บริษัท AI ชาวฝรั่งเศส Mistral ได้เผยแพร่การตรวจสอบสิ่งแวดล้อมที่ครอบคลุมครั้งแรกของโมเดลภาษาขนาดใหญ่ โดยให้ข้อมูลที่เป็นรูปธรรมเกี่ยวกับผลกระทบต่อสิ่งแวดล้อมของ AI การศึกษานี้ดำเนินการร่วมกับบริษัทที่ปรึกษาด้านความยั่งยืน Carbone 4 และ French Agency for Ecological Transition โดยตรวจสอบโมเดล Large 2 ของ Mistral ในช่วง 18 เดือนแรกของการดำเนินงาน
ผลการศึกษาท้าทายข้อสมมติทั่วไปเกี่ยวกับอันตรายต่อสิ่งแวดล้อมของ AI แม้ว่าตัวเลขรวมจะดูมีนัยสำคัญ แต่ผลกระทบต่อการสืบค้นแต่ละครั้งกลับเล่าเรื่องราวที่แตกต่างซึ่งได้จุดประกายการถ่ายทอดอย่างเข้มข้นในชุมชนเทคโนโลยี
 |
|---|
| การตรวจสอบผลกระทบต่อสิ่งแวดล้อมของ Mistral เผยให้เห็นรอยเท้าคาร์บอนที่เกี่ยวข้องกับการดำเนินงานของ AI ก่อให้เกิดการถกเถียงเกี่ยวกับต้นทุนด้านสิ่งแวดล้อม |
การสืบค้น AI แต่ละครั้งมีผลกระทบต่อสิ่งแวดล้อมที่น้อยอย่างน่าประหลาดใจ
การตรวจสอบพบว่าการสั่งงาน AI ครั้งเดียวที่สร้างประมาณ 400 โทเค็น (ประมาณหนึ่งหน้ากระดาษของข้อความ) ผลิต CO2 เพียง 1.14 กรัมและใช้น้ำ 45 มิลลิลิตร เพื่อให้เข้าใจได้ง่าย นี่เทียบเท่ากับการดูวิดีโอสตรีมมิ่งในสหรัฐอเมริกา 10 วินาที หรือนั่งในการประชุม Zoom เป็นเวลา 4-27 วินาที
การอภิปรายในชุมชนได้เน้นให้เห็นว่าตัวเลขเหล่านี้เปรียบเทียบได้ดีกับกิจกรรมดิจิทัลในชีวิตประจำวันหลายอย่าง การวิเคราะห์หนึ่งชี้ให้เห็นว่าการเขียนอีเมลเป็นเวลา 10 นาทีที่มีผู้อ่าน 100 คนจะสร้างการปล่อยมลพิษเทียบเท่ากับการสั่งงาน AI 22.8 ครั้ง สิ่งนี้ทำให้ผู้ใช้บางคนตั้งคำถามว่าความกังวลด้านสิ่งแวดล้อมรอบการใช้งาน AI นั้นเป็นสัดส่วนกับผลกระทบที่เกิดขึ้นจริงหรือไม่
ต้นทุนสิ่งแวดล้อมต่อการสอบถามแต่ละครั้ง
- การปล่อย CO2: 1.14 กรัมต่อพรอมต์ 400 โทเค็น
- การใช้น้ำ: 45 มิลลิลิตรต่อพรอมต์
- กิจกรรมที่เทียบเท่า: การสตรีมวิดีโอใน US 10 วินาที, การโทร Zoom 4-27 วินาที
ต้นทุนด้านสิ่งแวดล้อมที่แท้จริงอยู่ที่การฝึกอบรมและขนาด
แม้ว่าการสืบค้นแต่ละครั้งจะดูเจียมเนื้อเจียมตัว แต่ผลกระทบสะสมกลับเล่าเรื่องราวที่แตกต่าง ในช่วง 18 เดือน การดำเนินงานของ Mistral สร้างการปล่อย CO2 20.4 กิโลตัน - เทียบเท่ากับรถยนต์ 4,500 คันที่วิ่งเป็นเวลาหนึ่งปี - และใช้น้ำ 281,000 ลูกบาศก์เมตร ซึ่งเพียงพอที่จะเติมสระว่ายน้ำโอลิมปิก 112 สระ
การตรวจสอบเผยให้เห็นว่า 85.5% ของการปล่อย CO2 และ 91% ของการใช้น้ำเกิดขึ้นระหว่างการฝึกอบรมโมเดลและการดำเนินการอนุมาน มากกว่าจากการก่อสร้างโครงสร้างพื้นฐานหรืออุปกรณ์ของผู้ใช้ปลายทาง การค้นพบนี้ได้จุดประกายการถกเถียงว่าต้นทุนด้านสิ่งแวดล้อมควรมองว่าเป็นค่าใช้จ่ายการฝึกอบรมครั้งเดียวที่แบ่งปันระหว่างผู้ใช้ทุกคน หรือเป็นส่วนหนึ่งของแนวโน้มที่เร่งตัวขึ้น
ผลกระทบต่อสิ่งแวดล้อมของ Mistral Large 2 (18 เดือน)
- การปล่อย CO2: 20.4 กิโลตัน (เทียบเท่ากับรถยนต์ 4,500 คัน/ปี)
- การใช้น้ำ: 281,000 ลูกบาศก์เมตร (112 สระว่ายน้ำโอลิมปิก)
- สัดส่วนการฝึกฝน/การอนุมาน: 85.5% ของการปล่อย CO2, 91% ของการใช้น้ำ
ชุมชนถกเถียงเรื่องขนาดและการเติบโตในอนาคต
การอภิปรายในชุมชนเทคโนโลยีได้เน้นไปที่คำถามเรื่องความสามารถในการขยายขนาดอย่างหนัก ในขณะที่บางคนโต้แย้งว่าการใช้งาน AI ในปัจจุบันแสดงถึงเศษเสี้ยวเล็กๆ ของการปล่อยมลพิษทั่วโลก - อาจเป็นเพียง 0.000026% ของการผลิตก๊าซเรือนกระจกทั่วโลก - คนอื่นๆ ชี้ไปที่การคาดการณ์การเติบโตอย่างรวดเร็วที่อาจเปลี่ยนแปลงการคำนวณนี้อย่างมาก
ChatGPT เพิ่มจาก 0 เป็น 100 ล้านผู้ใช้ภายในหลายเดือน โดยทุกคนส่งการสืบค้นหลายร้อยครั้ง
การถกเถียงได้ทวีความรุนแรงขึ้นรอบการขยายโครงสร้างพื้นฐาน โดยผู้ประกอบการรายใหญ่กำลังสร้างศูนย์ข้อมูล AI ขนาด 10 กิกะวัตต์ ที่ประมาณ 1 กิโลวัตต์ต่อ GPU นี่แสดงให้เห็นขนาดการปรับใช้ที่เกินกว่าการประมาณการปัจจุบันมาก อาจเกี่ยวข้องกับหน่วยประมวลผลหลายล้านหน่วยสำหรับบริษัทเดียว
การเปรียบเทียบกับการศึกษาอื่น ๆ
- UC Riverside (GPT-3): ใช้น้ำประมาณ 17 มิลลิลิตรต่อการตอบกลับหนึ่งครั้ง
- วารสาร Nature (ChatGPT): ปล่อยคาร์บอนไดออกไซด์เฉลี่ย 2.2 กรัมต่อการสอบถามหนึ่งครั้ง
- Mozilla Foundation: การปล่อยมลพิษจากการโทร Zoom เทียบเท่ากับช่วงเวลา 4-27 วินาที
เรียกร้องให้มีความโปร่งใสทั่วทั้งอุตสาหกรรม
การตรวจสอบของ Mistral แสดงถึงการมองเห็นที่หายากเข้าไปในข้อมูลสิ่งแวดล้อม AI ที่แท้จริง เนื่องจากบริษัท AI รายใหญ่ส่วนใหญ่ไม่ได้เผยแพร่การประเมินสิ่งแวดล้อมที่ครอบคลุม วิธีการศึกษาของการศึกษานี้ปฏิบัติตามแนวทางของรัฐบาลฝรั่งเศสและผ่านการตรวจสอบโดยผู้เชี่ยวชาญ ทำให้เกิดความน่าเชื่อถือต่อผลการศึกษา
อย่างไรก็ตาม ผู้เชี่ยวชาญสังเกตข้อจำกัดในข้อมูล รวมถึงช่องว่างด้านวิธีการที่สำคัญและการประมาณการสำหรับผลกระทบวงจรชีวิตของ GPU ความหวังคือบริษัท AI อื่นๆ จะตามรอยของ Mistral ซึ่งอาจช่วยให้สามารถสร้างระบบให้คะแนนสิ่งแวดล้อมเพื่อช่วยผู้ใช้ระบุโมเดลที่มีประสิทธิภาพสูงสุด
การตรวจสอบมาถึงในช่วงเวลาสำคัญขณะที่การนำ AI มาใช้เร่งตัวขึ้นทั่วโลก แม้ว่าการใช้งานส่วนบุคคลอาจดูเจียมเนื้อเจียมตัวด้านสิ่งแวดล้อม แต่การขยายขนาดอย่างรวดเร็วของเทคโนโลยีทำให้เกิดคำถามเกี่ยวกับผลกระทบสะสมที่อุตสาหกรรมเพิ่งเริ่มจัดการผ่านข้อมูลที่เป็นรูปธรรมและความคิดริเริ่มด้านความโปร่งใส
อ้างอิง: Mistral's new environmental audit shows how much AI is hurting the planet