Nachrichten über ChatGPT waren in den letzten Monaten überall, von seinem Potenzial, von Studenten zum Schreiben von Aufsätzen verwendet zu werden, bis hin zu seiner Verwendung zur Verbreitung von Fehlinformationen. Modelle der künstlichen Intelligenz (KI) wie ChatGPT haben auch das Potenzial, uns dabei zu helfen, riesige Mengen an Klimadaten zu verarbeiten und neue Ansätze zur Lösung der Klimakrise zu finden. Erst diese Woche gaben Professorinnen und Professoren der Universität Zürich die Lancierung von bekannt chatIPCC, ein Chatbot, der entwickelt wurde, um genaue und zuverlässige Informationen zum Klimawandel bereitzustellen, der auf der robusten und umfassenden wissenschaftlichen Literatur basiert, die vom IPCC bewertet wurde.

Wie auch immer es verwendet wird, KI erfordert jedoch enorme Mengen an Rechenleistung, insbesondere um ein neues Modell zu trainieren, was einen hohen Energieverbrauch und die damit verbundenen Emissionen bedeutet.

Abschätzung des COXNUMX-Fußabdrucks von KI

KI ist ein relativ neues Kind auf dem Markt, und wir wissen immer noch nicht viel über ihre COXNUMX-Auswirkungen als Sektor. Einzelne Unternehmen haben versucht, die Auswirkungen ihrer Modelle abzuschätzen, was uns ein Gefühl dafür gibt, wie machthungrig sie sein können.

Jüngste Studien von Hugging Face in den Fußabdruck seines BLOOM-Modells (ein Konkurrent von ChatGPT) schätzte, dass das Training seines Modells zu 25 Tonnen Emissionen führte, wobei weitere 25 Tonnen aus der Produktion der Computerhardware stammen, die zum Bau und Trainieren des Modells benötigt wird, und die Energie, die erforderlich ist, um BLOOM nach dem Training tatsächlich auszuführen. Das entspreche etwa 60 Flügen zwischen London und New York, heißt es MIT Technology Review.

Sobald es vollständig trainiert ist, sinkt die Auswirkung ziemlich deutlich – auf etwa 19 kg CO2e pro Tag – da das Verarbeitungsniveau weitaus weniger intensiv ist. Modelle müssen jedoch regelmäßig umgeschult und aktualisiert werden, um auf dem neuesten Stand zu bleiben. Ein 2019 gebautes Modell wüsste beispielsweise nichts über die Covid-19-Pandemie und würde ohne Zugang zu den neuesten Informationen falsche Annahmen treffen.

Die Emissionen variieren zwischen den KI-Modellen

KI-Modelle sind nicht alle gleich. BLOOM wurde auf einem französischen Supercomputer trainiert, der hauptsächlich mit Kernenergie betrieben wird. Folglich kann seine Stellfläche nur ein Zehntel der Stellfläche von Konkurrenzmodellen betragen. Hugging Face schätzt, dass das Training von ChatGPT 500 Tonnen Emissionen verursachte, da es auf älterer, energieintensiverer Hardware in einem anderen Land mit weniger kohlenstoffarmen Energiequellen trainiert wurde. In der Zwischenzeit könnten die Emissionen von Metas OPT näher an der Region von 75 Tonnen liegen, basierend auf der Technologie, die es bekanntermaßen verwendet, schätzt das Unternehmen. Es gibt keine Daten über ihren Energieverbrauch, wenn das Training beendet ist und sie in Gebrauch gehen.

Da die Technologie immer effizienter wird und die Länder auf sauberere Energie umsteigen, könnten die Auswirkungen der KI nachlassen. Die Menge an Daten, die wir verarbeiten möchten, nimmt jedoch mit einer phänomenalen Geschwindigkeit zu. GPT-3, ein Schwestermodell von ChatGPT (ebenfalls von OpenAI entwickelt), arbeitet mit 175 Milliarden Variablen. Die vorherige Version verbrauchte nur 1.5 Milliarden.

KI und Klimamodellierung

Einige dieser Daten könnten von großem Nutzen sein. KI kann uns helfen, unsere Klimamodellierung zu stärken, sodass wir bessere Vorhersagen darüber treffen können, wie wir verschiedene Sektoren dekarbonisieren und welche Auswirkungen schnelleres oder langsameres Fahren hat. Es kann uns auch helfen, Wettermuster und die Wahrscheinlichkeit extremer Wetterereignisse genauer vorherzusagen. Prof. Felix Creutzig vom Mercator Research Institute on Global Commons and Climate Change in Berlin schlägt vor, dass es uns auch helfen könnte, Wärmeinseln in unseren Städten zu modellieren und zu identifizieren, wo das Hinzufügen von Baumbedeckung oder Änderungen am Gebäudedesign helfen kann, die Temperaturen zu senken.

Schwierige Entscheidungen voraus

Wir haben immer noch kein vollständiges Verständnis dafür, wie viel Energie KI-Modelle verbrauchen und wie viele Emissionen sie produzieren. Es wird jedoch bereits deutlich, dass wir anfangen müssen, über einige der möglichen Kompromisse nachzudenken, die eingegangen werden müssen. Es kann sich lohnen, enorme Energiemengen zu verwenden, um ein neues Klimamodell zu erstellen, das uns die Daten liefert, die wir benötigen, um Maßnahmen zur Reduzierung von Emissionen zu ergreifen. Die Verarbeitung anderer Daten, zB zur kontinuierlichen Verbesserung der Qualität von Empfehlungen auf Shopping- oder Streaming-Plattformen, halten wir möglicherweise für nicht so ohne Weiteres für vertretbar. Im letzteren Fall halten wir es möglicherweise für viel besser, die bereits vorhandenen Modelle weiter zu verbessern.

Es gibt auch Vorschläge, dass wir darüber nachdenken müssen, wo und wie diese Modelle betrieben werden, nicht nur um die effizienteste Technologie oder die kohlenstoffärmsten Energieformen zu nutzen, sondern vielleicht auch zu Zeiten, in denen die Nachfrage nach Strom am niedrigsten ist.

KI muss keinen immer größeren Einfluss haben; sein Fußabdruck könnte sinken und seine positiven Anwendungen erblühen. Wir müssen jedoch ständig versuchen, mehr über seinen Fußabdruck zu erfahren, sodass große Technologieunternehmen gezwungen sind, Wege zu finden, diesen Fußabdruck zu verringern.

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoAiStream. Web3-Datenintelligenz. Wissen verstärkt. Hier zugreifen.
• Die Zukunft prägen mit Adryenn Ashley. Hier zugreifen.
• Quelle: https://carbonliteracy.com/the-carbon-cost-of-ai/?utm_source=rss&utm_medium=rss&utm_campaign=the-carbon-cost-of-ai