Η τεχνητή νοημοσύνη στην εποχή της κλιματικής κρίσης

Μπορούμε να τη θεωρούμε σύμμαχο σε αυτόν τον αγώνα ή η λειτουργία της απαιτεί τόση ενέργεια που δεν έχει νόημα να το συζητήσουμε; - Του Μανώλη Ανδριωτάκη

Τι χρώμα είναι η τεχνητή νοημοσύνη; Είναι άσπιλη και ειρηνική όπως το λευκό, αιθέρια και άπειρη όπως το μπλε, δυσοίωνη και σκοτεινή όπως το μαύρο ή πράσινη όπως το φυσικό μας περιβάλλον; Αναλόγως των προκαταλήψεων του καθενός, το χρωματικό φάσμα συχνά καταργείται και η τεχνητή νοημοσύνη μετατρέπεται αίφνης από ευλογία σε κατάρα. Με τους προσφιλείς ασπρόμαυρους όρους, το τεχνολογικό μας μέλλον είναι είτε ουτοπικό είτε δυστοπικό. Είτε θα ζούμε σε ένα υγιές περιβάλλον που θα το υποβοηθά η τεχνολογία είτε θα αρρωσταίνουμε από τις βλαβερές συνέπειες του τεχνολογικού μας πολιτισμού. Όπως συμβαίνει συνήθως, η αλήθεια είναι πολύχρωμη και γεμάτη αποχρώσεις.

Επειδή η κλιματική αλλαγή δεν είναι μύθος κι επειδή η απειλή της υπερθέρμανσης του πλανήτη είναι υπαρκτή, έχουμε βάσιμο λόγο να αναρωτιόμαστε πόσο περιβαλλοντικά υπεύθυνη είναι η τεχνητή νοημοσύνη. Μπορεί αυτή η τεχνολογία, η οποία έχει αναμφίβολα αποκτήσει διαστάσεις μόδας, να μας βοηθήσει να αντιστρέψουμε την ανθρωπογενή καταστροφή του φυσικού περιβάλλοντος;

Οι περισσότεροι επαΐοντες συμφωνούν ότι η απάντηση είναι «ναι», η τεχνητή νοημοσύνη έχει τη θετική δυνατότητα να προωθήσει καινοτόμες λύσεις για την κλιματική αλλαγή. Θα μπορεί στο μέλλον να ρυθμίζει την κυκλοφορία, να εξοικονομεί ενεργειακούς πόρους, να διαχειρίζεται καλύτερα τα απορρίμματά μας, να μας βοηθά να παίρνουμε πιο υπεύθυνες αποφάσεις. Ωστόσο, η τεχνητή νοημοσύνη έχει και την αρνητική πτυχή ότι μπορεί να συμβάλει στην εξάντληση των φυσικών πόρων για να ικανοποιεί τις ενεργειακές της απαιτήσεις. Όσο η υπολογιστική μας δύναμη θα αυξάνεται, τόσο περισσότερες εφαρμογές της θα χρησιμοποιούμε και τόσο πιο επιζήμιο μπορεί να γίνεται το περιβαλλοντικό της αποτύπωμα. Επομένως, το ερώτημα θα επιστρέφει κάθε λίγο με ολοένα και πιο επείγοντα τρόπο: πόσο πράσινη είναι η τεχνητή νοημοσύνη;

10.000 φορές ταχύτερα

Για να απαντήσουμε, θα πρέπει να θυμηθούμε ότι η τεχνητή νοημοσύνη είναι επιστήμη. Και ως επιστήμη μπορεί να ενισχύσει όλα τα βήματα που συγκροτούν την ίδια την επιστημονική μέθοδο. Η τεχνητή νοημοσύνη μπορεί να μας βοηθήσει να διατυπώνουμε καλύτερες ερωτήσεις, να κάνουμε καλύτερες υποθέσεις, να διεξάγουμε πιο έξυπνα πειράματα, να βελτιώνουμε τις παρατηρήσεις μας και να εξάγουμε καλύτερα συμπεράσματα. Ο οργανισμός ClimateChange AI, για παράδειγμα, ειδικεύεται στην έρευνα τρόπων μείωσης των εκπομπών αερίων, αποκλειστικά με τη βοήθεια της μηχανικής μάθησης. Η ΑΙ μπορεί να διαβάσει όλες ανεξαιρέτως τις μελέτες που έχουν εκπονηθεί, κάτι αδύνατο για τον άνθρωπο, να κάνει αναπάντεχες συνδέσεις, να δει μοτίβα και να προτείνει λύσεις. Τα μοντέλα της μηχανικής μάθησης μπορούν να κάνουν καλύτερες προβλέψεις, ταχύτερες και αποτελεσματικότερες προσομοιώσεις, και να εντοπίσουν απειροελάχιστες λεπτομέρειες. Είναι σε θέση, με άλλα λόγια, να βρίσκουν ψύλλους στα άχυρα. Η τεχνητή νοημοσύνη μπορεί να εφεύρει νέα υλικά, που θα είναι πιο φιλικά στο περιβάλλον. Τεχνολογίες χαμηλού άνθρακα θα ξεπηδήσουν από αυτοματοποιημένα εργαστήρια και λιγότερο ρυπογόνοι τρόποι αποθήκευσης ενέργειας θα εμφανιστούν από νέες υποθέσεις που θα κάνουμε με τη βοήθεια εξελιγμένων αλγορίθμων.

Με τα νέα μοντέλα, θα μπορούμε επίσης να καταλαβαίνουμε καλύτερα τι συμβαίνει σε απρόσιτα σημεία του πλανήτη που είναι ενδεικτικά της περιβαλλοντικής υποβάθμισης. Σε μια πρωτοποριακή μελέτη, ερευνητές του Πανεπιστημίου του Λιντς παρουσίασαν ένα νευρωνικό δίκτυο, το οποίο μπορεί να χαρτογραφεί μεγάλα παγόβουνα της Ανταρκτικής σε μόλις 0,01 δευτερόλεπτα, δηλαδή 10.000 φορές ταχύτερα από τους ανθρώπους. Στην Ολλανδία, η περιβαλλοντική οργάνωση The Ocean Cleanup χρησιμοποιεί τεχνητή νοημοσύνη προκειμένου να ανιχνεύει απορρίμματα από δορυφορικές εικόνες απομακρυσμένων σημείων των ωκεανών, και στη συνέχεια να δημιουργεί λεπτομερείς χάρτες ρύπανσης. Στόχος της οργάνωσης είναι να εξαλειφθεί η ρύπανση των θαλασσών από τα πλαστικά.

Υπάρχουν ολόκληρες βιομηχανίες που μπορούν να αποδείξουν ότι το πράσινο ταιριάζει στην τεχνητή νοημοσύνη. Η μόδα είναι σίγουρα μία από αυτές, καθώς, σύμφωνα με τα Ηνωμένα Έθνη, εκτιμάται ότι ευθύνεται για το 2-8% των παγκόσμιων εκπομπών αερίων του θερμοκηπίου. Στην έκθεση του ΟΗΕ για τη βιώσιμη μόδα, αναφέρεται ότι «η μηχανική μάθηση μπορεί να βελτιστοποιήσει τις αλυσίδες εφοδιασμού για τη μείωση των αποβλήτων, να εποπτεύσει την κατανάλωση των πόρων και να προωθήσει βιώσιμες διαδικασίες παραγωγής. […] Η τεχνητή νοημοσύνη μπορεί να συμβάλει στην επιτάχυνση της ενεργειακής μετάβασης με τη βελτιστοποίηση της εξοικονόμησης πόρων και τη βελτίωση της αποδοτικότητας σε όλους τους ενεργοβόρους τομείς».

Η τεχνητή νοημοσύνη θα συνδράμει εξίσου και στην ανάλυση των απορριμμάτων μας. Η βρετανική νεοφυής επιχείρηση Greyparrot έχει δημιουργήσει ένα μοντέλο τεχνητής νοημοσύνης το οποίο αναλύει σε ζωντανό χρόνο τα απορρίμματα που εισέρχονται σε ένα κέντρο επεξεργασίας και ανακύκλωσης, ώστε να συνδράμει στη διαλογή και στην ανακύκλωση περισσότερων αποβλήτων. Πολλές από αυτές τις εφαρμογές έχουν περάσει από το στάδιο των πειραμάτων και δοκιμάζονται ήδη στον πραγματικό κόσμο.

Η τεχνητή νοημοσύνη, όμως, έχει και μια μαύρη απόχρωση που είναι αδύνατον να αγνοηθεί. Σύμφωνα με τον Ολλανδό ερευνητή Άλεξ ντε Βρις, θα χρειαστούμε 50% περισσότερη ηλεκτρική ενέργεια έως το 2027 για να συντηρούμε τα κέντρα δεδομένων, που θα κάνουν εφικτές όλες τις εφαρμογές της τεχνητής νοημοσύνης. Οι ανησυχίες είναι βάσιμες. Θα γεμίσουμε τον πλανήτη με κέντρα δεδομένων, τα οποία θα απομυζούν όλη την ενέργεια που παράγεται, για να λύνονται προβλήματα που σε λίγο δεν θα έχουν καμία σημασία; Η δημοσιογράφος και αναπληρώτρια καθηγήτρια στο Πανεπιστήμιο του Σίδνεϊ, στο τμήμα των Μέσων και των Επικοινωνιών, Μπενεντέτα Μπρεβίνι, υποστηρίζει ότι πρέπει η συζήτηση γύρω από την τεχνητή νοημοσύνη να στραφεί επειγόντως στο περιβαλλοντικό της αποτύπωμα, προτείνοντας ακόμα και μια «πράσινη ατζέντα» για την τεχνητή νοημοσύνη.

Σύμφωνα με την Μπρεβίνι, η τεχνητή νοημοσύνη δεν ωφελεί καθόλου το περιβάλλον, όπως τουλάχιστον αναπτύσσεται σήμερα, αντίθετα το επιβαρύνει ακόμα περισσότερο. Το πρόβλημα ξεκινά από πολύ νωρίς, καθώς είναι πολύ δύσκολο να αντληθούν ακριβή δεδομένα για το περιβαλλοντικό της κόστος. Οι μεγάλες εταιρείες της ΑΙ είναι πολύ φειδωλές στην ενημέρωση του κοινού αναφορικά με το ενεργειακό αποτύπωμα της εκπαίδευσης και της διατήρησης των μοντέλων τους. Όλες τους διαφημίζουν τις θετικές περιβαλλοντικές πρωτοβουλίες που παίρνουν, αλλά, όταν έρχεται η ώρα να γίνουν συγκεκριμένες σχετικά με το ενεργειακό αποτύπωμα των εφαρμογών τους, δείχνουν απρόθυμες να μοιραστούν περισσότερες πληροφορίες. Αν δεν μπορούμε να μετρήσουμε επακριβώς το τίμημα που πρέπει να καταβάλουμε για να διευκολύνουμε τις ζωές μας, η καχυποψία όλων μεγαλώνει.

Το ChatGPT διψάει

Αυτό που καταλαβαίνει ο καθένας είναι ότι όσο εξελίσσεται η τεχνολογία, τόσο οι ενεργειακές ανάγκες της τεχνητής νοημοσύνης θα κλιμακώνονται. Ο Διεθνής Οργανισμός Ενέργειας (International Energy Agency) αναφέρει ότι τα κέντρα δεδομένων, τα κρυπτονομίσματα και η τεχνητή νοημοσύνη αντιπροσώπευαν σχεδόν το 2% της παγκόσμιας ζήτησης ηλεκτρικής ενέργειας το 2022 και όπως αναφέρουν κάποιοι ειδικοί, αυτό θα μπορούσε να διπλασιαστεί μέχρι το 2026 και να φτάσει σχεδόν την κατανάλωση ηλεκτρικής ενέργειας της Ιαπωνίας.

Τα κέντρα δεδομένων, τα κρυπτονομίσματα και η τεχνητή νοημοσύνη αντιπροσώπευαν σχεδόν το 2% της παγκόσμιας ζήτησης ηλεκτρικής ενέργειας το 2022.

Μια πρόσφατη μελέτη διαπίστωσε ότι η εκπαίδευση ενός μεγάλου νευρωνικού δικτύου με 175 δισεκατομμύρια παραμέτρους κατανάλωσε 1.287 MWh ηλεκτρικής ενέργειας, ένας αριθμός που ισοδυναμεί με την κατανάλωση ενός νοικοκυριού για 120 χρόνια. Οι εκπομπές διοξειδίου του άνθρακα αυτής της εκπαίδευσης ήταν 502 μετρικοί τόνοι, οι οποίες ισοδυναμούν με την οδήγηση 112 βενζινοκίνητων αυτοκινήτων για έναν χρόνο. Σύμφωνα με μια μελέτη ερευνητών της νεοφυούς εταιρείας τεχνητής νοημοσύνης Hugging Face και του Πανεπιστημίου Carnegie Mellon, η δημιουργία μιας εικόνας με τη χρήση ενός μοντέλου παραγωγικής τεχνητής νοημοσύνης απαιτεί τόση ενέργεια όσο η πλήρης φόρτιση ενός έξυπνου κινητού τηλεφώνου. Η παραγωγή κειμένων, ωστόσο, είναι λιγότερο ενεργοβόρα. Αλλά ζητούν κι αυτά τους πόρους τους, εφόσον χρησιμοποιούνται μαζικά και υπό κλίμακα. Σύμφωνα με μια έκθεση, το ChatGPT δεν έχει μόνο όρεξη για ρεύμα, αλλά και δίψα για νερό. Για κάθε 20 με 50 απαντήσεις που δίνει το GPT-3, χρειάζεται να «πίνει» ένα μπουκάλι νερό των 500 ml, ενώ ο διάδοχός του, το GPT-4, επειδή έχει ακόμα μεγαλύτερες ενεργειακές ανάγκες, χρειάζεται και περισσότερο νερό.

«Η πιο αισιόδοξη εκτίμηση της Helion, μιας εταιρείας παραγωγής πυρηνικής ενέργειας στην οποία έχει αρχίσει να επενδύει ήδη από το 2021 ο Σαμ Άλτμαν της OpenAI», γράφει η συγγραφέας Κέιτ Κρόφορντ στο περιοδικό Nature, «είναι ότι μέχρι το 2029 θα παράγει αρκετή ενέργεια για να μπορεί να τροφοδοτεί 40.000 νοικοκυριά των ΗΠΑ που κάνουν μια μέση κατανάλωση  μια εκτίμηση ωστόσο δείχνει ότι το ChatGPT καταναλώνει ήδη την ενέργεια 33.000 σπιτιών. Εκτιμάται ότι μια αναζήτηση που γίνεται μέσω της παραγωγικής τεχνητής νοημοσύνης χρησιμοποιεί τέσσερις έως πέντε φορές περισσότερη ενέργεια από μια συμβατική αναζήτηση στο διαδίκτυο. Μέσα σε λίγα χρόνια, τα μεγάλα συστήματα τεχνητής νοημοσύνης είναι πιθανό να χρειάζονται ενέργεια αντίστοιχη ολόκληρων κρατών.

»Και δεν είναι μόνο η ενέργεια», συνεχίζει η Κρόφορντ. «Τα συστήματα παραγωγικής τεχνητής νοημοσύνης χρειάζονται τεράστιες ποσότητες γλυκού νερού για την ψύξη των επεξεργαστών τους και την παραγωγή ηλεκτρικής ενέργειας. Στο Δυτικό Ντε Μόιν της Άιοβα, ένα γιγαντιαίο σύμπλεγμα κέντρων δεδομένων εξυπηρετεί το πιο προηγμένο μοντέλο της OpenAI, το GPT-4. Μια μήνυση των κατοίκων της περιοχής αποκάλυψε ότι τον Ιούλιο του 2022 έναν μήνα πριν η OpenAI ολοκληρώσει την εκπαίδευση του μοντέλου τα συγκεκριμένα κέντρα δεδομένων χρησιμοποίησαν περίπου το 6% του νερού της περιοχής. Το ίδιο συνέβη κι όταν προετοίμαζαν τα δικά τους Μεγάλα Γλωσσικά Μοντέλα, Bard και Bing, η Google και η Microsoft αντίστοιχα. Αμφότερα προκάλεσαν μεγάλες αυξήσεις στην κατανάλωση νερού της τάξης του 20% και του 34% αντίστοιχα σε ένα μόνο έτος, σύμφωνα με τις περιβαλλοντικές εκθέσεις των ίδιων των εταιρειών. Ένα άρθρο που βρίσκεται υπό δημοσίευση προβλέπει ότι μπορεί μέχρι το 2027 η ζήτηση νερού για την τεχνητή νοημοσύνη να προσεγγίζει το ήμισυ των αναγκών του Ηνωμένου Βασιλείου. Σε ένα άλλο άρθρο, οι ερευνητές του τμήματος τεχνητής νοημοσύνης του Facebook χαρακτήρισαν τις περιβαλλοντικές επιπτώσεις της κλιμάκωσης των βιομηχανικών επιδιώξεων “ελέφαντα στο δωμάτιο”».

Είναι σαφές ότι, αν θέλουμε να κάνουμε πιο πράσινη την τεχνητή νοημοσύνη, θα πρέπει όλοι να απαιτήσουμε μεγαλύτερη διαφάνεια από τις εταιρείες και σοβαρούς ελέγχους από την πλευρά των κρατών. Όσο προχωρούν αρρύθμιστες αυτές οι νέες βιομηχανίες, τόσο ο προβληματισμός και η καχυποψία για τις επιπτώσεις τους στο περιβάλλον θα διογκώνονται. Παγκοσμίως, αλλά και στην Ευρωπαϊκή Ένωση, παρατηρείται μια αμήχανη στάση απέναντι στις περιβαλλοντικές προκλήσεις της τεχνητής νοημοσύνης. Λίγες μέρες πριν από τις ευρωπαϊκές εκλογές, θα πρέπει να προσπαθήσει κανείς πολύ για να βρει ποιες είναι οι θέσεις των υποψήφιων Ευρωβουλευτών για το περιβαλλοντικό αποτύπωμα των νέων τεχνολογιών. Εμείς οι πολίτες, ωστόσο, έχουμε ψήφο, όπως έχουμε και φωνή. Το παράδοξο είναι ότι νιώθουμε την ίδια στιγμή πανίσχυροι, λόγω των ίδιων των εργαλείων της τεχνητής νοημοσύνης, και ανήμποροι εξαιτίας της περιπλοκότητας και της κλίμακας της περιβαλλοντικής κρίσης. Για να βγούμε από αυτή την άχαρη θέση, θα χρειαστεί να πιέσουμε για δύο πράγματα: για ποιοτικότερη ενημέρωση και περισσότερη πράσινη τεχνολογία.

ΔΙΑΒΑΣΤΕ ΑΚΟΜΗ

© 2020-2024 – RealVoice 99.5 All Rights Reserved.  Κατασκευή ιστοσελίδας

Χρησιμοποιούμε cookies για να σου προσφέρουμε μία προσωποποιημένη εμπειρία καθώς και για την ανάλυση της επισκεψιμότητάς μας. ΑΠΟΔΟΧΗ Μάθε περισσότερα