Миллиарды вопросов — миллиарды киловатт: как чат-боты разогревают планету
Развитие искусственного интеллекта воспринимается как шаг в будущее, но за быстрыми ответами чат-ботов скрывается огромная энергетическая цена. Чтобы модели могли обучаться и работать, требуются серверные фермы с тысячами процессоров, и их аппетит к электричеству растёт с каждым поколением технологий.
Откуда берётся ненасытность ИИ
Процесс обучения нейросетей — одна из самых затратных стадий. Для запуска GPT-4 понадобилось около 50 гигаватт-часов электроэнергии — это примерно столько же, сколько Сан-Франциско потребляет за три дня. Другие модели, например BLOOM или GPT-3, показали сопоставимые или ещё более высокие значения. Причина проста: чем больше параметров, тем выше точность, а значит, больше нагрузки на оборудование и больше энергозатраты.
Серверные кластеры состоят из сотен графических процессоров, работающих непрерывно неделями. Дата-центры, где они расположены, нуждаются в постоянном охлаждении и сами становятся важными потребителями электричества.
Почему даже один запрос требует ресурсов
После завершения обучения модели продолжают потреблять энергию при каждом запросе. На отдельном уровне это незаметно, но миллиарды обращений ежедневно превращают процесс в серьёзный фактор для мировой энергетики. Только ChatGPT обрабатывает более 2,5 млрд запросов в день, и каждый из них требует работы серверов.
В США дата-центры уже потребляют около 4,4% всей электроэнергии. К 2030 году эта цифра может удвоиться. В мировом масштабе ИИ-технологии отвечают примерно за 1,5% глобального энергопотребления.
Сравнение энергозатрат
| Модель | Энергопотребление при обучении | Пример сравнения |
|---|---|---|
| GPT-4 | ≈ 50 ГВт·ч | 3 дня энергопотребления Сан-Франциско |
| BLOOM | 433 МВт·ч | Энергия для 40 000 домов на месяц |
| GPT-3 | ~ в 3 раза больше BLOOM | Потребление небольшого города |
А что если ИИ внедрят во все сервисы?
Представьте, что каждая поисковая система и голосовой ассистент работают на уровне ChatGPT. По оценке SemiAnalysis, только для Google потребуется свыше 500 000 серверов. Энергозатраты будут сопоставимы с годовым потреблением Ирландии.
Плюсы и минусы
| Плюсы | Минусы |
|---|---|
| Развитие алгоритмов и улучшение точности | Рост глобального энергопотребления |
| Новые возможности для бизнеса | Увеличение нагрузки на инфраструктуру |
| Потенциал для оптимизации | Угроза экологическому балансу |
FAQ
Почему ИИ потребляет так много энергии?
Потому что обучение требует обработки гигантских массивов данных и работы тысяч процессоров.
Что дороже по энергии: обучение или использование?
Обучение требует огромных затрат сразу, но при массовых запросах инференс может обгонять по суммарному потреблению.
Можно ли сделать ИИ экологичнее?
Да, за счёт лёгких моделей, оптимизации алгоритмов и применения возобновляемой энергии.
Мифы и правда
-
Миф: запрос к чат-боту почти ничего не стоит.
-
Правда: миллиарды запросов ежедневно складываются в огромные энергозатраты.
-
Миф: проблема решится новыми дата-центрами.
-
Правда: без алгоритмических улучшений потребление будет расти.
-
Миф: чем больше модель, тем всегда лучше результат.
-
Правда: эффективность можно достичь и через оптимизацию, а не только через рост параметров.
3 интересных факта
- В Google за 2019-2021 годы до 60% энергопотребления ИИ пришлось на фазу инференса.
- Парадокс Джевонса показывает: чем эффективнее технология, тем активнее ею пользуются.
- Дата-центры уже сопоставимы по энергопотреблению с целыми государствами.
Исторический контекст
С XIX века человечество сталкивается с одним и тем же закономерным результатом: каждое повышение эффективности ведёт к росту потребления. Сегодня этот принцип проявляется в искусственном интеллекте. Если паровые машины подталкивали к росту добычи угля, то алгоритмы ИИ подталкивают к росту запросов и вычислений. Будущее технологий будет зависеть не только от инженеров, но и от того, как ответственно мы будем их использовать.
