ChatGPT-3 harjoittelun kasvihuonekaasupäästöt kuluttavat yli 50,000 XNUMX gallonaa bensiiniä. Tämä on huolestuttavaa, eikö? Joten tänään oppikaamme faktoja tekoälymallien energiankulutuksesta ja generatiivisen tekoälyn merkityksestä kestävämmän maailman kannalta.
Kuinka paljon energiaa ChatGPT käyttää päivässä?
ChatGPT 3 -mallin energiankulutus päivässä on noin 2916 kWh.
Kun syötät avainsanoja Conversational AI -malleihin, kuten ChatGPT (Generative Pretraned Transformer), vastaanotetun syötteen perusteella, malli luo vastauksen, joka matkii dynaamisesti ihmistyyppejä. Kuitenkin tämä prosessi vaatii pääsyn korkean suorituskyvyn laskentaresursseihin, mukaan lukien tehokkaat prosessorit, GPU:t tai erikoistuneet tekoälykiihdyttimet, kuten TPU:t.
GPT voi hyödyntää hajautettuja laskentatekniikoitaan käsitelläkseen laajamittaisia käyttöönottoja ja ottaakseen huomioon suuria määriä käyttäjävuorovaikutuksia. 175 miljardia parametria hakua varten. Tämä kuluttaa energiaa, koska Internet toimii palvelimilla, jotka on kohdistettu laitteistoon.
Pyysimme ChatGPT:tä itse määrittämään päivittäisen kulutuksensa, mutta ei saanut uskottavaa vastausta.
Joten meidän on löydettävä tapa olettaa energiankulutus. Tämän käymisen jälkeen tutkimus paperi, GPT-3-mallin koulutus vaati 405 vuoden energiankulutusta vastaavan määrän Nvidia V100 GPU:t, jotka ovat tiedossa kuluttaa noin 300W tehoa. Yksinkertaisesti sanottuna koulutusprosessin suorittamiseen tarvittaisiin noin 405 V100 GPU:ta, jotka toimivat samanaikaisesti vuoden ajan.
Käyttämällä tätä kaava, löydät ChatGPT 3:n energiankulutuksen, joka on 300 W (V100-virrankulutus)*24 tuntia vuorokaudessa * 365 päivää vuodessa * 405 vuotta = noin 1064 MWh.
Tämä johti noin päästöihin 460 tonnia hiilidioksidiekvivalenttia.
Nyt tätä käyttämällä Kasvihuonekaasujen vastaavuuslaskin, tämä data vastaa
- Kasvihuonekaasupäästöt 1,179,951 XNUMX XNUMX mailista, kun keskiverto bensiinikäyttöinen henkilöauto on ajettu
- CO2-päästöt 58 kodin energiankäytöstä yhden vuoden ajan
Päivittäinen ChatGPT 3:n energiankulutus
GPT 3:n energiankulutus päivässä on 300 W (V100 virrankulutus)*24 tuntia vuorokaudessa * 405 vuotta = 2916 kWh suunnilleen
Se vastaa 1.3 tonnia hiilidioksidiekvivalenttia, mikä on samanlainen kuin hiilidioksidipäästöt
- 1413 kiloa hiiltä poltettiin tai
- 153,446 XNUMX älypuhelinta ladattu
Huomautuksia: Nämä luvut voivat vaihdella, koska ChatGPT julkaisee uusia versioita ajan myötä tai menetelmiin ja muuttujiin saattaa tulla päivityksiä.
Kuinka paljon energiaa ChatGPT kuluttaa kuukaudessa
Energiankulutus GPT 3 kuukaudessa voidaan laskea seuraavasti
300 W (V100 virrankulutus) * 24 tuntia päivässä * 30 päivää (keskimäärin) * 405 vuotta = 87,480 kWh noin.
- 4 kodin energiankäyttö 1 vuoden ajan
- Tämä on verrattavissa kasvihuonekaasupäästöihin, joita syntyy ajettaessa keskimääräistä bensiinikäyttöistä henkilöautoa 97,013 XNUMX mailia.
- Tämä vastaa 2 3,717 gallonan dieselpolttoaineen kulutuksen aiheuttamia hiilidioksidipäästöjä.
Kun tiedät nämä tiedot, on mielenkiintoista tietää Open AI ChatGPT:n energiankulutus kyselyä kohden, mutta ei ehkä ole suositeltavaa yksinkertaisesti jakaa ChatGPT:n koulutukseen kulutettua energiaa (1064 MWh) kyselyiden lukumäärällä yhden päivän aikana. Koulutettuja algoritmeja voidaan käyttää useita kertoja useiden päivien aikana, mikä tekee siitä ChatGPT-kyselyiden tarkka seuranta ajan mittaan on haastavaa.
Lue myös: ChatGPT:n Thirsty Data Centerit tyhjentävät vesivaroja
Kuinka paljon tekoäly kuluttaa sähköä tai energiaa?
Nykyiset tekoälyn energiankäyttötrendit viittaavat siihen, että tekniikka voi kuluttaa jopa 29.3 TWh sähköä vuodessa. Tämä vastaa koko Irlannin maan vuotuista sähkön kokonaiskulutusta.
Vuoteen 2027 mennessä maailmanlaajuinen tekoälyyn liittyvä sähkönkäyttö voi kasvaa jyrkästi 85.4–134.0 TWh vuodessa, pääasiassa äskettäin valmistettujen palvelinten ohjaama. Tämä kasvu on verrattavissa Alankomaiden, Argentiinan ja Ruotsin kaltaisten maiden vuotuiseen sähkönkulutukseen.
Kuinka tehdä generatiivisesta tekoälystä vihreämpää
Voit tehdä generatiivisesta tekoälystä vihreämpää noudattamalla näitä vinkkejä:
1. Hyödynnä suuria generatiivisia malleja sen sijaan, että luot uusia: Yritykset, paitsi suuret myyjät tai pilvipalveluntarjoajat, ei tarvitse luoda suuria malleja. Näillä yrityksillä on yleensä tiedot ja paljon laskentatehoa pilvessä, joten niiden rakentamisen ei tarvitse käydä läpi vaivaa. Tämä vähentää laajan koulutuksen tarvetta, mikä kuluttaa huomattavia laskentaresursseja.
2. Ota käyttöön energiaa säästäviä laskentamenetelmiä: Paikallinen prosessointi pienissä mikro-ohjaimissa säästää virrankulutusta tuhat kertaa tehokkaammin ilman tiedon siirtämistä ulkoisille palvelimille. Käytä esimerkiksi tekniikoita, kuten Harvaisuuden laillistaminen or matalan tarkkuuden aritmetiikkaaja TinyML tietojenkäsittelyä varten laskennallisen työmäärän vähentämiseksi.
3. Käytä suurta mallia vain silloin, kun se on tärkeä: Vältä tarpeettoman suurien mallien käyttöä tehtävissä, joissa pienemmät mallit riittävät. Ennen kuin turvautuvat koneoppimiseen tai tekoälyyn, kehittäjien tulee tutkia erilaisia vaihtoehtoisia ratkaisuja tutkimuksen ja analyysin avulla. Vain silloin, kun suuri malli tarjoaa merkittävää arvoa, se tulee ottaa huomioon, varmistaa, että resursseja käytetään tehokkaasti käsittelemään käsillä olevaa ongelmaa.
4. Ole valikoiva käyttäessäsi generatiivista tekoälyä: Ole varovainen käyttäessäsi generatiivista tekoälyä, etenkin kun luot blogitekstejä tai hauskoja tarinoita, jotka eivät välttämättä oikeuta vaadittavia raskaita laskentaresursseja. Vältä generatiivisten mallien käyttöönottoa tehtävissä, joissa yksinkertaisemmat, perinteiset menetelmät riittävät, mikä vähentää tarpeetonta energiankulutusta.
5. Mainosta pilvipalveluntarjoajan tai datakeskuksen energialähteitä: Tue aloitteita uusiutuvien energialähteiden käyttämiseksi tekoälyinfrastruktuurin ja -toimintojen tehostamiseksi tekoälyn ja ohjelmistojen hiili-intensiteetin minimoimiseksi.
6. Käytä resursseja uudelleen: Teknologian uudelleenkäyttö aina kun mahdollista ja kierrätysmateriaaleja uudemmille teknisille komponenteille, kuten kannettaville tietokoneille ja prosessoreille, minimoidaan myös luonnonvarojen hyödyntämisen ympäristövaikutukset.
7. Sisällytä tekoälytoiminta hiilidioksidin seurantaan: Seuraa hiilijalanjälki liittyvät tekoälytoimintoihisi, mukaan lukien koulutus- ja päättelyprosessit. Yritysten tulee julkistaa hiilidioksidin seurantatiedot, jotta asiakkaat voivat tehdä tietoon perustuvia päätöksiä tekoälyyn liittyvistä sitoumuksista. Päästölaskenta perustuu toimittajilta ja jalostusyrityksiltä, kuten tutkimuslaboratorioilta, ja tekoälypalveluntarjoajilta, kuten OpenAI:lta, saatuihin tietoihin.
8. Tutustu älykkäisiin algoritmitekniikoihin: Investoi generatiivisen tekoälyn energiatehokkaiden algoritmien tutkimukseen ja kehittämiseen. He ohjaavat ohjelmistoja visuaalisen ja äänen tulkinnassa, jolloin he voivat saada oivalluksia. Ne ovat kuin reseptejä, ohjaavia ohjelmistoja ja laitteistoja kokkeina ja keittiökoneina. Aivan kuten resepti virtaviivaistaa ruoanlaittotehtäviä, tehokkaat algoritmit optimoivat tietojenkäsittelyn ja vähentävät työmäärää ohjelmisto- ja laitteistokomponenteissa. Parannettu tehokkuus vähentää laskentatehovaatimuksia ja edistää vihreämpiä tekoälykäytäntöjä.
9. Investointi energiaan: Esimerkiksi yritykset voivat tehdä yhteistyötä organisaatioiden, kuten MAALLINEN arvioida hiilijalanjälkeään alan standardien avulla tai käyttää lukuisia paketteja ja verkkotyökaluja, kuten CodeCarbon, Vihreät algoritmitja ML CO2 vaikutus, jotka ovat käytettävissä koodisi päästöjen arvioimiseksi suorituksen aikana. Ne tarjoaisivat räätälöityjä ehdotuksia hiilidioksidin vähentämisstrategioihin, jolloin yritykset voivat seurata ympäristövaikutuksiaan alustan kautta.
Katso myös: Australiassa toimiva Nearan tekoälytekniikka, joka suojaa sähkölaitteita äärimmäisiltä säältä
Google-haku Energiankulutus vuodessa
Googlen energiankulutus nousi 22.29 TWh vuonna 2022, kun se vuonna 12.7 oli 2019 TWh.
Google on kuitenkin tehnyt monia aloitteita vähentääkseen energiankulutustaan. On sitoutunut käyttämään toimintansa 100 % uusiutuvalla energialla investoimalla uusiutuvan energian hankkeisiin, kuten tuuli- ja aurinkovoimaloihin, sekä hiilidioksidin kompensointiprojekteihin. Kompensoidakseen hiilidioksidipäästöjään se keskittyy palvelinkeskustensa ja tilojensa energiatehokkuuden parantamiseen.
Alla oleva kaavio näyttää Googlen energiankulutuksen vuosina 2018–2022
Hyväksymme teknologiset edistysaskeleet, mutta on tärkeää tietää tekoälymallien energiajalanjälki, kuten OpenAI:n ChatGPT, joka käsittelee miljoonia kyselyitä joka päivä. Se riippuu tekijöistä, kuten mallin koosta, tehtävien monimutkaisuudesta ja laskennassa käytetystä laitteistosta. Kestävän maailman luomiseksi voit myös tutustua tekoälyn positiiviset ja negatiiviset ympäristövaikutukset.
