24.01.2025 / 13:01

Искусственный интеллект (ИИ) стал неотъемлемой частью современной жизни, предлагая новые возможности для науки, технологий и повседневной жизни.

Иллюстративное изображение
Иллюстративное изображение

Однако за стремительным развитием этой отрасли стоят вопросы, которые нельзя игнорировать: как технологии ИИ влияют на окружающую среду? Какие ресурсы необходимы для их разработки и внедрения, и можно ли сделать этот процесс экологически устойчивым?

Ответы на все эти вопросы вы можете прочитать в интервью Зелёного портала с Алексеем Картынником, программистом, tech-блогером и популяризатором ИИ.

– Алексей, расскажите, какие аспекты разработки и использования искусственного интеллекта оказывают наибольшее влияние на окружающую среду?

– Самое очевидное — это то, что для тренировки нейросетей и их дальнейшего использования, что называется inference (инференс), нужно много вычислительных мощностей, а значит, большое количество компьютеров, которые будут обрабатывать обучение и выполнение этих нейросетей.

Когда я говорю «много», это значит — очень много. Это дата-центры, в которых содержатся сотни тысяч видеокарт. Эти дата-центры работают как единое целое, чтобы обучать и запускать модели. Например, сейчас идет тренд строить отдельные огромные дата-центры исключительно для обучения и работы моделей.

Facebook, например, так делает, также и Илон Маск с компанией хAI. Все крупные производители языковых моделей рано или поздно придут к этому. Эти дата-центры настолько большие, что для их питания нужны огромные источники энергии, и под такими источниками подразумевается атомная энергетика.

Алексей Картынник
Алексей Картынник

В ближайшем будущем, в течение года или нескольких лет, мы увидим дата-центры, которые будут исключительно запитываться атомной станцией, которая раньше обеспечивала энергией небольшие города. Настолько огромна вычислительная мощность, необходимая для работы таких моделей, как GPT.

Это два разных процесса. Поэтому наибольшее влияние на окружающую среду оказывает именно потребность в огромном количестве энергии. Энергию можно получать разными способами, но наиболее эффективно — это атомная энергетика.

С точки зрения постройки новых атомных станций, это может как-то повлиять на экологию. Хотя в последнее время атомные станции настолько чистые, что вопросов больше к другим источникам энергии, таким как дамбы или сланцевые станции, которые сжигают уголь.

Кроме того, дата-центры — это помещения, в которых постоянно работают сотни тысяч видеокарт. Видеокарты — это платы с микросхемами, которые нагреваются под нагрузкой, выделяя тепло. Соответственно, эти дата-центры нужно охлаждать, отводя это тепло. Большие дата-центры будут генерировать много тепла, что также может сказаться на экологии.

Также эти дата-центры нужно строить. Это большие пространства и помещения, которые требуют выделения новых территорий для строительства и инфраструктуры. Скорее всего, такие дата-центры будут располагаться не в городах, а за их пределами, возможно, в удаленных районах, где охлаждение проще. Это означает, что новые — скорее всего, незаселенные территории — будут индустриализированы, что также может негативно сказаться на экологии.

Иллюстративное изображение
Иллюстративное изображение

– Насколько энергоемкими являются современные модели машинного обучения? Какие есть пути для оптимизации?

– Топовые модели, разрабатываемые компаниями OpenAI, Anthropic, Meta, xAI, Google, являются настолько мощными, что для их обучения требуются дата-центры с сотнями тысяч видеокарт. Эти дата-центры питаются эквивалентом энергии от атомных станций. На данный момент они используют части атомных станций, иногда до сотни процентов их мощности.

В ближайшем будущем возможно, что для их работы понадобятся несколько атомных станций. Это потребляет мегаватты и даже гигаваты энергии — и это только для обучения моделей.

Чтобы эти модели работали для пользователей, требуется их запуск, что также требует значительных вычислительных мощностей в дата-центрах. То есть и для обучения, и для инференса, оба процесса крайне энергоемкие. У всех крупных компаний, по сути, одинаковые потребности по мощности.

Какие есть пути для оптимизации? Существует несколько направлений. На данный момент наиболее реалистичный и эффективный путь — это оптимизация самих моделей. В последнее время бурно развивается open-source в области разработки моделей.

Сейчас существуют open-source модели, например, большие языковые модели от компаний Meta или Alibaba, которые могут запускаться на обычных пользовательских компьютерах. Например, на моем компьютере. Эти модели по мощности не уступают GPT-3,5 или GPT-4, которые были актуальны полтора года назад и требовали мощных серверов и огромных дата-центров для обучения и инференса. То есть за последние полтора года open-source смог снизить энергопотребление моделей, при этом сохранив их качество.

Иллюстративное изображение
Иллюстративное изображение

Это снизило требования к оборудованию — модели теперь можно запускать не на серверных станциях, стоящих сотни тысяч долларов, а на обычных компьютерах. Соответственно, требуется меньше энергии, выбросов тепла тоже меньше.

Таким образом, основной путь оптимизации — это усовершенствование самих моделей и прорывы в open-source. Существуют open-source модели, которые могут догонять закрытые модели, актуальные еще полгода назад.

Здесь используются разные технические подходы. Например, модели можно дистиллировать, уменьшать их размер, обучая их на данных, сгенерированных более мощными моделями, или на более качественных и чистых данных. Это улучшает процесс тренировки.

Кроме того, продолжается работа над другими методами, которые позволяют уменьшить модели, не теряя их качества. А уменьшение моделей напрямую ведет к снижению потребности в вычислительных мощностях и, соответственно, снижению потребления энергии. Технологии уменьшения моделей с сохранением качества продолжают развиваться, и в этом направлении есть еще куда расти.

Иллюстративное изображение
Иллюстративное изображение

– Как вы оцениваете усилия этих отраслей по переходу на зеленую технологию? Какие компании в этом преуспели?

– Тут нет никаких усилий, как я вижу. Нет громких новостей о том, что кто-то сделал модель, которая суперзеленая. Пока что у компаний гонка за самой мощной и большой моделью, и они не учитывают аспекты экологии.

Более того, в конце прошлого года появились новости, что Microsoft (или одна из крупных компаний) ведёт переговоры о перезапуске старой атомной станции в США для обеспечения энергией своих датацентров в будущем, чтобы реконструировать и запустить её для обеспечения мощностей дата-центров.

Эти компании начинают расконсервировать старые атомные станции, которые уже не работают, потому что нужно быстрее получать энергию. О каком переходе на зеленые технологии в такой гонке может идти речь? Ни о каком.

– Какие практические шаги могут предпринять разработчики, чтобы снизить углеродный след от своих проектов?

– Здесь мы немного отходим от ИИ и переходим к разработке в целом. Явных шагов, которые разработчик может сделать, нет, разве что отказаться от работы в IT и не создавать программы, которые потребляют энергию. Это равно не работать программистом. Единственный способ — это писать качественный код.

Разработчики могут писать разный код, и тот, который работает с багами или использует неоптимальные алгоритмы, потребляет больше энергии. Если же использовать более оптимизированные подходы к обработке информации, приложение будет работать быстрее и потреблять меньше энергии.

Ответственные и опытные разработчики могут стремиться к созданию приложений, которые потребляют меньше энергии, потому что используют более оптимальные архитектурные решения и алгоритмы. Это и есть способ снизить углеродный след от проектов.

– Могут ли потребители технологий влиять на их экологическую устойчивость? Скажем, через выбор своего поведения?

– Ответ тут, наверное, простой — это осознанное потребление. Нужно понимать, какие инструменты и технологии ты используешь, сколько энергии они потребляют и действительно ли необходимо столько энергии для работы твоих гаджетов. Банальные примеры: нужно ли оставлять компьютер постоянно включенным? Наверное, нет. Он должен быть включен только тогда, когда ты им пользуешься, а когда нет — его лучше выключить.

В старых компьютерах на старых системах Windows выключение и включение могли занимать время, но с новыми устройствами, как MacBook, достаточно просто закрыть крышку, и ноутбук уходит в режим сна, потребляя минимальное количество энергии. Это пример осознанного потребления энергии.

Такие небольшие шаги и понимание того, как правильно утилизировать батарейки или снижать энергозатраты с домашними гаджетами, также важны. Эта информация доступна в интернете, и каждый может найти способы, как эффективнее использовать свои устройства и снизить нагрузку на природу.

Иллюстративное изображение
Иллюстративное изображение

– Есть ли перспектива создания зеленого ИИ, который будет оптимизирован под минимальное потребление ресурсов?

– На данный момент такой задачи не стоит. Противоречие в том, что основная цель разработчиков ИИ — создать самые мощные системы, которые способны выполнять все задачи, которые может выполнить человек, и делать это лучше. Это и есть стремление к Artificial General Intelligence (AGI), системе, которая может выполнять любую задачу, которую может человек, но лучше.

Задача создания ИИ, оптимизированного под минимальное потребление ресурсов, полностью противоречит этой цели, на данный момент (в будущем это может измениться).

Компании стремятся увеличить мощность своих систем, чтобы приблизиться к AGI. И когда мы получим такую систему, она будет способна сама себя улучшать и приведет к Artificial Super Intelligence (ASI), которая будет выполнять задачи, недоступные для нас.

Тем не менее, в вопросе, как ИИ может помочь в борьбе с экологическими проблемами, несмотря на свое воздействие, ответ есть.

Если за 20 лет не разрушим экологию, то AGI, будучи лучшим ученым, сможет найти решения экологических проблем.

Такие системы будут лучше решать задачи, связанные с экосистемой, чем любые люди, и смогут работать с научными проблемами, включая экологические.

Кроме того, если ИИ начнет улучшать себя, например, создавать новые версии себя, это может привести к оптимизации алгоритмов и снижению энергозатрат, что будет способствовать экологической устойчивости. В ближайшем будущем мы можем увидеть системы, которые будут помогать улучшать алгоритмы и уменьшать потребление энергии при сохранении эффективности работы.

– Какие технологии будущего могут кардинально изменить подход к энергоэффективности в IT?

– Существуют некоторые по-настоящему фантастические идеи, например, сфера Дайсона или космическая цивилизация второго уровня по Кардашеву. Однако это скорее перспектива столетий, если человечество доживет. Сфера Дайсона представляет собой сеть захватчиков солнечной энергии, полностью окруживших звезду. Когда цивилизация достигнет такого уровня, она будет потреблять почти все излучение своей звезды. Это, конечно, фантастика.

Менее фантастичной, но всё же амбициозной является идея управляемого термоядерного синтеза. Современные атомные станции используют процесс расщепления атомов урана, при котором высвобождается энергия, которую мы затем преобразуем в пар. Этот способ получения энергии считается грязным, поскольку сопровождается большим количеством радиации, что требует сложных защитных и охлаждающих систем.

В противоположность этому процесс слияния ядер, происходящий в звездах, также выделяет огромное количество энергии. Однако для его запуска необходимы экстремальные условия, такие как высокие температуры, что делает создание управляемого термоядерного синтеза сложной задачей. Хотя за последние годы сделаны значительные шаги в этом направлении, стабильно удерживать процесс синтеза на практике пока не удается.

Тем не менее, термоядерный синтез имеет огромный потенциал: он может производить энергии намного больше, чем ядерные реакторы, и при этом почти не выделяет радиации. Это делает его более чистым источником энергии.

Сложности в его реализации связаны с тем, чтобы создать условия, которые позволят поддерживать процесс синтеза в долгосрочной перспективе. Как только эта задача будет решена, мы можем ожидать настоящий скачок в энергетике, с более чистой и мощной энергией.

Иллюстративное изображение
Иллюстративное изображение

Если говорить о более реальных технологиях, которые мы сможем увидеть в ближайшем будущем, это улучшенные батареи. Уже разрабатываются батареи, которые могут работать намного дольше обычных. Это могут быть даже атомные батареи, прототипы которых уже существуют.

В скором времени, возможно, появятся коммерчески доступные батареи, которые будут в 5-10 раз более емкими, что улучшит работу электрокаров и других гаджетов. Такие батареи могут стать дешевле благодаря улучшенным технологиям.

Однако создание батарей все еще является экологически проблемным процессом, и важно помнить, что для их зарядки также необходимы энергетические станции. Таким образом, хотя улучшенные батареи повлияют на энергоэффективность в IT, это не обязательно приведет к улучшению экологической ситуации. Эти технологии могут изменить подходы к потреблению энергии, но не факт, что в лучшую сторону.

Автор:
Листайте дальше, чтобы прочитать следующую новость