Die Treibhausgasemissionen beim Training von ChatGPT-3 verbrauchen über 50,000 Liter Benzin. Das ist besorgniserregend, nicht wahr? Heute erfahren wir mehr über den Energieverbrauch von KI-Modellen und die Bedeutung generativer KI für eine nachhaltigere Welt.
Wie viel Energie verbraucht ChatGPT pro Tag?
Der Energieverbrauch des ChatGPT 3-Modells pro Tag beträgt rund 2916 kWh.
Bei der Eingabe von Schlüsselwörtern in Konversations-KI-Modelle wie ChatGPT (Generative Pretrained Transformer) generiert das Modell basierend auf den empfangenen Eingaben dynamisch eine Antwort, die menschliches Verhalten nachahmt. Dieser Prozess erfordert jedoch Zugriff auf Hochleistungsrechner, darunter leistungsstarke CPUs, GPUs oder spezialisierte KI-Beschleuniger wie TPUs.
Um großflächige Installationen zu bewältigen und ein hohes Nutzeraufkommen zu verarbeiten, kann GPT verteilte Rechentechniken für seine 175 Milliarden Suchparameter nutzen . Dies verbraucht Energie, da das Internet auf Servern mit entsprechender Hardware betrieben wird.
Wir haben ChatGPT selbst gebeten, seinen täglichen Verbrauch zu ermitteln, haben aber keine glaubwürdige Antwort erhalten.
Wir müssen also einen Weg finden, den Energieverbrauch zu schätzen. Laut dieser Studie benötigte das Training des GPT-3-Modells den Energieverbrauch von Nvidia V100-GPUs , die bekanntermaßen etwa 300 W Leistung verbrauchen, für 405 Jahre . Vereinfacht ausgedrückt: Man bräuchte ungefähr 405 gleichzeitig laufende V100-GPUs für ein Jahr, um den Trainingsprozess abzuschließen.
Mit dieser Formel lässt sich der Energieverbrauch von ChatGPT 3 berechnen: 300 W (V100 Stromverbrauch) * 24 Stunden pro Tag * 365 Tage pro Jahr * 405 Jahre = ca. 1064 MWh.
Dies führte zu einer Emission von ungefähr 460 Tonnen CO2-Äquivalent.
Mit diesem Treibhausgas-Äquivalenzrechner entsprechen diese Daten nun Folgendem:
- Treibhausgasemissionen von 1,179,951 Meilen, die von einem durchschnittlichen benzinbetriebenen Personenkraftwagen gefahren werden oder
- CO2-Emissionen aus dem Energieverbrauch von 58 Haushalten über ein Jahr
Täglicher Energieverbrauch von ChatGPT 3
Der Energieverbrauch von GPT 3 pro Tag beträgt ca. 300 W (V100-Leistungsaufnahme) * 24 Stunden pro Tag * 405 Jahre = 2916 kWh .
Es entspricht 1.3 Tonnen Kohlendioxidäquivalent, was vergleichbar ist mit den CO2-Emissionen von
- 1413 Pfund Kohle verbrannt oder
- 153,446 Smartphones aufgeladen
Hinweis : Diese Zahlen können sich ändern, da ChatGPT im Laufe der Zeit neue Versionen veröffentlicht oder es Aktualisierungen der Methoden und Variablen geben kann.
Wie viel Energie verbraucht ChatGPT pro Monat?
Der Energieverbrauch von GPT 3 pro Monat kann wie folgt berechnet werden:
300 W (V100 Stromverbrauch) * 24 Stunden pro Tag * 30 Tage (im Durchschnitt) * 405 Jahre = ca. 87,480 kWh .
- Energieverbrauch von 4 Haushalten für 1 Jahr
- Dies ist vergleichbar mit den Treibhausgasemissionen, die beim Fahren eines durchschnittlichen benzinbetriebenen Personenkraftwagens über 97,013 Meilen entstehen.
- Dies entspricht den CO2-Emissionen, die durch den Verbrauch von 3,717 Gallonen Dieselkraftstoff entstehen.
Nachdem diese Informationen vorliegen, liegt das Interesse darin, den Energieverbrauch von Open AI ChatGPT pro Anfrage zu ermitteln. Es ist jedoch nicht ratsam, den Energieverbrauch für das Training von ChatGPT (1064 MWh) einfach durch die Anzahl der Anfragen pro Tag zu teilen. Da trainierte Algorithmen über mehrere Tage hinweg mehrfach verwendet werden können, ist es schwierig, die Anzahl der ChatGPT-Anfragen im Zeitverlauf genau zu erfassen.
Lesen Sie auch: Die durstigen Rechenzentren von ChatGPT verbrauchen Unmengen an Wasserressourcen
Wie viel Strom oder Energie verbraucht KI?
Die aktuellen Trends beim Energieverbrauch von KI deuten darauf hin, dass die Technologie jährlich bis zu 29.3 TWh Strom verbrauchen könnte . Dies entspricht dem gesamten jährlichen Stromverbrauch von Irland.
Bis 2027 könnte der weltweite Stromverbrauch im Zusammenhang mit KI jährlich um 85.4–134.0 TWh ansteigen , hauptsächlich getrieben durch neu produzierte Server. Dieser Anstieg ist vergleichbar mit dem jährlichen Stromverbrauch von Ländern wie den Niederlanden, Argentinien und Schweden.
So wird generative KI umweltfreundlicher
Sie können diese Tipps befolgen, um Generative AI umweltfreundlicher zu gestalten:
1. Große generative Modelle nutzen statt neue zu erstellen: Unternehmen, mit Ausnahme großer Anbieter oder Cloud-Provider, müssen keine großen Modelle erstellen . Diese Unternehmen verfügen in der Regel über die Daten und umfangreiche Rechenleistung in der Cloud, sodass sie sich den Aufwand der Modellerstellung sparen. Dadurch reduziert sich der Bedarf an aufwendigem Training, das erhebliche Rechenressourcen beansprucht.
2. Energiesparende Rechenmethoden implementieren: Die lokale Verarbeitung auf winzigen Mikrocontrollern spart tausendmal mehr Energie, da keine Daten an externe Server übertragen werden müssen. Beispielsweise können Techniken wie Sparsity Regularization oder Arithmetik mit geringer Genauigkeit sowie TinyML zur Datenverarbeitung eingesetzt werden, um den Rechenaufwand zu reduzieren.
3. Große Modelle nur dann einsetzen, wenn sie einen Mehrwert bieten: Vermeiden Sie unnötig große Modelle für Aufgaben, bei denen kleinere Modelle ausreichen. Bevor Entwickler auf maschinelles Lernen oder künstliche Intelligenz zurückgreifen, sollten sie durch Recherche und Analyse verschiedene alternative Lösungen prüfen. Ein großes Modell sollte nur dann in Betracht gezogen werden, wenn es einen wesentlichen Mehrwert bietet, um sicherzustellen, dass die Ressourcen effizient zur Lösung des jeweiligen Problems eingesetzt werden.
4. Generative KI gezielt einsetzen: Gehen Sie beim Einsatz generativer KI mit Bedacht vor, insbesondere bei Aufgaben wie dem Generieren von Blogbeiträgen oder unterhaltsamen Geschichten, die den hohen Rechenaufwand möglicherweise nicht rechtfertigen. Vermeiden Sie den Einsatz generativer Modelle für Aufgaben, bei denen einfachere, traditionelle Methoden ausreichen, um unnötigen Energieverbrauch zu reduzieren.
5. Förderung erneuerbarer Energiequellen für Cloud-Anbieter oder Rechenzentren: Unterstützung von Initiativen zur Nutzung erneuerbarer Energiequellen für die Stromversorgung der KI-Infrastruktur und des Betriebs, um die Kohlenstoffintensität von KI und Software zu minimieren.
6. Ressourcen wiederverwenden: Die Wiederverwendung von Technologie, wann immer möglich, und das Recycling von Materialien für neuere Technologiekomponenten wie Laptops und Prozessoren minimieren ebenfalls die Umweltauswirkungen der Rohstoffgewinnung.
7. Beziehen Sie KI-Aktivitäten in Ihr CO₂-Monitoring ein: Erfassen Sie den CO₂-Fußabdruck Ihrer KI-Aktivitäten, einschließlich Trainings- und Inferenzprozessen. Unternehmen sollten die Daten des CO₂-Monitorings veröffentlichen, um Kunden fundierte Entscheidungen bezüglich KI-bezogener Projekte zu ermöglichen. Die Emissionsberechnung basiert auf Daten von Lieferanten und Verarbeitungsunternehmen wie Forschungslaboren und KI-Dienstleistern wie OpenAI.
8. Intelligente Algorithmen erforschen: Investieren Sie in die Forschung und Entwicklung energieeffizienter Algorithmen für generative KI. Diese Algorithmen unterstützen Software bei der Interpretation von Bild- und Tondaten und ermöglichen so die Gewinnung von Erkenntnissen. Sie funktionieren wie Rezepte und leiten Software und Hardware, ähnlich wie Köche und Küchengeräte. So wie ein Rezept den Kochvorgang vereinfacht, optimieren effiziente Algorithmen die Datenverarbeitung und reduzieren die Belastung von Software- und Hardwarekomponenten. Die gesteigerte Effizienz verringert den Rechenleistungsbedarf und trägt somit zu umweltfreundlicheren KI-Anwendungen bei.
9. In Energie investieren: Unternehmen könnten beispielsweise mit Organisationen wie EARTHLY zusammenarbeiten , um ihren CO₂-Fußabdruck anhand von Branchenstandards zu bewerten, oder zahlreiche Softwarepakete und Online-Tools wie CodeCarbon , Green Algorithms und ML CO2 Impact nutzen , mit denen sich Emissionen im Code zur Laufzeit schätzen lassen. Diese Anbieter erstellen individuelle Vorschläge für Strategien zur CO₂-Reduzierung und ermöglichen es Unternehmen, ihre Umweltauswirkungen über die Plattform zu überwachen.
Energieverbrauch der Google-Suche pro Jahr
Der Energieverbrauch von Google stieg im Jahr 2022 auf 22.29 TWh , gegenüber 12.7 TWh im Jahr 2019.
Google hat jedoch zahlreiche Initiativen ergriffen, um seinen Energieverbrauch zu senken. Das Unternehmen hat sich verpflichtet, seinen Betrieb zu 100 % mit erneuerbarer Energie zu betreiben und investiert dazu in Projekte für erneuerbare Energien wie Wind- und Solarparks sowie in Projekte zur CO₂-Kompensation. Um seine CO₂-Emissionen auszugleichen, konzentriert sich Google auf die Verbesserung der Energieeffizienz seiner Rechenzentren und Einrichtungen.
Die folgende Grafik zeigt den Energieverbrauch von Google für die Jahre 2018 bis 2022
Wir begrüßen technologische Fortschritte, doch es ist unerlässlich, den Energieverbrauch von KI-Modellen wie OpenAIs ChatGPT zu kennen, das täglich Millionen von Anfragen verarbeitet. Dieser hängt von Faktoren wie der Modellgröße, der Komplexität der Aufgaben und der verwendeten Hardware ab. Um eine nachhaltigere Welt zu gestalten, können Sie sich zudem über die positiven und negativen Umweltauswirkungen künstlicher Intelligenz informieren.
