Les émissions de gaz à effet de serre liées à l'entraînement de ChatGPT-3 consomment plus de 50,000 XNUMX gallons d'essence. C'est inquiétant, n'est-ce pas ? Aujourd'hui, découvrons la consommation énergétique des modèles d'IA et l'importance de l'IA générative pour un monde plus durable.
Quelle quantité d'énergie ChatGPT utilise-t-il par jour ?
La consommation d'énergie du modèle ChatGPT 3 par jour est d'environ 2916KWh.
Lorsque vous saisissez des mots-clés dans des modèles d'IA conversationnelle comme ChatGPT (Generative Pretrained Transformer), le modèle génère, en fonction des données reçues, une réponse imitant dynamiquement les comportements humains. Cependant, ceci le processus nécessite l'accès à des ressources de calcul haute performance, y compris des processeurs puissants, des GPU ou des accélérateurs d'IA spécialisés comme les TPU.
Pour gérer des déploiements à grande échelle et prendre en charge des volumes élevés d'interactions utilisateur, GPT peut exploiter les techniques de calcul distribué de ses 175 milliards de paramètres pour la recherche. Cela consomme de l'énergie car Internet fonctionne sur des serveurs adaptés au matériel.
Nous avons demandé à ChatGPT lui-même de déterminer sa consommation quotidienne mais n'a pas reçu de réponse crédible.
Il nous faut donc trouver un moyen d'évaluer la consommation énergétique. Après avoir étudié cette question, document de recherche, la formation du modèle GPT-3 a nécessité l'équivalent de 405 années de consommation d'énergie de la part GPU Nvidia V100, qui sont connus pour consomment environ 300 W d'énergieEn termes plus simples, il faudrait environ 405 GPU V100 fonctionnant simultanément pendant un an pour terminer le processus de formation.
En utilisant ceci formule, vous pouvez trouver la consommation d'énergie de ChatGPT 3, qui est de 300 W (consommation d'énergie V100) * 24 heures par jour * 365 jours par an * 405 ans = 1064 MWh environ.
Cela a entraîné une émission d'environ 460 tonnes métriques d'équivalent CO2.
Maintenant, en utilisant ceci Calculateur d'équivalences de gaz à effet de serre, ces données sont équivalentes à
- Émissions de gaz à effet de serre provenant de 1,179,951 XNUMX XNUMX miles parcourus par un véhicule de tourisme moyen à essence ou
- Émissions de CO2 provenant de la consommation énergétique de 58 foyers pendant un an
Consommation énergétique quotidienne de ChatGPT 3
La consommation d'énergie du GPT 3 par jour est de 300 W (consommation d'énergie V100) * 24 heures par jour * 405 ans = 2916 kWh d'environ
Cela équivaut à 1.3 tonne d'équivalent dioxyde de carbone, ce qui est similaire aux émissions de CO2 de
- 1413 livres de charbon brûlées ou
- 153,446 XNUMX smartphones chargés
Note:Ces chiffres peuvent varier à mesure que ChatGPT publie de nouvelles versions au fil du temps ou qu'il peut y avoir des mises à jour dans les méthodologies et les variables.
Quelle quantité d'énergie ChatGPT consomme-t-il par mois ?
La consommation énergétique de GPT 3 par mois peut être calculée comme suit
300 W (consommation d'énergie V100) * 24 heures par jour * 30 jours (en moyenne) * 405 ans = 87,480 kWh environ.
- Consommation énergétique de 4 maisons pendant 1 an
- Cela est comparable aux émissions de gaz à effet de serre produites par la conduite d’un véhicule de tourisme moyen à essence sur 97,013 XNUMX miles.
- Cela équivaut aux émissions de CO2 générées par la consommation de 3,717 XNUMX gallons de carburant diesel.
Après avoir pris connaissance de ces informations, il est intéressant de connaître la consommation énergétique d'Open AI ChatGPT par requête. Cependant, il n'est pas conseillé de diviser simplement l'énergie consommée pour l'entraînement de ChatGPT (1064 XNUMX MWh) par le nombre de requêtes effectuées en une seule journée. Les algorithmes entraînés peuvent être utilisés plusieurs fois sur plusieurs jours, ce qui facilite leur utilisation. Il est difficile de suivre avec précision le nombre de requêtes ChatGPT au fil du temps.
Lisez aussi: Les centres de données assoiffés de ChatGPT épuisent les ressources en eau
Quelle quantité d’électricité ou d’énergie l’IA consomme-t-elle ?
Les tendances actuelles en matière de consommation d’énergie de l’IA suggèrent que la technologie pourrait consommer jusqu’à 29.3 TWh d'électricité par anCela équivaut à la consommation annuelle totale d’électricité de l’ensemble du pays, l’Irlande.
D'ici 2027, la consommation mondiale d'électricité liée à l'IA pourrait augmenter de 85.4–134.0 TWh par an, principalement due aux nouveaux serveurs fabriqués. Cette augmentation est comparable à la consommation annuelle d'électricité de pays comme les Pays-Bas, l'Argentine et la Suède.
Comment rendre l'IA générative plus écologique
Vous pouvez suivre ces conseils pour rendre l’IA générative plus écologique :
1. Exploitez les grands modèles génératifs plutôt que d'en créer de nouveaux : Les entreprises, à l’exception des grands fournisseurs ou des fournisseurs de cloud, pas besoin de créer de grands modèlesCes entreprises disposent généralement des données et d'une puissance de calcul importante dans le cloud, ce qui leur évite les tracas liés à leur développement. Cela réduit le besoin de formation intensive, consommatrice de ressources informatiques importantes.
2. Mettre en œuvre des méthodes de calcul économes en énergie : Le traitement local sur de minuscules microcontrôleurs permet de réduire la consommation d'énergie mille fois plus efficacement, sans transférer de données vers des serveurs externes. Par exemple, utilisez des techniques comme régularisation de la parcimonie or arithmétique de faible précision MinusculeML pour le traitement des données afin de réduire la charge de travail informatique.
3. Appliquez le grand modèle uniquement lorsqu'il présente de l'importance : Évitez d'utiliser des modèles inutilement volumineux pour des tâches où des modèles plus petits suffisent. Avant de recourir à l'apprentissage automatique ou à l'intelligence artificielle, les développeurs devraient explorer diverses solutions alternatives par la recherche et l'analyse. Un modèle volumineux ne devrait être envisagé que lorsqu'il offre une valeur significative. veiller à ce que les ressources soient utilisées efficacement pour résoudre le problème en question.
4. Soyez sélectif quant au moment où vous utilisez l'IA générative : Soyez prudent lorsque vous utilisez l'IA générative, notamment pour des tâches telles que la création d'articles de blog ou d'histoires amusantes, qui peuvent ne pas nécessiter les ressources de calcul importantes requises. Évitez de déployer des modèles génératifs pour des tâches où des méthodes plus simples et traditionnelles suffisent, réduisant ainsi la consommation d'énergie inutile.
5. Promouvoir les sources d'énergie pour le fournisseur de cloud ou le centre de données : Soutenir les initiatives visant à utiliser des sources d’énergie renouvelables pour alimenter l’infrastructure et les opérations de l’IA, afin de minimiser l’intensité carbone de l’IA et des logiciels.
6. Réutiliser les ressources : Réutiliser la technologie autant que possible, et matériaux de recyclage pour les composants technologiques plus récents comme les ordinateurs portables et les processeurs, cela minimise également l’impact environnemental de l’extraction des ressources.
7. Incluez l'activité de l'IA dans votre surveillance du carbone : Suivre le empreinte carbone associés à vos activités d'IA, y compris les processus de formation et d'inférence. Les entreprises doivent publier les données de suivi carbone afin de permettre aux clients de prendre des décisions éclairées concernant leurs engagements liés à l'IA. Le calcul des émissions s'appuie sur les données des fournisseurs et des entreprises de traitement, comme les laboratoires de recherche et les prestataires de services d'IA comme OpenAI.
8. Explorez les techniques d’algorithmes intelligents : Investir dans la recherche et le développement d'algorithmes économes en énergie pour l'IA générative. Ils guident les logiciels dans l'interprétation des données visuelles et audio, leur permettant d'en tirer des enseignements. Ils sont comparables aux recettes, guidant les logiciels et le matériel, comme les chefs et les appareils de cuisine, respectivement. Tout comme les recettes simplifient les tâches culinaires, des algorithmes efficaces optimisent le traitement des données, réduisant ainsi la charge de travail sur les composants logiciels et matériels. Une efficacité accrue réduit les besoins en puissance de calcul, contribuant ainsi à des pratiques d'IA plus écologiques.
9. Investir dans l’énergie : Par exemple, les entreprises pourraient s’associer à des organisations comme TERRESTRE pour évaluer leur empreinte carbone en utilisant les normes de l'industrie, ou utiliser de nombreux packages et outils en ligne, tels que CodeCarbone, Algorithmes verts Impact du CO2 du ML, accessibles pour estimer les émissions de votre code pendant l'exécution. Ils fourniront des propositions personnalisées de stratégies d'atténuation des émissions de carbone, permettant aux entreprises de suivre leur impact environnemental via la plateforme.
Regarde aussi: La technologie d'IA de Neara, basée en Australie, protège les services publics des conditions météorologiques extrêmes
Consommation d'énergie de la recherche Google par an
La consommation d'énergie de Google a grimpé en flèche 22.29 TWh en 2022, contre 12.7 TWh en 2019.
Cependant, Google a pris de nombreuses initiatives pour réduire sa consommation d'énergie. s'engage à alimenter ses opérations avec 100 % d'énergie renouvelable en investissant dans des projets d'énergies renouvelables tels que des parcs éoliens et solaires, et dans des projets de compensation carbone. Pour compenser ses émissions de carbone, l'entreprise se concentre sur l'amélioration de l'efficacité énergétique de ses centres de données et de ses installations.
Le graphique ci-dessous montre la consommation d'énergie de Google pour les années 2018 à 2022
Nous accueillons favorablement les avancées technologiques, mais il est essentiel de connaître l'empreinte énergétique des modèles d'IA comme ChatGPT d'OpenAI, qui traite des millions de requêtes chaque jour. Elle dépend de facteurs tels que la taille du modèle, la complexité des tâches et le matériel de calcul utilisé. De plus, pour créer un monde durable, vous pouvez consulter le impact environnemental positif et négatif de l'intelligence artificielle.
