Для создания 100 слов GPT-4 нужно 3 бутылки воды

Использование генеративного ИИ, такого как GPT-4, не лишено экологических последствий. Исследование Калифорнийского университета в Риверсайде показало, что охлаждение серверов, генерирующих данные для ИИ, требует значительного количества воды, особенно при создании текста.

Потребление воды варьируется в зависимости от местоположения, затрат на электроэнергию и близости к центрам, где происходит обработка информации. В Техасе для создания электронного письма на 100 слов требуется 235 мл воды, в то время как в Вашингтоне — целых 1408 мл, что эквивалентно трем бутылкам воды.

Помимо воды, ИИ требует и значительного количества электроэнергии. Если 10% работающих американцев будут использовать GPT-4 еженедельно, это потребует 121 517 МВт·ч электроэнергии в год — достаточно для того, чтобы обеспечить электричеством всех жителей Вашингтона (около 671 803 человек) на протяжении 20 дней.

Экологическая нагрузка от использования ИИ и центров обработки данных приобретает все большую очевидность. Google признала, что выбросы углерода компании выросли на 48% из-за использования ИИ, а компенсировано было всего 18% потребляемой воды.

OpenAI, разработчик GPT-4, признает высокую энергоёмкость ИИ и работает над повышением его эффективности. Microsoft также работает над созданием методов охлаждения центров обработки данных, которые не потребуют использования воды.

Однако, исследование The Guardian показало, что реальное загрязнение от центров обработки данных крупных технологических компаний, вероятно, в 6,62 раза выше, чем официальные данные.

Эти данные свидетельствуют о необходимости повышенного внимания к экологическому аспекту развития ИИ. Необходимо продолжать исследования в области повышения эффективности и снижения потребления ресурсов, чтобы сделать эту технологию более устойчивой.

Идея создания машин, способных мыслить как люди, привлекала умы на протяжении веков. Однако лишь в середине XX века, с появлением компьютеров, эта мечта начала воплощаться в реальность.

Пионеры искусственного интеллекта, такие как Алан Тьюринг, задались вопросом: «Может ли машина мыслить?» Тьюринг предложил тест, который проверяет способность машины имитировать человеческий интеллект. В 1955 году Джон Маккарти, один из отцов-основателей ИИ, ввел сам термин «искусственный интеллект», и началась эра активных исследований.

Первые программы ИИ были простыми: они могли играть в шахматы или решать логические задачи. Но уже тогда исследователи мечтали о системах, способных учиться на данных, распознавать образы и принимать решения.

В 1960-70-е годы появились экспертные системы, имитирующие знания и опыт человека в определенной области. Однако у этих систем были свои ограничения: сложность создания и обслуживания, недостаток гибкости. К тому же вычислительные мощности были ограничены, и обучение на больших данных было невозможно.

ИИ пережил период застоя, известный как «зима искусственного интеллекта», в 1970-80-е годы. Но с развитием вычислительной техники, появлением новых алгоритмов машинного обучения, в том числе глубокого обучения, в 1990-е годы началось новое возрождение.

Сегодня ИИ — это не просто мечта, а реальность, которая активно применяется в различных сферах жизни. ИИ-системы помогают нам диагностировать болезни, прогнозировать погоду, оптимизировать производство, управлять финансами, и даже создавать искусство.

Вас также могут заинтересовать другие новости технологий:

• Nintendo решила засудить разработчиков одной очень популярной игры — за что
• Как получить электронную подпись и кому без нее не обойтись — полное руководство
• Новый имплант Neuralink позволит вернуть зрение тем, кто лишился глаз

Автор: Алла Понорад