Генерация изображения нейросетью требует столько же энергии, сколько зарядка смартфона — исследование

Обучение больших моделей ИИ невероятно энергозатратно, но это только одна часть головоломки. Большая часть их углеродного следа возникает из-за фактического использования. 

Новое исследование — первый случай, когда исследователи оценили выбросы углекислого газа, связанные с использованием моделей ИИ для различных задач.

Исследовательница из стартапа Hugging Face и руководитель проекта Саша Луччиони и ее группа изучали 10 популярных запросов к ИИ на платформе Hugging Face, в том числе вопросы к боту, генерацию текста, описание изображений, создание субтитров и картинок. Эксперименты проводились на 88 различных моделях.

Для каждой из задач Луччиони использовала 1 тысячу промптов и измерила затраченную энергию с помощью разработанного ею инструмента под названием Code Carbon. Code Carbon производит расчеты, анализируя энергию, потребляемую компьютером во время запуска модели.

Создание изображений, безусловно, было самой энергоемкой и углеродоемкой задачей для искусственного интеллекта.

• При создании 1 тысячи изображений с помощью мощной модели вроде Stable Diffusion XL выделяется примерно столько же углекислого газа, сколько при преодолении 6,6 км в среднем автомобиле с бензиновым двигателем.
• В то же время самая эффективная модель генерации текста, которую они исследовали, выделяла столько же CO2, сколько при проезде 0,9 м на аналогичном транспортном средстве.

Объем этих выбросов быстро растет. Бум генеративного ИИ побудил крупные технологические компании интегрировать мощные модели искусственного интеллекта во множество различных продуктов, от электронной почты до текстовых редакторов. Сегодня эти модели используют миллионы, если не миллиарды раз в день.

Читайте по теме:

Как работает Copilot — ассистент с генеративным ИИ на Windows 11

ИИ окружает нас повсюду. Вот как мы применяем его в повседневной жизни

Как понять, что текст написан нейросетью

Команда обнаружила, что большие генеративные модели гораздо более затратны, чем небольшие и адаптированные для конкретных задач. Например, при написании рецензий на фильмы они требовали в 30 раз больше энергии. Причина в том, что большие модели пытаются выполнять множество задач одновременно, таких как генерация, классификация и обобщение текста, вместо выполнения только одной задачи, такой как классификация.

Луччиони надеется, что исследование побудит людей быть более разборчивыми в использовании генеративного искусственного интеллекта и по возможности выбирать более специализированные модели, которые создают меньший углеродный след.

Однажды в Google подсчитали, что в среднем для онлайн-поиска требуется 0,3 ватт-часа электроэнергии — это все равно что проехать 0,5 м на автомобиле. Сегодня это число, вероятно, намного выше, потому что в поиск Google интегрировали модели генеративного ИИ.

Источник.

Обложка снегерирована нейросетью Midjourney