Syarikat AI Perancis Mistral telah mengeluarkan audit alam sekitar komprehensif pertama bagi model bahasa besar, menyediakan data konkrit mengenai impak alam sekitar AI. Kajian ini, yang dijalankan dengan kerjasama syarikat perundingan kelestarian Carbone 4 dan French Agency for Ecological Transition , meneliti model Large 2 milik Mistral sepanjang 18 bulan pertama operasinya.
Penemuan ini mencabar andaian biasa mengenai kemudaratan alam sekitar AI. Walaupun angka agregat kelihatan signifikan, impak setiap pertanyaan menceritakan kisah berbeza yang telah mencetuskan perdebatan sengit dalam komuniti teknologi.
 |
|---|
| Audit alam sekitar Mistral mendedahkan jejak karbon yang berkaitan dengan operasi AI, mencetuskan perdebatan mengenai kos alam sekitarnya |
Pertanyaan AI Individu Mempunyai Impak Alam Sekitar Yang Mengejutkan Kecil
Audit mendapati bahawa satu gesaan AI yang menghasilkan kira-kira 400 token (lebih kurang satu halaman teks) menghasilkan hanya 1.14 gram CO2 dan menggunakan 45 mililiter air. Untuk meletakkan ini dalam perspektif, ini bersamaan dengan menonton 10 saat video streaming di AS, atau duduk dalam panggilan Zoom selama 4-27 saat.
Perbincangan komuniti telah menyerlahkan bagaimana angka-angka ini dibandingkan secara baik dengan banyak aktiviti digital harian. Satu analisis menyatakan bahawa menulis e-mel 10 minit yang dibaca oleh 100 penerima menghasilkan pelepasan bersamaan dengan 22.8 gesaan AI. Ini telah menyebabkan sesetengah pengguna mempersoalkan sama ada kebimbangan alam sekitar mengenai penggunaan AI adalah berkadar dengan impak sebenar.
Kos Alam Sekitar Setiap Pertanyaan
- Pelepasan CO2: 1.14 gram setiap prompt 400-token
- Penggunaan air: 45 mililiter setiap prompt
- Aktiviti setara: 10 saat penstriman video US , 4-27 saat panggilan Zoom
Kos Alam Sekitar Sebenar Terletak Pada Latihan Dan Skala
Walaupun pertanyaan individu kelihatan sederhana, impak kumulatif menceritakan kisah yang berbeza. Sepanjang 18 bulan, operasi Mistral menghasilkan 20.4 kilotan pelepasan CO2 - bersamaan dengan 4,500 kereta berjalan selama setahun - dan menggunakan 281,000 meter padu air, cukup untuk mengisi 112 kolam renang Olimpik.
Audit mendedahkan bahawa 85.5% pelepasan CO2 dan 91% penggunaan air berlaku semasa latihan model dan operasi inferens, bukannya daripada pembinaan infrastruktur atau peralatan pengguna akhir. Penemuan ini telah mencetuskan perdebatan mengenai sama ada kos alam sekitar harus dilihat sebagai perbelanjaan latihan sekali sahaja yang dikongsi di antara semua pengguna, atau sebagai sebahagian daripada trend yang semakin pesat.
Impak Alam Sekitar Mistral Large 2 (18 bulan)
- Pelepasan CO2: 20.4 kiloton (bersamaan dengan 4,500 kereta/tahun)
- Penggunaan air: 281,000 meter padu (112 kolam renang Olimpik)
- Bahagian latihan/inferens: 85.5% daripada CO2, 91% daripada penggunaan air
Komuniti Memperdehatkan Skala Dan Pertumbuhan Masa Depan
Perbincangan komuniti teknologi telah memberi tumpuan berat kepada persoalan skalabilitas. Walaupun ada yang berhujah bahawa penggunaan AI semasa mewakili sebahagian kecil pelepasan global - berpotensi hanya 0.000026% daripada pengeluaran gas rumah hijau di seluruh dunia - yang lain menunjuk kepada unjuran pertumbuhan pesat yang boleh mengubah pengiraan ini secara dramatik.
ChatGPT berubah daripada 0 kepada 100 juta pengguna dalam beberapa bulan, semuanya menghantar beratus-ratus pertanyaan.
Perdebatan telah meningkat mengenai pengembangan infrastruktur, dengan pengendali utama membina pusat data AI 10-gigawatt. Pada kira-kira 1 kilowatt setiap GPU, ini menunjukkan skala penggunaan jauh melebihi anggaran semasa, berpotensi melibatkan berjuta-juta unit pemprosesan untuk syarikat tunggal.
Perbandingan dengan Kajian Lain
- UC Riverside ( GPT-3 ): ~17ml air setiap prompt
- Jurnal Nature ( ChatGPT ): purata 2.2g CO2 setiap pertanyaan
- Mozilla Foundation : pelepasan panggilan Zoom bersamaan julat 4-27 saat
Seruan Untuk Ketelusan Seluruh Industri
Audit Mistral mewakili pandangan jarang ke dalam data alam sekitar AI sebenar, kerana kebanyakan syarikat AI utama tidak mengeluarkan penilaian alam sekitar yang komprehensif. Metodologi kajian mengikuti garis panduan kerajaan Perancis dan menjalani semakan rakan sebaya, memberikan kredibiliti kepada penemuan.
Walau bagaimanapun, pakar menyatakan batasan dalam data, termasuk jurang metodologi penting dan anggaran untuk impak kitaran hayat GPU. Harapannya ialah syarikat AI lain akan mengikuti jejak Mistral , berpotensi membolehkan penciptaan sistem pemarkahan alam sekitar untuk membantu pengguna mengenal pasti model yang paling cekap.
Audit tiba pada masa kritikal ketika penggunaan AI semakin pesat di seluruh dunia. Walaupun penggunaan individu mungkin kelihatan sederhana dari segi alam sekitar, penskalaan pesat teknologi menimbulkan persoalan mengenai impak kumulatif yang industri baru mula tangani melalui data konkrit dan inisiatif ketelusan.
Rujukan: Mistral's new environmental audit shows how much AI is hurting the planet