ChatGPT verbraucht mehr als 500.000 kWh Strom pro Tag und steckt diese Energie in der Entwicklung der KI?

Der New Yorker berichtete kürzlich, dass ChatGPT mehr als 500.000 Kilowattstunden Strom pro Tag verbraucht, was dem 17.000-fachen eines durchschnittlichen Haushalts in den Vereinigten Staaten entspricht. Elon · Musk hat außerdem vorhergesagt, dass die Energieknappheit in den nächsten zwei Jahren ein wesentlicher Faktor sein wird, der die Entwicklung von KI behindert. Ist dies jedoch wirklich der Fall?

Aktuelle Ansichten zum Stromverbrauch von KI basieren weitgehend auf Schätzungen und nicht auf realen Messungen. In einem von der United States Information Technology and Innovation Foundation (ITIF) veröffentlichten Bericht wird argumentiert, dass einzelne ungenaue Studien den Energieverbrauch von KI erheblich überschätzen, was sich negativ auf die KI-Entwicklung auswirken und das Potenzial der KI, zur Energieeinsparung und Emissionsreduzierung beizutragen, beeinträchtigen könnte Umweltherausforderungen angehen. Branchenakteure fordern mehr Transparenz in der Branche und eine Reduzierung des Missbrauchs von KI-Technologie.

Herausforderungen bei der Bewertung des KI-Energieverbrauchs:

Es gibt viele Einflussfaktoren

ITIF ist eine gemeinnützige Denkfabrik mit Hauptsitz in Washington, USA. Im Bericht „Revisiting Concerns about AI Energy Consumption“ stellt das ITIF fest, dass der Energieverbrauch und die Kohlenstoffemissionen verschiedener KI-Modelle stark variieren und von einer Reihe von Faktoren beeinflusst werden, darunter Chipdesign, Kühlsysteme, Rechenzentrumsdesign, Softwaretechnologie, Arbeitslast, Stromquellen und mehr.

Daher gehen die Schlussfolgerungen verschiedener Studien bei der Schätzung des Energieverbrauchs von KI auseinander. Eine 2019 von einem Team der University of Massachusetts Amherst veröffentlichte Preprint-Studie schätzte, dass BERT, damals das führende große Sprachmodell von Google, während 79 Stunden Training etwa 1.438 Pfund Kohlendioxid (652 Kilogramm) ausstieß, was dem Äquivalent eines Passagiers entspricht, der dazwischen fliegt New York und San Francisco. Die Studie gelangte auch zu ähnlichen Schlussfolgerungen zu Technologien wie der KI-Neural-Architektur-Suche (NAS). Der Artikel wurde fast 3.000 Mal in Google Scholar zitiert und erhielt viel Medienecho.

Unternehmen und Institutionen, die sich mit KI-Forschung und -Entwicklung befassen, sind jedoch zu sehr unterschiedlichen Schlussfolgerungen gekommen. Im Jahr 2021 veröffentlichten Google und die University of California, Berkeley, eine Preprint-Studie, in der festgestellt wurde, dass die Studie die CO2-Emissionen von Googles KI um den Faktor 88 überschätzte. Allerdings erhielt die Studie mit nur etwa 500 Zitaten weitaus weniger Aufmerksamkeit als die erstere. ...

Aufgrund der Tendenz der Medien und der Öffentlichkeit, sich auf negative Informationen zu konzentrieren, ist es wahrscheinlicher, dass Forschungsergebnisse mit überraschenden Schlussfolgerungen verbreitet werden. Die Worte und Taten von Prominenten in der Technologiebranche verstärken auch die Information, dass „KI viel Energie verbraucht“, und Musk hat vorhergesagt, dass „die Faktoren, die die Entwicklung von KI einschränken, sich von ‚Mangel an Silizium‘ zu ändern werden.“ 'Mangel an Strom''; Sam · Altman, CEO von Open AI, sagte auch, dass KI mehr Strom verbrauchen und stark in die Kernfusion investieren werde.

Bewerten Sie den KI-Energieverbrauch

aus eine vollständige Lebenszyklusperspektive

Dem ITIF-Bericht zufolge ist ein Großteil der aktuellen Forschungs- und Politikschwerpunkte auf die KI-Schulung wichtig, mehrere Studien haben jedoch gezeigt, dass KI im Inferenzprozess, also dem Prozess, bei dem Menschen KI zur Ausgabe von Ergebnissen verwenden, energieintensiver ist. Darüber hinaus variiert der Energieverbrauch verschiedener KI-Modelle für verschiedene Arten von Inferenzaufgaben stark. Wenn beispielsweise 1000 Anfragen berechnet werden, beträgt der Stromverbrauch der Bildklassifizierungsaufgabe 0,007 kWh, während der Stromverbrauch der Bildgenerierungsaufgabe 2,907 kWh beträgt.

Die Autoren des Berichts weisen darauf hin, dass die KI-Ausbildung ein einmaliges Ereignis und ihre Nutzung ein langfristiger Prozess sei und dass sich die Diskussion über den KI-Energieverbrauch nicht auf explosives Wachstum, sondern auf langfristige Auswirkungen konzentrieren sollte. Und aus technikgeschichtlicher Sicht wird das Wachstum der KI und ihr Energieverbrauch durch die folgenden vier Faktoren begrenzt:

• 1. Die Kosten für den Aufbau der Infrastruktur werden das schnelle Wachstum der KI einschränken

Die Schlussfolgerung, dass „ChatGPT mehr als 500.000 kWh Strom pro Tag verbraucht“, stammt aus einer Schätzung von Alex de Vries, Autor des Technologieblogs Digiconomist·· Alex de Vries. De · Fries hat außerdem vorhergesagt, dass der KI-Stromverbrauch von Google im schlimmsten Fall mit dem von ganz Irland vergleichbar sein und 29,3 TWh (Terawattstunden) pro Jahr erreichen wird. Er wies jedoch auch darauf hin, dass Google, um diese Größenordnung zu erreichen, zusätzlich zu Milliarden von Dollar für den Betrieb von Rechenzentren und Stromrechnungen 100 Milliarden US-Dollar in Chips investieren müsste. Wenn die Betriebskosten der KI hoch bleiben, werden gewinnorientierte Handelsunternehmen natürlich langsamer werden und ihre Investitionen reduzieren.

• 2. Es gibt einen geringfügigen Effekt auf das KI-Leistungswachstum

Die KI hat in den letzten Jahren in vielen Bereichen Durchbrüche erzielt, was bedeutet, dass sie bald an einen Engpass stoßen könnte. Die Erträge aus der Entwicklung und dem Betrieb größerer Modelle werden immer geringer sein und es wird schwieriger, die Genauigkeit zu verbessern. Daher könnte die Optimierung von KI-Modellen die nächste Richtung der Forschung und Entwicklung sein.

• 3.Leistungsverbesserungen in Software und Hardware werden den Energieverbrauch der KI senken

Es wird erwartet, dass Optimierungen bei KI-Modellen sowie Fortschritte in der Hardwaretechnologie den Energieverbrauch von KI senken werden. Laut einer in der Fachzeitschrift Science veröffentlichten Studie stieg zwischen 2010 und 2018 die Rechenleistung in globalen Rechenzentren um 550 % und der Speicherplatz um 2400 %, der Stromverbrauch stieg jedoch nur um 6 %. Innovationen in den Bereichen Hardware, Virtualisierungstechnologie und Rechenzentrumsdesign haben die Energieeffizienz verbessert und Cloud Computing in großem Maßstab ermöglicht.

Ebenso wird erwartet, dass Techniken wie Beschneiden, Quantisieren und Destillieren zu besseren Algorithmen führen, die KI-Modelle schneller und energieeffizienter machen. Das Forschungsteam von Google und der University of California, Berkeley, wies darauf hin, dass dank verschiedener technologischer Fortschritte der Anteil von KI am Energieverbrauch innerhalb von Google in den letzten Jahren stabil geblieben ist, obwohl maschinelles Lernen auf 70–80 % angewachsen ist der Rechenaufwand.

• 4. Der Einsatz von KI wird letztendlich die CO2-Emissionen in gewisser Weise reduzieren

Wenn Menschen herkömmliche Briefe durch E-Mails ersetzen und mit DVDs oder Streaming-Kanälen ins Kino gehen, reduziert die Digitalisierung dieser Aktivitäten insgesamt den CO2-Ausstoß. Es wird erwartet, dass KI in dieser Hinsicht weiterhin eine Rolle spielen wird, beispielsweise durch die Verbesserung des Videoanruferlebnisses und die Verlagerung von mehr Besprechungen an entfernte Orte. Darüber hinaus kann KI-Technologie zur Steuerung von Stromnetzen und zur Analyse von Klimadaten eingesetzt werden und so zur Bekämpfung des Klimawandels beitragen.

Bewerten Sie den Energieverbrauch genau

KI zur Förderung der gesunden Entwicklung des Fachgebiets

Historisch gesehen sind Bedenken hinsichtlich der CO2-Emissionen von KI nicht neu. In den 90er Jahren wurde vorhergesagt, dass die Hälfte der künftigen Stromerzeugung für die Bereitstellung von Internetaktivitäten verwendet werden würde; Zu der Zeit, als das Streaming aufkam, gab es ähnliche Gefühle. Heute wissen wir, dass sich keine dieser Befürchtungen bewahrheitet hat. Dem ITIF-Bericht zufolge kann eine überstürzte Kontrolle der KI, ohne ein vollständiges Verständnis ihrer Energieverbrauchsprobleme zu haben, Verbesserungen der KI-Leistung behindern und ihr Potenzial einschränken. Um beispielsweise KI in die Lage zu versetzen, Voreingenommenheit und Hassreden zu beseitigen und die Ausgabe schädlicher Informationen zu vermeiden, sind mehr Schlussfolgerungen erforderlich, um den Energieverbrauch zu erhöhen.

Der Bericht empfiehlt, dass politische Entscheidungsträger als Reaktion auf öffentliche Bedenken hinsichtlich des Energieverbrauchs von KI Folgendes tun sollten:

(1) entsprechende Standards entwickeln, um den Energieverbrauch von KI-Modellen offen und transparent zu machen;

(2) die Industrie dazu ermutigen, die Energieverbrauchsinformationen von KI-Modellen proaktiv offenzulegen, damit die Öffentlichkeit fundierte Entscheidungen treffen kann;

(3) die unbeabsichtigten Folgen von KI-Vorschriften auf den Energieverbrauch berücksichtigen;

(4) KI nutzen, um Regierungsabläufe zu dekarbonisieren.

Einige Organisationen drängen bereits auf die Offenlegung von KI. Im Dezember 2023 verabschiedete die Europäische Union mit dem Artificial Intelligence Act das weltweit erste KI-Regulierungsgesetz. Der Gesetzentwurf fordert KI-Entwickler auf, sich dazu zu verpflichten, ihre Modelle energieeffizient und nachhaltig zu gestalten, und verlangt eine entsprechende Offenlegung von Informationen.

De · forderte außerdem die Offenlegung von Informationen und wollte die Entwicklung der KI ebenso wie der Kryptowährungstechnologie rechtzeitig begrenzen. „Die Entwicklung neuer Technologien wie KI und frühere Blockchain, begleitet von viel Aufregung und Angst, etwas zu verpassen (FOMO), führt oft zu Anwendungen, die für den Endbenutzer nur geringen Nutzen bringen“, stellt der Digiconomist-Blog fest. '

Und in dem New Yorker-Bericht sagte die berühmte Wissenschaftsjournalistin Elizabeth Kolbert (Elizabeth Kolbert): „Jedes Mal, wenn ChatGPT eine Nachricht ausspuckt (oder einen Schulaufsatz für jemanden schreibt), sind viele Berechnungen erforderlich.“ Es wird geschätzt, dass ChatGPT etwa 200 Millionen Anfragen pro Tag beantwortet und dabei mehr als 500.000 kWh Strom verbraucht. Mit anderen Worten: Die Reaktion auf die KI-Energiekrise könnte mit einer Begrenzung beginnen der Einsatz von KI für Arbeitsplätze.