H πραγματοποίηση του ονείρου της βιομηχανίας για «τεχνητή νοημοσύνη παντού» θα δημιουργούσε έναν κόσμο εξαρτημένο από μια τεχνολογία που εκτός των άλλων προβλημάτων που εμπεριέχει διαθέτει επίσης ένα τρομερό και συνεχώς αυξανόμενο περιβαλλοντικό αποτύπωμα.
Η τεχνητή νοημοσύνη έχει εισβάλει στη ζωή του σύγχρονου κόσμου και μαζί με τις εντυπωσιακές της ικανότητες αναδεικνύονται μια σειρά από υπαρκτούς αλλά και δυνητικούς κινδύνους που υπάρχουν από τη συνεχή και ανεξέλεγκτη μέχρι στιγμής ανάπτυξη των τεχνολογιών ΑΙ. Ο Βρετανός δημοσιογράφος και συγγραφέας Τζον Νόουτον πραγματοποίησε μια έρευνα για μια αρνητική πλευρά της τεχνητής νοημοσύνης που τώρα αναδεικνύεται και είναι η αρνητική της επίπτωση στο περιβάλλον.
Οι υπολογιστές απαιτούν ηλεκτρισμό και οι απαραίτητες GPU (μονάδες επεξεργασίας γραφικών) λειτουργούν πολύ ζεστά (και επομένως χρειάζονται ψύξη) η τεχνολογία καταναλώνει ηλεκτρική ενέργεια σε κολοσσιαία επίπεδα. Αυτό με τη σειρά του σημαίνει εκπομπές διοξειδίου του άνθρακα σε τεράστια κλίμακα. Η παγκόσμια βιομηχανία και γενικότερα το πολιτικό σύστημα διεθνώς είναι εξαιρετικά διστακτικό να αντιμετωπίσει το πρόβλημα και παριστάνει ότι κρύβεται πίσω από την προώθηση εναλλακτικών και φιλικών στο περιβάλλον πηγών παραγωγής ενέργειας.
Σύμφωνα με τον Νόουτον το συμπέρασμα είναι σαφές: η πραγματοποίηση του ονείρου της βιομηχανίας για «τεχνητή νοημοσύνη παντού» (όπως έχει αναφέρει ως στόχο το αφεντικό της Google) θα δημιουργούσε έναν κόσμο εξαρτημένο από μια τεχνολογία που εκτός των άλλων προβλημάτων που εμπεριέχει διαθέτει επίσης ένα τρομερό και συνεχώς αυξανόμενο περιβαλλοντικό αποτύπωμα. Δεν πρέπει να δώσουμε περισσότερη προσοχή σε αυτό;
Αλλά η εκπαίδευση είναι μόνο μία φάση στον κύκλο ζωής του κλάδου της γενετικής τεχνητής νοημοσύνης που μπήκε πριν από ένα χρόνο στη ζωή μας. Κατά μία έννοια, θα μπορούσατε να θεωρήσετε αυτές τις εκπομπές ως περιβαλλοντικό κόστος εφάπαξ. Τι θα συμβεί όμως όταν η τεχνητή νοημοσύνη τεθεί σε ευρεία λειτουργία επιτρέποντας σε εκατοντάδες εκατομμύρια ή ίσως δισεκατομμύρια χρήστες να αλληλεπιδρούν μαζί της;
Στη γλώσσα της βιομηχανίας, αυτή είναι η φάση του «συμπεράσματος», η στιγμή που ζητάτε από ένα πρόγραμμα ΑΙ να «δημιουργήσει μια εικόνα του Ρίσι Σούνακ να δίνει μια ανθοδέσμη στον Ελον Μασκ ενώ αυτό κάνει αναρτήσεις emojis με το τηλέφωνό του». Αυτό το αίτημα ενεργοποιεί αμέσως τη λειτουργία υπολογιστών σε κάποιο μακρινό κέντρο διακομιστών. Ποιο είναι το αποτύπωμα άνθρακα αυτής της συγκεκριμένης κίνησης και ποιο είναι το αποτύπωμα από εκατομμύρια τέτοιες κινήσεις κάθε λεπτό. Τι θα δημιουργήσει ένας κόσμος που η τεχνητή νοημοσύνη είναι πανταχού παρούσας;
Η πρώτη συστηματική προσπάθεια εκτίμησης του αποτυπώματος της φάσης συμπερασμάτων δημοσιεύτηκε τον περασμένο μήνα και οδηγεί σε κάποιο βαθμό στην απάντηση σε αυτό το ερώτημα. Οι ερευνητές συνέκριναν το τρέχον κόστος συμπερασμάτων διαφόρων κατηγοριών συστημάτων μηχανικής μάθησης (88 συνολικά), που καλύπτουν συγκεκριμένες εργασίες (δηλαδή βελτιωμένα μοντέλα που εκτελούν μία εργασία) και μοντέλα γενικού σκοπού όπως το ChatGPT , Claude, Llama κλπ εκπαιδευμένοι για πολλαπλές εργασίες).
Τα ευρήματα είναι διαφωτιστικά. Οι παραγωγικές εργασίες (δημιουργία κειμένου, σύνοψη, δημιουργία εικόνων και λεζάντες) είναι αναμενόμενα πιο εντατικές σε ενέργεια και εκπομπή άνθρακα σε σύγκριση με τις εργασίες περισσότερο «διακριτικής μεταχείρισης».
Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον ΚόσμοΑκολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Ακολουθήστε το healthweb.gr στο κανάλι μας στο YouTube
