model AI cynhyrchiol o'r enw Cynrychioliadau Amgodiwr Deugyfeiriadol gan Transformers (BERT), sy'n cynnwys 110 miliwn o baramedrau. Defnyddiodd y model hwn ynni a oedd yn cyfateb i hediad traws-gyfandirol taith gron i un person yn ystod ei broses hyfforddi, gan ddefnyddio unedau prosesu graffeg (GPUs). Mae paramedrau, sy'n arwain rhagfynegiadau'r model a chynyddu cymhlethdod, yn cael eu haddasu yn ystod hyfforddiant i leihau gwallau.
Mewn cymhariaeth, mae Saenko yn datgelu bod model GPT-3 OpenAI, gyda pharamedrau syfrdanol o 175 biliwn, wedi defnyddio ynni sy'n cyfateb i 123 o gerbydau teithwyr wedi'u pweru gan gasoline a yrrir am flwyddyn neu oddeutu 1,287-megawat awr o drydan. Yn ogystal, cynhyrchodd 552 tunnell syfrdanol o garbon deuocsid. Yn rhyfeddol, digwyddodd y gwariant ynni hwn cyn i unrhyw ddefnyddwyr hyd yn oed ddechrau defnyddio'r model.
Gyda phoblogrwydd cynyddol chatbots AI, fel Perplexity AI a ChatGPT Microsoft wedi'u hintegreiddio i Bing, mae'r sefyllfa'n cael ei gwaethygu ymhellach trwy ryddhau cymwysiadau symudol, gan wneud y technolegau hyn hyd yn oed yn fwy hygyrch i gynulleidfa ehangach.
Yn ffodus, mae Saenko yn tynnu sylw at astudiaeth gan Google sy'n cynnig strategaethau amrywiol i liniaru'r ôl troed carbon. Gall defnyddio saernïaeth model mwy effeithlon, proseswyr, a chanolfannau data ecogyfeillgar leihau'r defnydd o ynni yn sylweddol.
Er ei bod yn bosibl na fydd un model AI mawr yn difetha’r amgylchedd ar ei ben ei hun, mae Saenko yn rhybuddio, os bydd nifer o gwmnïau’n datblygu botiau AI ychydig yn wahanol at wahanol ddibenion, pob un yn arlwyo i filiynau o gwsmeriaid, gallai defnydd ynni cronnus ddod yn bryder sylweddol.
Yn y pen draw, mae Saenko yn awgrymu bod ymchwil pellach yn hanfodol i wella effeithlonrwydd AI cynhyrchiol. Yn galonogol, mae’n amlygu’r potensial i AI weithredu ar ffynonellau ynni adnewyddadwy. Trwy optimeiddio cyfrifiant i gyd-fynd ag argaeledd ynni gwyrdd neu leoli canolfannau data lle mae ynni adnewyddadwy yn helaeth, gellir lleihau allyriadau gan ffactor rhyfeddol o 30 i 40 o gymharu â dibynnu ar gridiau tanwydd ffosil yn bennaf.
I gloi, er bod pryderon am wybodaeth anghywir a dadleoli swyddi oherwydd AI yn parhau, mae pwyslais yr Athro Saenko ar effaith amgylcheddol offer AI cynhyrchiol yn codi mater hollbwysig. Mae'n galw am fwy o ymchwil a dulliau arloesol i sicrhau bod datblygiad AI yn cyd-fynd â nodau cynaliadwyedd. Drwy wneud hynny, gallwn harneisio potensial AI tra’n lleihau ei ôl troed carbon, gan baratoi’r ffordd ar gyfer dyfodol gwyrddach.
Ffynhonnell: https://bitcoinworld.co.in/the-environmental-impact-of-artificial-intelligence-a-concern-beyond-misinformation-and-job-threats/