АрмИнфо. Каждый раз, когда мы масштабируем ИИ, мы увеличиваем потребление энергии и усиливаем экологические последствия. Об этом сказала Управляющий партнёр и генеральный директор швейцарской консалтинговой компании Enzentra GmbH (Швейцария) Олена Бура в ходе панельной сессии на тему: <Применение современных цифровых решений и технологий искусственного интеллекта по экологическим вопросам в рамках RES 2026.
Она заметила, что для того, чтобы обучить модели ИИ, возникает около 12 тонн выбросов газа, что эквивалентно примерно 15 трансатлантическим рейсам туда и обратно. <И это лишь этап обучения>, - подчеркнула гендиректор Enzentra GmbH.
По словам эксперта, ни одна компания пока не может точно ответить на вопрос: сколько же стоит ИИ и какова ценность, создаваемая на единицу выбросов. Многие организации уже разработали ответственные подходы к использованию ИИ и строят соответствующую инфраструктуру. Они также занимаются управлением рисками, защитой данных и вопросами безопасности.
Однако, по словам Олены Бура, этот список мер не является исчерпывающим и не даёт полного ответа на вопрос, какие ресурсы и в каком объёме требуются для работы ИИ.
Она назвала три основных источника глобального давления, которые необходимо учитывать.
В первую очередь Бура указала на недостаток инфраструктуры, который становится стратегическим узким местом. С этим связаны давление на распределение капитала, высокая стоимость инфраструктуры и репутационные риски.
<Клиенты и инвесторы уже осознают экологические последствия ИИ. Организации, игнорирующие этот фактор, неизбежно столкнутся с рисками нестабильности инфраструктуры, а также с экологическими и экономическими потрясениями. Долгосрочная устойчивость требует учитывать, что бесконечное масштабирование невозможно и имеет последствия>, - констатировала она.
Для перехода от просто ответственного использования ИИ к экологически ответственному, по словам эксперта, необходимо думать не только о максимизации точности моделей, но и об эффективности. Важно учитывать и оптимизировать объём потребляемой энергии.
Помимо этого, как отметила Бура, следует оценивать не только экономическую отдачу инвестиций, но и экологическую. <Необходимо перейти от статичного управления к более <метаболичному> - гибкому и учитывающему постоянные изменения. Важно понимать, сколько стоит создание и использование инфраструктуры для ИИ.
Кроме того, масштабирование не должно быть слепым - его нужно делать разумно. Не каждое улучшение модели требует повторного обучения, поэтому важно различать, что действительно необходимо, а от чего можно отказаться>, - подчеркнула она.
Говоря об экологических факторах, Бура заметила, что стоит учитывать существующие <акселераторы> - подходы и практики, которые помогают снижать воздействие. Она выделила несколько стратегий на примере крупных технологических компаний, таких как OpenAI, DeepMind и Meta. Их основной фокус - наращивание мощностей и быстрый рост, что является классическим подходом.
Вторая модель, по словам эксперта, это оптимизация. Компании стремятся повышать эффективность уже существующих решений и снижать потери, принимая во внимание экологические факторы, но пока без глубокого редизайна. В качестве примеры Бура назвала Microsoft и NVIDIA. <Здесь основной акцент делается на эффективности>, заметила она.
Но наиболее устойчивой моделью она назвала развитие ИИ с учетом экологических ограничений как неотъемлемой части архитектуры.