Мы привыкли воспринимать технологии как нечто виртуальное, нематериальное, существующее отдельно от физического мира. Запрос к нейросети, генерация картинки, общение с чат-ботом — все это кажется легким и почти бесплатным, если не считать абонентской платы за интернет или стоимости подписки.
Но у каждого цифрового действия есть материальная основа. Серверы, на которых работают нейросети, потребляют электроэнергию. Электроэнергия где-то производится, часто — сжиганием угля или газа. Охлаждение дата-центров требует воды и тоже энергии. Производство оборудования оставляет свой углеродный след.
Вопрос, который редко приходит в голову пользователям: сколько на самом деле стоит для планеты один наш запрос к AI? И стоит ли удобство тех ресурсов, которые за ним стоят?
Откуда берется углеродный след AI
Чтобы понять масштаб, нужно разобраться в инфраструктуре, обеспечивающей работу нейросетей. Она состоит из нескольких уровней, каждый из которых потребляет ресурсы.
Центры обработки данных
Серверы, на которых запускаются модели, физически расположены в дата-центрах. Это огромные здания, заполненные стойками с оборудованием. Серверы выделяют тепло, и их нужно постоянно охлаждать, иначе они выйдут из строя. На охлаждение уходит примерно столько же энергии, сколько на сами вычисления.
Производство электроэнергии
Дата-центры потребляют электричество круглосуточно. В зависимости от региона, эта энергия может производиться из возобновляемых источников или из ископаемого топлива. Угольные электростанции, обеспечивающие энергией многие регионы мира, оставляют огромный углеродный след.
Производство оборудования
Серверы, жесткие диски, чипы, кабели — все это нужно произвести, доставить, установить. Производство микрочипов — один из самых энергоемких и химически насыщенных процессов в современной промышленности. Каждый новый сервер оставляет след еще до того, как включится в сеть.
Сетевая инфраструктура
Ваш запрос проходит через множество узлов связи, маршрутизаторов, усилителей сигнала, прежде чем достигнет дата-центра. Обратный путь с ответом — такой же. Вся эта инфраструктура тоже потребляет энергию.
Цифры, которые стоит знать
Исследователи неоднократно пытались оценить углеродный след различных AI-активностей. Цифры разнятся в зависимости от методологии, но общая картина складывается достаточно определенная.
- Простой текстовый запрос к большой языковой модели потребляет примерно в 10-20 раз больше энергии, чем аналогичный запрос к обычному поисковику. Поисковик в основном работает с уже проиндексированными данными, а нейросеть каждый раз проводит вычисления заново.
- Генерация одного изображения требует примерно столько же энергии, сколько полная зарядка смартфона. Если речь идет о сложном, детализированном изображении высокого разрешения, затраты могут быть выше.
- Обучение больших моделей — отдельная история. Процесс обучения одной современной языковой модели может оставить углеродный след, сопоставимый с несколькими годами жизни среднего автомобиля или с полетом туда-обратно через Атлантику для нескольких десятков пассажиров.
Но обучение происходит один раз. Инференс — то есть использование обученной модели для ответов на запросы — происходит миллионы раз ежедневно. В долгосрочной перспективе именно инференс дает основной углеродный след.
Сравнение с привычными вещами
Чтобы цифры обрели объем, полезно сравнить их с действиями, экологический след которых мы примерно представляем.
Один час видеозвонка в высоком качестве оставляет примерно 150-300 граммов CO2. Обычный текстовый запрос к AI — около 0,5-1 грамма. Кажется, что это ничтожно мало.
Проблема в масштабе. Когда миллионы пользователей ежедневно отправляют десятки запросов, граммы превращаются в тонны. По некоторым оценкам, совокупный углеродный след всех запросов к ChatGPT за месяц может быть сопоставим с годовым выбросом небольшого европейского города.
Для сравнения: средний автомобиль выбрасывает около 4,6 тонны CO2 в год. Обучение одной большой модели — от 300 до 500 тонн. Это как 65-100 автомобилей, работающих круглый год.
Конечно, любое сравнение условно. Важнее понять не абсолютные цифры, а динамику. Спрос на AI-сервисы растет экспоненциально. Вместе с ним растет и потребление ресурсов.
Скрытые факторы, о которых не говорят
Помимо прямого потребления энергии, есть факторы, которые редко попадают в отчеты, но существенно влияют на общую картину.
Вода для охлаждения
Дата-центры потребляют огромное количество воды для систем охлаждения. В засушливых регионах это создает дополнительную нагрузку на местные водные ресурсы. По некоторым оценкам, на 10-50 запросов к AI может уходить до литра воды. В масштабах миллионов запросов это миллионы литров ежедневно.
Редкоземельные металлы
Для производства чипов и серверов нужны редкоземельные металлы. Их добыча связана с разрушением экосистем, загрязнением почвы и воды. Короткий жизненный цикл оборудования приводит к тому, что эти металлы быстро становятся электронным мусором.
Быстрое устаревание оборудования
AI-индустрия развивается так быстро, что оборудование устаревает за 2-3 года. Серверы, которые еще вполне работоспособны, заменяются на более мощные. Старые становятся мусором, который часто не перерабатывается, а вывозится на свалки в развивающиеся страны.
Обратный эффект
Когда технология становится дешевле и доступнее, ее начинают использовать чаще и для большего количества задач. Экономия ресурсов на одну операцию может привести к росту общего потребления за счет увеличения количества операций.
Что делают компании для снижения вреда
Крупные игроки индустрии осознают проблему и предпринимают шаги для снижения углеродного следа. Вопрос в том, насколько эти шаги эффективны и достаточны.
Переход на возобновляемую энергию
Многие дата-центры постепенно переводят на энергию солнца, ветра и воды. Некоторые компании строят собственные солнечные или ветряные электростанции рядом с дата-центрами или заключают долгосрочные контракты на покупку зеленой энергии.
Оптимизация алгоритмов
Исследователи работают над тем, чтобы сделать модели менее требовательными к ресурсам. Дистилляция знаний, квантование, обрезка нейросетей — методы, позволяющие сохранить качество при снижении вычислительной сложности.
Улучшение охлаждения
Вместо энергозатратных кондиционеров современные дата-центры все чаще используют жидкостное охлаждение, погружая серверы в специальную диэлектрическую жидкость. Это эффективнее и позволяет утилизировать тепло для обогрева соседних зданий.
Продление срока службы
Некоторые компании начинают проектировать оборудование с учетом возможности модернизации, а не полной замены. Модульные конструкции позволяют менять только устаревшие компоненты.
Что можем делать мы как пользователи
Индивидуальные действия не решат проблему глобально, но осознанное отношение к ресурсам формирует культуру, которая влияет на отрасль в долгосрочной перспективе.
Задавать вопрос о необходимости
Действительно ли каждая задача требует самой мощной нейросети? Для простого перевода или проверки орфографии существуют менее ресурсоемкие инструменты. Использовать тяжелую артиллерию для каждой мелочи — все равно что ездить на грузовике за хлебом.
Объединять запросы
Вместо того чтобы задавать десять уточняющих вопросов по очереди, можно сформулировать один развернутый запрос, включающий все детали. Меньше запросов — меньше потребление.
Выбирать ответственных провайдеров
Некоторые компании публикуют отчеты об устойчивом развитии, указывая источники энергии для своих дата-центров и меры по снижению углеродного следа. По возможности стоит выбирать сервисы, которые относятся к этому ответственно.
Продлевать жизнь технике
Сознательное использование оборудования, отказ от ежегодной замены устройств без необходимости — это вклад в снижение спроса на производство новых серверов и чипов.
Без паники: об экологии без надрыва
Прочитав все вышесказанное, легко впасть в другое крайнее состояние — начать испытывать чувство вины за каждый запрос к нейросети, считать каждый грамм CO2 и корить себя за использование удобных инструментов. Это было бы так же неразумно, как полностью игнорировать проблему.
Данная статья написана не для того, чтобы вызвать "экоёгнутость" или призвать к отказу от технологий. Ее цель — показать, что у любого инструмента есть полная стоимость, включающая не только цену подписки, но и ресурсные затраты.
Отношение к AI как к инструменту подразумевает реалистичное понимание его природы. Электрическая дрель тоже потребляет энергию, и при ее производстве остаются отходы. Но это не повод отказываться от дрели, если нужно повесить полку. Это повод не включать ее без необходимости и выбирать качественный инструмент, который прослужит дольше.
Парадокс технологического прогресса
Ситуация с углеродным следом AI обнажает парадокс, свойственный технологическому прогрессу в целом. С одной стороны, AI помогает решать экологические проблемы: оптимизировать энергопотребление, прогнозировать климатические изменения, разрабатывать новые материалы для зеленой энергетики. С другой — сам становится источником новых проблем.
Вопрос не в том, чтобы отказаться от технологии. Вопрос в том, чтобы использовать ее осознанно, понимая цену, которую платит планета за наше удобство. И в том, чтобы требовать от компаний-разработчиков прозрачности и ответственности.
Нейросети не берутся из ниоткуда. За каждой сгенерированной картинкой, каждым ответом чат-бота стоит реальная инфраструктура, реальные ресурсы и реальный углеродный след. Игнорировать это — значит строить иллюзию, что технологии существуют в безвоздушном пространстве.
Итог:
Углеродный след одного запроса к AI сам по себе невелик. Но умноженный на миллиарды запросов, он превращается в фактор, который уже нельзя не учитывать. Индустрия растет, потребление ресурсов растет вместе с ней, и этот рост имеет экологическую цену.
Осознание этой цены не должно вести к технологическому нигилизму или отказу от AI. Оно должно вести к более ответственному проектированию, более эффективным алгоритмам, более чистой энергетике и более осознанному потреблению.
Возможно, через несколько лет мы будем смотреть на ранний период AI-революции так же, как сейчас смотрим на первые автомобили, работавшие на этилированном бензине, — с пониманием, что прогресс всегда имеет издержки, но эти издержки можно и нужно снижать.
А вы задумывались об экологической цене цифровых технологий? Готовы ли менять свои привычки ради снижения углеродного следа? Делитесь мнением в комментариях.