A generatív mesterséges intelligencia magas energiaköltséggel jár. De még a nagy nyelvi modellek betanításához és működtetéséhez szükséges hatalmas energiamennyiség is elhalványul ahhoz képest, ami a videómodellek olyan eszközök mögötti futtatásához szükséges. Az OpenAI vírusos Sora alkalmazásaamelyek elárasztják közösségi média hírfolyamainkat ostoba hamis klipekkel.
A generatív AI modellek összességében sok energiát igényelnek a működéshez. A ChatGPT-lekérdezést futtató szerverek számításigényes folyamatot használnak, amelynek karbantartása sok energiát igényel. Az AI az a villamosenergia-felhasználás „legnagyobb mozgatórugója”. Észak-Amerikában találtak egy jelentést. És ez megjelenhet a villanyszámláján is AI adatközpontok felbukkan az egész USA-ban, a villanyszámlák emelése közeli háztartásokból. Egyes becslések szerint egy AI-lekérdezés használ 10-szer több energia mint egy egyszerű Google-keresés.
Míg a nagy mesterségesintelligencia-cégek még mindig vonakodnak részletezni, hogy pontosan mennyibe kerül az AI-modellek betanítása és futtatása, egyre több kutatási terület keresi a válaszokat. Sasha Luccioni, a Hugging Face – az egyik legnépszerűbb mesterséges intelligencia platform és kutatóközpont – mesterséges intelligencia és klímavezetője, a mesterséges intelligencia energiaigényét tanulmányozó vezető kutató. Egy új tanulmányban Luccioni és csapata több dolgot is megvizsgált nyílt forráskódú AI videó modellek. (Népszerű videóeszközök, mint például a Sora és A Google 3-at látok nem szerepeltek a tanulmányban, mert nem nyílt forráskódúak.)
A csapat a nyílt forráskódú Hugging Face kódbázist használta, és különféle modellekkel készített mesterséges intelligencia-videókat. Megmérték a klipek elkészítéséhez szükséges villamos energia mennyiségét, mivel különböző tényezőket változtattak, beleértve a videók hosszabbítását, nagyobb felbontásúvá és magasabb minőséggel (ezt a zajcsökkentésnek nevezett eljárással érik el). A tesztet egy Nvidia H100 SXM GPU-val, egy nagy teljesítményű számítógépes chippel hajtották végre, amely AI adatközpontokban is használható.
„A videó generálása határozottan számításigényesebb feladat – szavak helyett pixeleket generál, és másodpercenként több képkocka szükséges a videók megfelelő áramlásához” – mondta Luccioni egy e-mailben. – Ez összetett.
Készítsen 10 másodperces, 240 képkocka/másodperc sebességű AI-videót. Ez 240 kép, amelyet az AI-nak kell generálnia – magyarázza Luccioni. Különösen a nagy dimenziós tartalmak esetében: „Ez valóban összeadódik a számítási teljesítmény és az energia tekintetében” – mondta.
AI videó energiafelhasználása
A tanulmány megállapította, hogy a videó diffúzió 30-szor költségesebb az energiaráfordítás tekintetében, mint a képkészítés, és 2000-szer költségesebb, mint a szöveg előállítása. Egyetlen mesterséges intelligencia-videó elkészítése hozzávetőlegesen 90 wattórát vesz igénybe, szemben a képgeneráláshoz szükséges 2,9 Wh-val és a szöveg generálásához szükséges 0,047 Wh-val.
Hogy ezeket a számokat kontextusba helyezzük, egy átlagos energiahatékony LED-es izzó 8-10 wattot fogyaszt. LCD televíziók között használható 50-200 wattújabb technológiával, mint pl OLED-ek elősegítve azok hatékonyabb működését. Például a 65 hüvelykes Samsung S95F, a CNET választása a 2025 legjobb képminőségeA Samsung szerint általában 146 W-ot fogyaszt. Tehát egy mesterséges intelligencia-videó elkészítése egyenértékű a tévé 37 perces futtatásával.
A generatív mesterséges intelligencia energiaigénye, különösen a videó esetében, jelentős. Hatalmas probléma elé állítja a terepet, ahogy az AI egyre szélesebb körben használatos.
Nézze meg ezt: Az AI Data Center fellendülésének rejtett hatása
05:13 Növekvő mesterséges intelligencia energiaigény
A generatív videó áttörést hoz. Ez leginkább a Google-nak és a ChatGPT-t készítő OpenAI-nak köszönhető. A Veo 3 és a Sora, a cégek mesterséges intelligencia-videómodelljei nagy feltűnést keltettek, és azóta elterjedtek. A Sora alkalmazásban volt több mint egymillió letöltés öt nappal az indulás után, és a Google szerint a Gemini felhasználók készítettek több mint 40 millió videó a debütálást követő első néhány hónapban.
A mesterséges intelligencia használatának növekedésével az Egyesült Államok elektromos hálózata esetleg nincs felkészülve a jövőbeni kereslet kezelésére. Ez az oka annak, hogy az AI-cégek és az Egyesült Államok kormánya egy milliárd dolláros erőfeszítést támogat az AI-infrastruktúra érdekében. Az Nvidia nemrég jelentette be 100 milliárd dollárt fektet be az OpenAI-ba mesterséges intelligencia adatközpontok építése, amelyek célja 10 gigawatt termelés az Nvidia rendszerein a következő néhány évben. A Microsoft és a Constellation Energy az a Three Mile Island újranyitását fontolgatva – az Egyesült Államok legrosszabb atomerőmű-katasztrófájának helyszíne –, hogy a mesterséges intelligencia-ambíciókat megvalósítsa. De vannak más módok is a mesterséges intelligencia energiaigényének csökkentésére, beleértve a hatékonyabb mesterségesintelligencia-infrastruktúrát.
Egyénileg kritikusan elgondolkodhatunk azon, hogy szükségünk van-e AI-eszköz használatára vagy sem. Luccioni szerint nincs mindig szükséged – vagy esetleg nem is akarsz – mesterséges intelligencia-összefoglalóra, mondta Luccioni, és az alternatív böngészők használata segíthet ebben. De a probléma egy része az, hogy az AI-cégek nem ismerik termékeik energiaigényének sajátosságait.
„A mesterséges intelligenciával foglalkozó vállalatoknak átláthatónak kell lenniük környezeti hatásaikkal kapcsolatban… Elfogadhatatlan, hogy a nap mint nap használt eszközökre vonatkozóan nincsenek pontos számaink” – mondta Luccioni. „Felhasználóként rendelkeznünk kell azokkal az információkkal, amelyekre szükségünk van ahhoz, hogy fenntartható döntéseket hozhassunk, és a vállalatok felelőssége, hogy ezt az információt megadják nekünk.”
