8 sätt AI-tekniker skadar miljön

Med AI-loppet som går snabbare än någonsin oroar sig många för hur dessa tekniker kommer att påverka ekosystemet. AI-användningen fortsätter att öka. Tillsammans med det kommer dess koldioxidavtryck bara att förvärras om utvecklare, slutanvändare och reglerande organ fortsätter att rycka bort sig från dess miljöpåverkan.

Som sagt, hållbar massadoption är fortfarande möjlig. Men individer och organisationer måste arbeta tillsammans för att lösa hur AI skadar miljön.

Viktiga takeaways

• AI-datorer förbrukar enorma mängder energi, vilket bidrar till dess stora koldioxidavtryck. Utvecklare och användare bör vara medvetna om miljöpåverkan och överväga mer hållbara metoder.
• Den snabba utvecklingen inom AI bevarar en engångskultur, vilket leder till slösaktig resursförbrukning. Konsumenter bör undvika onödiga köp och företag bör prioritera meningsfulla innovationer.
• Det finns för närvarande inget centralt styrande organ som reglerar AI-användning och utveckling, vilket lämnar ekologiska problem längst ner på prioriteringslistan. Samarbete mellan myndigheter och miljögrupper är nödvändigt för att minimera miljöpåverkan från AI.
  instagram viewer

1. AI Computing kräver enorm energi

Den främsta boven bakom generativ AI: s stora koldioxidavtryck är dess strömförbrukning. Ta chatbots som exempel. ChatGPT: s höga tokengräns och snabb insatsbearbetning har enorma energibehov. De flesta användare inser inte vilka resurser som krävs för varje sökfråga – de översvämmer sinneslöst chatbots med slumpmässiga uppmaningar.

Semianalys gjort en kostnadsmodell av ChatGPT. De säger att OpenAI kör 3 617 HGX A100-servrar för att svara på de miljontals uppmaningar som ChatGPT får dagligen.

Varje server förbrukar 3 000 wattimmar om de liknar Nvidia HGX A100. Så för att 3 617 enheter ska fungera 24/7, behöver de hela 95 054 760 000 wattimmar eller 95 054,76 megawattimmar per år. Som referens, New York City använder 5 500 till 10 000 megawattimmar dagligen.

AI: s snabba tillväxt vidmakthåller en engångskultur. Tekniska konsumenter pressas att skaffa de senaste systemen på marknaden, oavsett om de behöver det eller inte. Vissa förstår knappt ens dessa prylar. De strävar efter "nästa stora sak" eftersom företag lovar nya och störande funktioner.

Genom att ge efter för denna ohållbara livsstil gör konsumenter det möjligt för tekniska ledare att kontrollera efterfrågan på AI-plattformar. Resurser slösas bort på överflödiga verktyg som ger försumbara fördelar.

Ta ChatGPT, till exempel. Miljontals utvecklare utnyttjade dess boom genom att släppa sina AI-drivna chatbots. Medan tekniska ledare som Microsoft, Meta och Google byggde innovativa språkmodeller, hoppade de flesta företag bara på trenden.

Undvik att ladda ner overifierade AI-chatbotar online. Hackare använder falska ChatGPT-appar att lura användare att avslöja personlig information och betala orimliga prenumerationsavgifter.

3. Inget centralt styrande organ reglerar användning och utveckling av AI

AI: s snabba framsteg överträffar styrande riktlinjer och restriktioner. Även globala teknikledare gillar Sam Altman, OpenAI: s vd, kräver striktare AI-reglerande ingripanden att styra kraftfulla modeller. För närvarande övervakar och reglerar ingen enskild myndighet AI-aktiviteter.

Men även om statliga organ börjar ta itu med AI-relaterade risker, kommer ekologiska skador att ligga längst ner på deras lista. De kommer sannolikt att prioritera AI-hallucinationer, etiska kränkningar och integritetshot. Även om de är lika viktiga bör dessa frågor inte överskugga de negativa ekologiska effekterna av AI.

Regeringen måste samarbeta med miljögrupper för att övervaka teknikföretag. De skulle kunna minimera koldioxidavtrycket för AI-utvecklare genom att reglera deras strömförbrukning, kasseringsmetoder och mineralutvinning.

4. AI-drivna jordbruksinsatser prioriterar avkastning framför ekosystemhälsa

Jordbrukssektorerna undersöker sätt att integrera AI-baserade system i jordbruket. Strategisk implementering kan hjälpa till att maximera grödans tillväxt, automatisera manuellt arbete och bekämpa naturkatastrofer samtidigt som omkostnader minimeras. Agricultural AI är en växande bransch. Market.us förutspår till och med att den globala marknadsstorleken kommer att överstiga 10,2 miljarder dollar år 2032.

Men trots dessa fördelar förbiser agricultural AI fortfarande den enorma strömförbrukningen för att träna och bygga dessa system. Att prioritera höga skördar och effektiva skördemetoder äventyrar ekosystemet. I denna takt kan AI oavsiktligt främja intensiva jordbruksmetoder som förstör och torkar ut mark.

5. Utbildning AI kräver provning och fel

Att träna AI-drivna plattformar på miljarder parametrar kräver enorma resurser. Mellan att förbereda datamängder för att skrapa och mata in dem i AI-modeller kan processen lätt tömma miljontals wattimmar.

Datatestning består också av rigorösa försök och fel. Utvecklare kommer att fortsätta att konsumera enorma energiresurser när de utvecklar modelliterationer, felsöker problem och åtgärdar felaktigheter.

Låt oss ta ChatGPT som ett exempel. A studie av Cornell University visar OpenAI förbrukade 405 V100 GPU år av energi för att träna GPT-3 på 175 miljarder parametrar. Enklare uttryckt skulle en V100 GPU ta 405 år att bygga ChatGPT.

Förutsatt att OpenAI använder något liknande Nvidia V100 GPU: er, som förbrukar 300 wattimmar, 405 års strömförbrukning motsvarar 1 064 340 000 wattimmar. Som referens, de flesta hushåll förbrukar 30 000 wattimmar per dag. Så energin som OpenAI använde för att träna ChatGPT från början kunde driva 35 478 hus under 24 timmar.

Hårdvaran som används för att bygga, träna och kommersialisera AI-program består av olika jordmetaller. Ta GPU: er som ett exempel. Att tillverka dem kräver koppar, tenn, silver och zink, bland andra råvaror, och teknikföretag behöver tusentals grafikprocessorer för att underhålla AI-system.

Utvecklare bör utforska alternativa metoder för att anskaffa råvaror. Annars kommer skadliga gruvaktiviteter bara att eskalera när efterfrågan på AI-relaterad hårdvara ökar. Även de största gruvorna skulle gå torra efter flera decennier.

7. Potentiell trafikstockning

AI kan bygga en mer energieffektiv, smart framtid för bilindustrin. En studie av International Journal of Environmental Research and Public Health uppger att självkörande bilar ger 50 till 100 procent mindre koldioxidutsläpp än traditionella fordon. Biltillverkare över hela världen kommer gradvis att integrera AI i sina enheter.

Även om de är bränslesnåla ökar uppkomsten av AI-styrda bilar också trafikstockningarna i tätbefolkade städer. Privata fordon kommer att fortsätta att vara fler än kollektivtrafikknutpunkter. A longitudinell undersökning av University of Adelaide säger att konsumenter skulle föredra att köpa förarlösa bilar framför pendling eller fordonsdelning.

8. AI Evolution ökar e-avfall

AI utvecklas snabbt eftersom utvecklare fortsätter att släppa nya hård- och mjukvaruprodukter. De vill alla dominera den globala marknaden först. Tyvärr bidrar det till samhällets växande e-avfallsproblem att driva störande teknik. Kom ihåg: att underhålla AI-system kräver tusentals GPU: er och servrar, varav de flesta inte kan återvinnas.

Världen räknas rapporterar att 85 procent av e-avfallet går till deponier och förbränningsanläggningar, och 70 procent innehåller giftiga ämnen. AI-utvecklare bör utforska mer hållbara kasseringsmetoder. Ekologiska metoder som att minska fossilbränsleförbrukningen, förlänga hårdvarans livscykler och designa återvinningsmetoder kommer att se över industrin.

Är AI dåligt för miljön?

Trots de skadliga miljöeffekterna av AI är det inte i sig ohållbart. De flesta av ovanstående problem härrör från hur människor designar, programmerar, implementerar och hanterar AI-driven teknik. Teknikföretag bör sluta offra ekologiska metoder för snabba framsteg. Ens att nå toppen av artificiell allmän intelligens kommer inte att rättfärdiga att uttömma jordens naturresurser.

Företag måste också prioritera miljövänlig teknik. AI: s affärs-, kommersiella och industriella tillämpningar överskuggar dess potential att hjälpa miljön. Branschen är redan översvämmad av slumpmässiga AI-appar och verktyg. Men inte tillräckligt många utvecklare intresserar sig för att utnyttja AI för resursbevarande och klimatförändringar.