Ученые опасаются, что это может серьезно повлиять на водоснабжение. Они разрабатывают способы снижения потребления воды в процессе обучения нейросетей.
Исследователи из Университета Колорадо-Риверсайд и Техасского университета в Арлингтоне обнаружили, что только на подготовку GPT-3 уходит 700 000 л воды, что эквивалентно количеству, необходимому для заполнения градирни ядерного реактора. По словам исследователей, общение среднего пользователя с ChatGPT примерно равносильно выплескиванию на землю большой бутылки с пресной водой.
В серверных комнатах обычно поддерживается температура от 10 до 26 °C, чтобы предотвратить сбой оборудования. Для поддержания идеальной температуры используют градирни, которые потребляют большое количество пресной воды, необходимой также для контроля влажности и избежания коррозии и роста бактерий.
Оценки исследователей показывают, что на каждый киловатт-час, расходуемый в центре обработки данных, требуется 3,7 л воды.
Масштабы работы искусственного интеллекта велики. Например, как пишет Gizmodo, последний суперкомпьютер Microsoft содержит 10 000 графических карт и более 285 000 процессорных ядер.
При этом Microsoft построил центр обработки данных в США специально для OpenAI за десятки миллионов долларов. По словам исследователей, если бы обучение проходило в менее энергоэффективном центре обработки данных в Азии, потребление воды могло бы увеличиться в три раза.
С учетом того, что новые модели искусственного интеллекта, такие как GPT-4, используют еще более объемные наборы данных, исследователи ожидают, что потребление воды и энергии в процессе обучения будет только увеличиваться.
Ученые предлагают различные способы снижения потребления воды и энергии в обучении ИИ, включая использование сжатия данных и более эффективных алгоритмов обучения. Они также рекомендуют выбирать место и время для обучения, чтобы снизить потребление воды, и призывают пользователей чат-ботов выбирать время взаимодействия, чтобы уменьшить потребление воды.
Кроме того, ученые отмечают необходимость прозрачности со стороны технологических компаний и рекомендуют сообщать о том, где и когда происходит обучение ИИ и о моделях, обученных и развернутых в сторонних центрах обработки данных или общедоступных облаках.
Ранее Plus-one.ru рассказывал, что рост частных вложений в ИИ-технологии в 2022 году замедлился впервые за 10 лет. Однако развитие нейросетей продолжается стремительными темпами, и на рынок постоянно выходят новые проекты. Это заставляет мировое сообщество задуматься об этических проблемах, связанных с развертыванием ИИ и его регулированием.