AI і клімат: чому одні мовні моделі шкідливіші за інші у 50 разів

Нове дослідження німецьких вчених виявило суттєву різницю у викидах вуглекислого газу між різними великими мовними моделями. Одні й ті ж запити, оброблені різними системами штучного інтелекту, можуть мати екологічний "слід", який відрізняється у десятки разів.

Причини викидів: «думання» моделей

Дослідники проаналізували 14 мовних моделей — від 7 до 70 млрд параметрів. З’ясувалося, що моделі з розширеним функціоналом “міркування” генерують набагато більше токенів на відповідь. Наприклад, складні LLM створювали до 543 токенів на запит, тоді як спрощені — близько 40. Різниця у викидах CO₂ могла сягати 50 разів на одне питання.

Головна причина — кількість обчислень. Чим глибше аналіз і складніша логіка відповіді, тим більше енергії споживає модель, і тим більший вплив на клімат.

Вплив точності на екологію

Чим точніша модель, тим дорожчою вона є з погляду енергоспоживання. Наприклад, модель з точністю 85% може створювати в три рази більше викидів, ніж простіша альтернатива. Особливо це стосується запитів з абстрактних тем — філософія, етика, математика.

Це ставить розробників перед вибором: балансувати між якістю відповіді та екологічною доцільністю.

Дані про реальні обсяги викидів

Окремі дослідження вже раніше показували, що навчання моделей на кшталт GPT-3 викидає сотні тонн CO₂ — еквівалент тисяч авіаперельотів. Один запит до сучасної AI-системи споживає у 4–5 разів більше енергії, ніж звичайний пошук у Google. Навіть створення одного зображення в MidJourney або DALL·E може “коштувати” стільки ж, скільки повна зарядка смартфона.

Очікується, що загальний вуглецевий слід AI може досягнути 200 млн тонн CO₂ щороку до 2035 року.

Як зменшити екологічне навантаження

Дослідники пропонують кілька рішень:

Використовувати менш енергоємні моделі для простих завдань.

Обмежувати “глибокі” запити там, де вони не є критично важливими.

Обирати сервіси, які працюють на “зелених” дата-центрах з відновлюваною енергією.

Оптимізовувати алгоритми — Google вже показала, що оптимізація може скоротити викиди в десятки разів.

Штучний інтелект не є “безкоштовним” з погляду екології. Вибір конкретної моделі або способу використання має значення для клімату. Користувачі, розробники й технологічні компанії мають враховувати вуглецевий слід цифрових рішень та оптимізувати роботу з AI у бік сталого розвитку.