Fortschritte bei Modellen der künstlichen Intelligenz haben zu beispielloser Rechenleistung, aber auch zu enormem Energieverbrauch und Umweltproblemen geführt. Der Energieverbrauch des neuesten KI-Modells o3 von OpenAI und seine Auswirkungen auf die Umwelt haben große Aufmerksamkeit und Diskussion erregt. In diesem Artikel werden der Energieverbrauch, die Kohlenstoffemissionen und die Umweltauswirkungen des o3-Modells analysiert und die Ansichten und Reaktionsstrategien von Experten und Wissenschaftlern in verwandten Bereichen zu diesem Thema untersucht.
Da die künstliche Intelligenz immer weiter voranschreitet, wird die Balance zwischen Innovation und Nachhaltigkeit zu einer wichtigen Herausforderung. Vor kurzem hat OpenAI sein neuestes KI-Modell, o3, auf den Markt gebracht, das bislang leistungsstärkste Modell. Allerdings haben neben den Betriebskosten dieser Modelle auch ihre Auswirkungen auf die Umwelt weit verbreitete Bedenken hervorgerufen.
Eine Studie ergab, dass jede O3-Aufgabe etwa 1.785 Kilowattstunden Strom verbraucht, was dem Stromverbrauch eines durchschnittlichen amerikanischen Haushalts in zwei Monaten entspricht. Laut einer Analyse von Boris Gamazaychikov, dem Leiter für KI-Nachhaltigkeit bei Salesforce, entspricht dieser Stromverbrauch etwa 684 Kilogramm Kohlendioxidäquivalentemissionen, was den Kohlenstoffemissionen von fünf vollen Benzintanks entspricht.
Die High-Computing-Version von o3 wird im Rahmen des ARC-AGI-Frameworks einem Benchmarking unterzogen und die Berechnungen basieren auf dem Standard-GPU-Energieverbrauch und den Netzemissionsfaktoren. „Da sich die Technologie weiter ausdehnt und integriert, müssen wir diesen Kompromissen mehr Aufmerksamkeit schenken“, sagte Gamazaychikov. Er erwähnte auch, dass diese Berechnung den verkörperten Kohlenstoff nicht berücksichtigt und sich nur auf den Energieverbrauch der GPU konzentriert Die tatsächlichen Emissionen werden möglicherweise unterschätzt.
Darüber hinaus sagte der Datenwissenschaftler Kasper Groes Albin Ludvigsen, dass der Energieverbrauch eines HGX-Servers, der mit acht Nvidia H100-Grafikkarten ausgestattet ist, zwischen 11 und 12 Kilowatt liegt und damit weit über den 0,7 Kilowatt pro Grafikkarte liegt.
In Bezug auf die Aufgabendefinition äußerte Pleias-Mitbegründer Pierre-Carl Langlais Bedenken hinsichtlich des Modelldesigns, insbesondere wenn das Modelldesign nicht schnell verkleinert werden kann. „Bei der Lösung komplexer mathematischer Probleme ist viel Entwurfsarbeit, Zwischentests und Argumentation erforderlich“, sagte er.
Untersuchungen ergaben Anfang des Jahres, dass ChatGPT während eines einzigen Gesprächs 10 % der durchschnittlichen täglichen Wasseraufnahme eines Menschen verbraucht, was fast einem halben Liter Wasser entspricht. Obwohl diese Zahl nicht viel zu sein scheint, wird der Gesamtwasserverbrauch beträchtlich, wenn Millionen von Menschen diesen Chatbot täglich nutzen.
Kathy Baxter, Chefarchitektin der Technologie für künstliche Intelligenz bei Salesforce, warnte davor, dass KI-Fortschritte wie das o3-Modell von OpenAI unter dem Jevons-Paradoxon leiden könnten. „Während der Energiebedarf sinken könnte, könnte der Wasserverbrauch steigen“, sagte sie.
Als Reaktion auf die Herausforderungen, mit denen KI-Rechenzentren konfrontiert sind, wie hoher Energieverbrauch, komplexe Kühlanforderungen und riesige physische Infrastruktur, versuchen Unternehmen wie Synaptics und embedUR, diese Probleme durch Edge-KI zu lösen, um die Abhängigkeit von Rechenzentren zu verringern und die Latenz zu reduzieren und Leistungsverbrauch, sodass Entscheidungen in Echtzeit auf Geräteebene getroffen werden können.
Höhepunkte:
Der Stromverbrauch jeder o3-Aufgabe entspricht dem Stromverbrauch eines Haushalts in zwei Monaten.
Bei jeder Mission wird so viel Kohlendioxid freigesetzt wie bei fünf vollen Benzintanks.
Die in ChatGPT-Gesprächen verbrauchte Wassermenge erreicht 10 % des durchschnittlichen täglichen Trinkwassers eines Menschen.
Insgesamt sind der hohe Energieverbrauch und die Umweltauswirkungen von KI-Modellen nicht zu vernachlässigen. Wir müssen aktiv umweltfreundlichere und nachhaltigere KI-Entwicklungspfade erkunden und gleichzeitig den technologischen Fortschritt vorantreiben und das Verhältnis zwischen Innovation und Umweltschutz ausbalancieren, um eine nachhaltige Entwicklung der künstlichen Intelligenz zu erreichen.