Már mindenhol ott van
A mesterséges intelligencia modelleket a mai világban egyre szélesebb körben használjuk. Ott vannak a nyelvi feldolgozási, fordítási feladatok és a spam szűrők mögött, de ez a technológia biztosítja az olyan intelligens asszisztensek, mint Siri vagy Alex, illetve az önvezető autók működését és tudását is. A széleskörű funkciók érdekében ezeket a modelleket meg kell tanítani a nagy adatkészletek kezelésére, hogy később alkalmasak legyenek az önálló feladatmegoldásra is. Ez azonban számos matematikai művelet végrehajtását jelenti, minden egyes betáplált adat esetében. Ezek az adatmennyiségek ráadásul elképesztő ütemben növekednek. Például az egyik legutóbbi nyelvi feldolgozásért felelős modellt 40 milliárd szóból álló adatkészletre tanították meg.
A tanulás nem csak emberként nehéz feladat
Ennek eredményeként az energia, amit a mesterséges intelligencia tudásának gyarapítására használnak, elképesztő méreteket ölt. Az adatok bevitele, azaz a gépi tanulás, általában speciális adatkezelő hardvereken történik, óriási adatközpontokban.
A Science folyóirat egyik nemrégiben megjelent cikke szerint az ilyen adatközpontok által felhasznált összes energiamennyiség, az elmúlt évtizedben, a globális energiafelhasználás körülbelül 1 százalékát tette ki, ami nagyjából 18 millió amerikai háztartás fogyasztásának felel meg.
2019-ben a Massachusetts-i Egyetem kutatóinak egy csoportja úgy becsülte, hogy a természetes nyelv feldolgozására használt nagy mesterséges intelligencia modell betanítása körülbelül ugyanannyi szén-dioxid kibocsátást eredményezhet, mint 5 személygépkocsi működése a teljes élettartama alatt.
A mesterséges intelligencia falja az áramot
Ahogyan növekszik a mesterséges intelligencia térhódítása, úgy lesz egyre aggasztóbb az általa okozott károsanyag-kibocsátás mértéke és hatása is. Ezért a Cambridge-i Egyetem kutatói egy energiahatékony megközelítés lehetőségét vizsgálták, az Oxfordi Egyetem, a University College London és az Avignon Université munkatársaival együttműködve. Megállapították, hogy egy új adatbeviteli forma, melyet hálózati tanulásnak nevezhetünk, sokkal fenntarthatóbb módja a mesterséges intelligencia betanításának. Ez ugyanis ahelyett, hogy a modelleket adatközpontokban tanítaná, számos egyedi gép hálózatán keresztül valósítja meg.