AI har et utrolig potensial, men det er noen alvorlige ulemper som må vurderes.

Med AI-løpet som går raskere enn noen gang, bekymrer mange seg for hvordan disse teknologiene vil påvirke økosystemet. AI-adopsjon fortsetter å øke. Sammen med det vil karbonavtrykket bare forverres hvis utviklere, sluttbrukere og regulerende organer fortsetter å trekke på skuldrene fra miljøpåvirkningen.

Når det er sagt, er bærekraftig masseadopsjon fortsatt mulig. Men enkeltpersoner og organisasjoner må jobbe sammen for å løse hvordan AI skader miljøet.

Viktige takeaways

  • AI-databehandling bruker enorme mengder energi, noe som bidrar til dets store karbonavtrykk. Utviklere og brukere bør være oppmerksomme på miljøpåvirkningen og vurdere mer bærekraftig praksis.
  • Rask utvikling innen AI opprettholder en kastkultur, noe som fører til sløsing med ressurser. Forbrukere bør unngå unødvendige kjøp, og bedrifter bør prioritere meningsfulle innovasjoner.
  • Det er foreløpig ikke noe sentralt styringsorgan som regulerer bruk og utvikling av AI, og etterlater økologiske bekymringer nederst på prioriteringslisten. Samarbeid mellom myndigheter og miljøgrupper er nødvendig for å minimere miljøpåvirkningen av AI.
    instagram viewer

1. AI Computing krever massiv energi

Bildekreditt: NOAA Photo Library/Wikimedia Commons

Hovedårsaken bak generativ AIs store karbonavtrykk er strømforbruket. Ta chatbots som et eksempel. ChatGPTs høye tokengrense og rask prosessering av input har enorme energibehov. De fleste brukere innser ikke ressursene som kreves for hvert søk – de oversvømmer tankeløst chatboter med tilfeldige meldinger.

Semianalyse laget en kostnadsmodell av ChatGPT. De sier at OpenAI kjører 3617 HGX A100-servere for å svare på de millioner av forespørsler som ChatGPT mottar daglig.

Hver server bruker 3000 wattimer hvis de ligner på Nvidia HGX A100. Så for at 3 617 enheter skal kjøre 24/7, trenger de hele 95 054 760 000 wattimer eller 95 054,76 megawattimer per år. For referanse, New York City bruker 5500 til 10 000 megawattimer daglig.

AIs raske vekst opprettholder en kastkultur. Tekniske forbrukere blir presset til å få de nyeste systemene på markedet, uavhengig av om de trenger det eller ikke. Noen forstår knapt disse gadgetene. De forfølger den "neste store tingen" fordi selskaper lover nye og forstyrrende funksjoner.

Ved å gi etter for denne uholdbare livsstilen, gjør forbrukere det mulig for teknologiledere å kontrollere etterspørselen etter AI-plattformer. Ressurser kastes bort på overflødige verktøy som gir ubetydelige fordeler.

Ta ChatGPT, for eksempel. Millioner av utviklere utnyttet boomen ved å gi ut sine AI-drevne chatbots. Mens tekniske ledere som Microsoft, Meta og Google bygde innovative språkmodeller, hoppet de fleste selskaper bare på trenden.

Unngå å laste ned ubekreftede AI-chatbots på nettet. Hackere bruker falske ChatGPT-apper å lure brukere til å røpe personlig informasjon og betale ublu abonnementsavgifter.

3. Ingen sentral styringsorgan regulerer bruk og utvikling av kunstig intelligens

Bildekreditt: Cancillería Argentina/Wikimedia Commons

AIs raske fremskritt overgår styrende retningslinjer og restriksjoner. Selv globale teknologiledere liker Sam Altman, OpenAIs administrerende direktør, ber om strengere AI-regulatoriske inngrep å kontrollere kraftige modeller. Per nå er det ingen enkelt myndighet som overvåker og regulerer AI-aktiviteter.

Men selv om offentlige organer begynner å takle AI-relaterte risikoer, vil økologiske skader være nederst på listen deres. De vil sannsynligvis prioritere AI-hallusinasjoner, etiske brudd og personverntrusler. Selv om disse sakene er like viktige, bør ikke disse overskygge de negative økologiske konsekvensene av AI.

Regjeringen må samarbeide med miljøgrupper for å overvåke teknologiselskaper. De kan minimere karbonavtrykket til AI-utviklere ved å regulere strømforbruket deres, avhendingsmetoder og mineralutvinning.

4. AI-drevet landbruksinnsats prioriterer avkastning fremfor økosystemhelse

Landbrukssektorer utforsker måter å integrere AI-baserte systemer i oppdrett. Strategisk implementering kan bidra til å maksimere avlingsveksten, automatisere manuelt arbeid og bekjempe naturkatastrofer samtidig som overhead minimeres. Agricultural AI er en industri i vekst. Market.us spår til og med at den globale markedsstørrelsen vil overstige 10,2 milliarder dollar innen 2032.

Men til tross for disse fordelene, overser landbruks-AI fortsatt det enorme strømforbruket ved trening og bygging av disse systemene. Prioritering av høye avlinger og effektive høstingsmetoder kompromitterer også økosystemet. Med denne hastigheten kan AI utilsiktet fremme intensiv oppdrettspraksis som ødelegger og dehydrerer land.

5. Trening AI krever prøving og feiling

Bildekreditt: mikemacmarketing/Wikimedia Commons

Trening av AI-drevne plattformer på milliarder av parametere krever enorme ressurser. Mellom å forberede datasett for skraping og legge dem inn i AI-modeller, kan prosessen lett tappe millioner av wattimer.

Datatesting består også av streng prøving og feiling. Utviklere vil fortsette å forbruke enorme energiressurser når de utvikler modelliterasjoner, feilsøker problemer og fikser unøyaktigheter.

La oss ta ChatGPT som et eksempel. EN studie ved Cornell University viser OpenAI forbrukte 405 V100 GPU år med energi for å trene GPT-3 på 175 milliarder parametere. Enkelt sagt, én V100 GPU vil ta 405 år å bygge ChatGPT.

Forutsatt at OpenAI bruker noe som ligner på Nvidia V100 GPUer, som bruker 300 wattimer, tilsvarer 405 års strømforbruk 1 064 340 000 wattimer. For referanse bruker de fleste husholdninger 30 000 wattimer per dag. Så energien som OpenAI brukte til å trene ChatGPT i utgangspunktet kunne drive 35 478 hus i 24 timer.

Maskinvaren som brukes til å bygge, trene og kommersialisere AI-programmer består av forskjellige jordmetaller. Ta GPUer som et eksempel. Å produsere dem krever blant annet kobber, tinn, sølv og sink, og teknologiselskaper trenger tusenvis av GPUer for å vedlikeholde AI-systemer.

Utviklere bør utforske alternative metoder for å skaffe råvarer. Ellers vil skadelige gruveaktiviteter bare eskalere etter hvert som etterspørselen etter AI-relatert maskinvare øker. Selv de største gruvene ville gå tørr etter flere tiår.

7. Potensiell trafikkbelastning

Bildekreditt: Tesla

AI kan bygge en mer energieffektiv, smart fremtid for bilindustrien. En studie av International Journal of Environmental Research and Public Health slår fast at selvkjørende biler produserer 50 til 100 prosent mindre karbonutslipp enn tradisjonelle kjøretøy. Bilprodusenter over hele verden vil gradvis integrere AI i enhetene sine.

Selv om de er drivstoffeffektive, øker fremveksten av AI-styrte biler også trafikkbelastningen i tettbefolkede byer. Private kjøretøy vil fortsette å være flere enn kollektivknutepunkter. EN longitudinell undersøkelse av University of Adelaide sier at forbrukere foretrekker å kjøpe førerløse biler fremfor pendling eller bildeling.

8. AI Evolution øker e-avfall

Bildekreditt: Alex Proimos/Wikimedia Commons

AI utvikler seg raskt fordi utviklere fortsetter å gi ut nye maskinvare- og programvareprodukter. De ønsker alle å dominere det globale markedet først. Dessverre bidrar det å forfølge forstyrrende teknologier til samfunnets økende e-avfallsproblem. Husk: vedlikehold av AI-systemer krever tusenvis av GPUer og servere, hvorav de fleste ikke kan resirkuleres.

Verden teller rapporterer at 85 prosent av e-avfallet går til søppelfyllinger og forbrenningsanlegg, og 70 prosent inneholder giftige elementer. AI-utviklere bør utforske mer bærekraftige avhendingsmetoder. Økologisk praksis som å redusere fossilt brenselforbruk, forlenge maskinvarelivssykluser og utforme resirkuleringsmetoder vil overhale industrien.

Er AI dårlig for miljøet?

Til tross for de skadelige miljøeffektene av AI, er det ikke i seg selv uholdbart. De fleste av problemene ovenfor stammer fra hvordan mennesker designer, programmerer, implementerer og administrerer AI-drevne teknologier. Teknologiselskaper bør slutte å ofre økologisk praksis for rask fremgang. Selv å oppnå toppen av kunstig generell intelligens vil ikke rettferdiggjøre utarming av jordens naturressurser.

Bedrifter må også prioritere miljøvennlig teknologi. AIs forretnings-, kommersielle og industrielle applikasjoner overskygger potensialet til å hjelpe miljøet. Industrien er allerede oversvømmet av tilfeldige AI-apper og -verktøy. Men ikke nok utviklere interesserer seg for å utnytte AI for ressursbevaring og klimaendringer.