Yandex Metrika
1
2 репоста, 1 голос

В последние годы популярность ChatGPT взлетела до небес: почти 200 миллионов пользователей каждый день вводят в приложение более миллиарда запросов. Кажется, что ответы появляются буквально из ниоткуда.

Но за кулисами чат-боты с искусственным интеллектом (ИИ) расходуют колоссальное количество энергии. В 2023 году дата-центры, где обучаются и обрабатываются ИИ-модели, обеспечили 4,4% потребления электроэнергии в США. По всему миру их доля составила около 1,5% глобального энергопотребления. Эти показатели, по прогнозам, будут стремительно расти и как минимум удвоятся к 2030 году вместе с ростом спроса на ИИ.

Энергопотребление чат-ботов
Задать вопрос большой языковой модели (LLM) — значит потратить примерно в 10 раз больше электроэнергии, чем при обычном поисковом запросе в Google. Изображение: Qi Yang via Getty Images

«Всего три года назад у нас еще не было ChatGPT, — говорит Алекс де Фрис-Гао (Alex de Vries-Gao), исследователь устойчивого развития цифровых технологий в Свободном университете Амстердама и основатель проекта Digiconomist, посвящённого анализу скрытых последствий цифровых трендов. — А сегодня мы обсуждаем технологию, которая в ближайшем будущем будет отвечать почти за половину энергопотребления дата-центров по всему миру.»

Что же делает чат-боты ИИ такими энергоёмкими? Ответ кроется в их масштабах. Особенно выделяются два процесса, на которые уходит больше всего ресурсов: обучение и инференс (вычисление ответа), объясняет Мошараф Чоудхури (Mosharaf Chowdhury), специалист по компьютерным наукам из Мичиганского университета.

Чтобы обучить чат-боты, большие языковые модели (LLM) получают гигантские наборы данных. Так ИИ учится находить закономерности и делать прогнозы. В целом при обучении действует принцип «чем больше, тем лучше», отмечает де Фрис-Гао: считается, что чем больше модель и чем больше данных она обрабатывает, тем точнее будут её предсказания.

«Сегодняшние модели настолько велики, что не помещаются ни в один графический процессор (GPU), ни даже в один сервер», — пояснил Чоудхури в интервью Live Science.

Чтобы представить масштабы: по подсчётам де Фриса-Гао, один сервер Nvidia DGX A100 потребляет до 6,5 киловатта энергии. Для обучения LLM требуется сразу несколько таких серверов, и каждый из них содержит в среднем восемь GPU, работающих неделями или месяцами. В сумме это поглощает горы энергии: считается, что на обучение GPT-4 OpenAI ушло 50 гигаватт-часов — этого достаточно, чтобы три дня снабжать электроэнергией весь Сан-Франциско.

Много энергии уходит и на инференс — то есть на процесс, когда чат-бот использует полученные знания и формирует ответ на запрос. Хотя вычислительные затраты после завершения обучения значительно меньше, сам инференс требует огромных ресурсов из-за колоссального числа запросов.

По состоянию на июль 2025 года OpenAI сообщает, что пользователи ChatGPT ежедневно отправляют свыше 2,5 миллиарда запросов. Для мгновенных ответов задействуются многочисленные серверы. И это не учитывая других популярных чат-ботов, например Gemini от Google, который, как утверждают представители компании, скоро станет стандартным инструментом при поиске в Google.

«Даже на этапе инференса невозможно сэкономить энергию, — сказал Чоудхури. — Дело не в гигантских данных. Модель сама по себе уже огромна, но главное — огромное количество людей, которые её используют.»

Учёные, включая Чоудхури и де Фриса-Гао, сейчас работают над тем, чтобы точнее измерять энергозатраты и находить пути их снижения. Например, Чоудхури ведёт рейтинг ML Energy Leaderboard, где отслеживает потребление энергии при инференсе у открытых моделей.

Однако конкретные цифры по другим генеративным ИИ-платформам в основном неизвестны: такие компании, как Google, Microsoft и Meta, держат их в секрете или публикуют статистику, которая мало что говорит о реальном воздействии на окружающую среду, отмечает де Фрис-Гао. Это затрудняет понимание того, сколько энергии ИИ действительно потребляет, как будет расти спрос в ближайшие годы и сможет ли мир справиться с нагрузкой.

Пользователи чат-ботов, тем не менее, могут требовать большей прозрачности. Это поможет не только принимать более ответственные решения при использовании ИИ, но и стимулировать разработку политик, которые заставят компании отчитываться о своём энергопотреблении.

«Одна из главных проблем цифровых технологий — в том, что их воздействие никогда не бывает прозрачным, — говорит де Фрис-Гао. — Здесь слово за политиками: они должны стимулировать раскрытие информации, чтобы пользователи могли предпринимать реальные шаги.»

Заметили ошибку в тексте? Выделите её мышкой и нажмите Ctrl + Enter

Следите за нашими новостями:


Понравилось? Поделитесь с друзьями!

✏️ Сообщить об ошибке

Вы заметили ошибку в следующем тексте: