ChatGPT-3 のトレーニングによる温室効果ガスの排出は、50,000 ガロン以上のガソリンを消費します。これは心配ですよね? そこで、今日は AI モデルのエネルギー消費に関する事実と、より持続可能な世界のための生成 AI の重要性について学びましょう。
ChatGPT は 1 日にどれくらいのエネルギーを消費しますか?
ChatGPT 3モデルの1日あたりのエネルギー消費量は約2916kWhです。
ChatGPT（Generative Pretrained Transformer）のような対話型AIモデルにキーワードを入力すると、入力された内容に基づいて、モデルは人間のタイプを模倣した応答を動的に生成します。しかし、このプロセスには、高性能なCPU、GPU、またはTPUのような専用のAIアクセラレータを含む、高性能コンピューティングリソースへのアクセスが必要です。
大規模な展開に対応し、大量のユーザーインタラクションを処理するために、GPTは175億個のパラメータを用いた分散コンピューティング技術を活用して検索を行う可能性がある。インターネットはハードウェアに接続されたサーバー上で動作するため、これはエネルギーを消費する。
ChatGPT自身に1日の消費量について問い合わせたが、信頼できる回答は得られなかった。
そこで、エネルギー消費量を推定する方法を見つける必要があります。この研究論文によると、GPT-3モデルのトレーニングには、約300Wの電力を消費することで知られるNvidia V100 GPUの405年分のエネルギー消費量に相当するエネルギーが必要でした。簡単に言うと、トレーニングプロセスを完了するには、約405台のV100 GPUが1年間同時に稼働する必要があるということです。
この式を使用すると、ChatGPT 3 のエネルギー消費量を計算できます。300W (V100 の消費電力) * 1 日 24 時間 * 1 年 365 日 * 405 年 =約 1064 MWh です。
その結果、約460トンの二酸化炭素換算量が排出された。
さて、この温室効果ガス換算計算機を使用すると、このデータは
- 平均的なガソリン乗用車で1,179,951マイル走行した場合の温室効果ガス排出量または
- 2世帯の58年間のエネルギー使用によるCOXNUMX排出量
ChatGPT 3のXNUMX日あたりのエネルギー消費量
GPT 3の1日あたりのエネルギー消費量は、300W（V100の消費電力）×24時間×405年＝約2916kWhです。
これは二酸化炭素換算で1.3トンに相当し、これは
- 1413ポンドの石炭が燃焼または
- 153,446台のスマートフォンが充電された
注：これらの数値は、ChatGPTが今後新しいバージョンをリリースしたり、方法論や変数が更新されたりするにつれて変動する可能性があります。
ChatGPTは1か月あたりどのくらいのエネルギーを消費しますか
GPT 3のXNUMXヶ月あたりのエネルギー使用量は次のように計算できます。
300W（V100の消費電力）×1日24時間×30日間（平均）×405年＝約87,480kWh 。
- 4軒の住宅の1年間のエネルギー使用量
- これは、平均的なガソリン乗用車を 97,013 マイル走行することで発生する温室効果ガス排出量に匹敵します。
- これは、2 ガロンのディーゼル燃料を消費することによって発生する CO3,717 排出量に相当します。
この情報を踏まえると、Open AI ChatGPTのクエリごとのエネルギー使用量が気になるところですが、ChatGPTのトレーニングに消費されたエネルギー（1064 MWh）を1日のクエリ数で単純に割るのは適切ではないかもしれません。トレーニング済みのアルゴリズムは複数日にわたって複数回使用される可能性があるため、ChatGPTのクエリ数を時系列で正確に追跡することは困難です。
関連記事：ChatGPTの大量の水を消費するデータセンターが水資源を枯渇させている
AIはどれくらいの電気やエネルギーを消費するのでしょうか?
現在のAIのエネルギー消費傾向から判断すると、この技術は年間最大29.3テラワット時の電力を消費する可能性がある。これは、アイルランド全土の年間総電力消費量に相当する。
2027年までに、世界のAI関連電力消費量は年間85.4～134.0テラワット時増加する可能性があり、その主な要因は新たに製造されるサーバーである。この増加量は、オランダ、アルゼンチン、スウェーデンといった国の年間電力消費量に匹敵する。
ジェネレーティブ AI をより環境に優しいものにする方法
Generative AI をより環境に優しいものにするために、以下のヒントを参考にしてください。
1. 新規モデルを作成するのではなく、既存の大規模生成モデルを活用する：大手ベンダーやクラウドプロバイダーを除けば、企業は大規模モデルを作成する必要はありません。これらの企業は通常、クラウド上にデータと膨大な計算能力を備えているため、構築の手間を省くことができます。これにより、膨大な計算リソースを消費する大規模なトレーニングの必要性が軽減されます。
2. 省エネルギーな計算手法の実装：小型マイクロコントローラ上でのローカル処理は、外部サーバーへのデータ転送を必要とせず、消費電力を1000倍も効率的に削減します。例えば、スパース性正則化や低精度演算などの手法、およびデータ処理にはTinyMLを使用して計算負荷を軽減します。
3. 重要な場合にのみ大規模モデルを適用する：より小さなモデルで十分なタスクには、不必要に大きなモデルを使用することは避けてください。機械学習や人工知能に頼る前に、開発者は調査と分析を通じてさまざまな代替ソリューションを検討する必要があります。大規模モデルが大きな価値を提供する場合にのみ検討し、リソースが効率的に問題解決に活用されるようにしてください。
4. 生成型AIの使用タイミングを慎重に選択する：生成型AIの使用には注意が必要です。特に、ブログ記事や面白い物語の生成など、膨大な計算リソースを必要とするタスクには適さない場合があります。よりシンプルで従来の方法で十分なタスクには生成型モデルの使用を避け、不要なエネルギー消費を削減しましょう。
5. クラウドプロバイダーまたはデータセンター向けのエネルギー源の促進： AIインフラストラクチャと運用に再生可能エネルギー源を使用する取り組みを支援し、AIとソフトウェアの炭素強度を最小限に抑えます。
6. 資源の再利用：可能な限り技術を再利用し、ノートパソコンやプロセッサなどの新しい技術部品に材料をリサイクルすることも、資源採掘による環境への影響を最小限に抑えることにつながります。
7. AI活動をカーボンモニタリングに含める：トレーニングや推論プロセスを含む、AI活動に伴う二酸化炭素排出量を追跡します。企業は、顧客がAI関連の取り組みについて十分な情報に基づいた意思決定を行えるよう、カーボンモニタリングデータを公開する必要があります。排出量の計算は、研究機関やOpenAIなどのAIサービスプロバイダーといったサプライヤーや処理企業からのデータに依存します。
8. スマートアルゴリズム技術の探求：生成型AI向けのエネルギー効率の高いアルゴリズムの研究開発に投資しましょう。これらのアルゴリズムは、ソフトウェアが画像や音声を解釈する際に指針となり、洞察を引き出すことを可能にします。レシピは、ソフトウェアを料理人、ハードウェアを調理器具に見立て、それぞれを導く役割を果たします。レシピが調理作業を効率化するように、効率的なアルゴリズムはデータ処理を最適化し、ソフトウェアとハードウェアの負荷を軽減します。効率性の向上はコンピューティング能力の要件を低下させ、より環境に優しいAIの実践に貢献します。
9. エネルギーへの投資：例えば、企業はEARTHLYのような組織と提携して業界標準を用いて自社の二酸化炭素排出量を評価したり、CodeCarbon、Green Algorithms、ML CO2 Impactといった、コードの実行時に排出量を推定できる多数のパッケージやオンラインツールを利用したりすることができます。これらのツールは、二酸化炭素排出量削減戦略に関するカスタマイズされた提案を提供し、企業がプラットフォームを通じて環境への影響を監視できるようにします。
こちらもご覧ください：オーストラリアを拠点とするNeara社のAI技術が、異常気象から電力会社を守る
Google 検索の年間エネルギー消費量
Googleのエネルギー使用量は、2019年の12.7TWhから2022年には22.29TWhに急増した。
しかし、Googleはエネルギー消費量削減に向けて多くの取り組みを行ってきた。風力発電所や太陽光発電所などの再生可能エネルギープロジェクト、および炭素オフセットプロジェクトへの投資を通じて、事業運営に必要な電力を100%再生可能エネルギーで賄うことを約束している。また、炭素排出量を相殺するため、データセンターや施設のエネルギー効率の向上にも注力している。
下のグラフは、2018年から2022年までのGoogleのエネルギー消費量を示しています。
私たちは技術革新を歓迎しますが、毎日数百万件のクエリを処理するOpenAIのChatGPTのようなAIモデルのエネルギー消費量を把握しておくことは不可欠です。エネルギー消費量は、モデルのサイズ、タスクの複雑さ、計算に使用されるハードウェアなどの要因によって異なります。さらに、持続可能な世界を実現するためには、人工知能が環境に及ぼすプラス面とマイナス面を確認することが重要です。
