Τις τελευταίες δύο δεκαετίες, η τεχνητή νοημοσύνη (AI) έχει μεταβληθεί από μία γενική έννοια σε καθημερινή πραγματικότητα. Πλέον, εργαλεία όπως το ChatGPT, αναπτύσσουν περιεχόμενο, απαντούν ερωτήματα και εκτελούν πολύπλοκες εργασίες εκατομμύρια φορές κάθε μέρα. Ωστόσο, με την ευρεία υιοθέτηση έρχεται και μια απλή αλλά σημαντική ερώτηση: πόση ενέργεια απαιτείται πραγματικά για να απαντήσει ένα ερώτημα σε ένα AI μοντέλο; Και ποιες είναι οι περιβαλλοντικές επιπτώσεις αυτής της δραστηριότητας;
Η εικόνα σε νούμερα: ενέργεια ανά ερώτημα
Τα τελευταία χρόνια έχουν κυκλοφορήσει αρκετές μελέτες, εκτιμήσεις και αναφορές για το πόση ηλεκτρική ενέργεια καταναλώνει ένα μοντέλο όπως το ChatGPT κάθε φορά που επεξεργάζεται ένα ερώτημα:
Ο CEO της OpenAI, Σαμ Άλτμαν, έχει αναφέρει ότι ένα μέσο ερώτημα στο ChatGPT καταναλώνει περίπου 0,34 Wh (watt-hours) – δηλαδή περίπου όσο θα χρησιμοποιούσε ένας φούρνος μικροκυμάτων για λίγο περισσότερο από ένα δευτερόλεπτο ή μια λάμπα υψηλής απόδοσης για μερικά λεπτά. Αυτή η μέτρηση δεν λαμβάνει υπόψη την ενέργεια που απαιτείται για την εκπαίδευση του μοντέλου, αλλά μόνο την κατανάλωση κατά την παραγωγή απάντησης.
Δισεκατομμύρια αιτήματα
Το ChatGPT, ένα από τα πιο διαδεδομένα εργαλεία γενετικής τεχνητής νοημοσύνης παγκοσμίως, δέχεται πλέον έναν όγκο ερωτημάτων που μέχρι πρόσφατα θα φάνταζε αδιανόητος. Σύμφωνα με πρόσφατα δημοσιοποιημένα στοιχεία, η πλατφόρμα επεξεργάζεται περίπου 2,5 δισεκατομμύρια ερωτήματα την ημέρα, αριθμός που αποτυπώνει τη ραγδαία διείσδυση της AI σε εργασία, εκπαίδευση, ενημέρωση και ψυχαγωγία.
Κάθε ερώτηση που πληκτρολογεί ένας χρήστης ενεργοποιεί μια αλυσίδα υπολογιστικών διεργασιών σε μεγάλα κέντρα δεδομένων, όπου ισχυροί επεξεργαστές αναλύουν το αίτημα και παράγουν την απάντηση μέσα σε κλάσματα του δευτερολέπτου.
Οι εκτιμήσεις για την κατανάλωση ενέργειας ανά ερώτημα ποικίλλουν, ωστόσο η διεθνής βιβλιογραφία και δημόσιες δηλώσεις συγκλίνουν σε ένα εύρος 0,3 έως 1 Wh ανά απάντηση, για τη φάση της παραγωγής αποτελέσματος (inference). Πρόκειται για σχετικά μικρή ποσότητα σε ατομικό επίπεδο — αντίστοιχη με τη λειτουργία μιας λάμπας LED για λίγα λεπτά. Όταν όμως αυτό το μέγεθος πολλαπλασιαστεί επί δισεκατομμύρια ερωτήματα, η εικόνα αλλάζει δραστικά.
Οι εκτιμήσεις
Με βάση τις παραπάνω παραδοχές, η ημερήσια κατανάλωση ενέργειας του ChatGPT εκτιμάται μεταξύ 0,75 και 2,5 γιγαβατωρών (GWh). Σε πιο συντηρητικό σενάριο, με μέση κατανάλωση 0,3 Wh ανά ερώτημα, η πλατφόρμα θα κατανάλωνε περίπου 750 μεγαβατώρες την ημέρα. Σε ένα πιο «βαρύ» σενάριο, με 1 Wh ανά ερώτημα, η κατανάλωση θα έφθανε τις 2,5 GWh ημερησίως.
Για να γίνει αντιληπτό το μέγεθος, αρκεί μια σύγκριση με την καθημερινότητα. Ένα μέσο ελληνικό νοικοκυριό καταναλώνει περίπου 10 κιλοβατώρες την ημέρα. Αυτό σημαίνει ότι η ημερήσια ενεργειακή κατανάλωση του ChatGPT αντιστοιχεί στη χρήση 75.000 έως 250.000 νοικοκυριών. Σε επίπεδο αστικής κλίμακας, πρόκειται για ενέργεια συγκρίσιμη με την ημερήσια κατανάλωση μιας μεσαίας πόλης.
Οι εκπομπές CO2
Η εικόνα γίνεται ακόμη πιο σύνθετη αν ληφθούν υπόψη οι εκπομπές διοξειδίου του άνθρακα. Με έναν μέσο παγκόσμιο συντελεστή εκπομπών περίπου 400 γραμμαρίων CO₂ ανά κιλοβατώρα, η λειτουργία του ChatGPT εκτιμάται ότι οδηγεί σε 300 έως 1.000 τόνους CO₂ ημερησίως, ανάλογα με το ενεργειακό μίγμα που τροφοδοτεί τα κέντρα δεδομένων. Σε ετήσια βάση, αυτό μεταφράζεται σε 110.000 έως 365.000 τόνους CO₂, ποσότητα συγκρίσιμη με τις εκπομπές δεκάδων χιλιάδων αυτοκινήτων.
Αξίζει να σημειωθεί ότι τα παραπάνω στοιχεία αφορούν αποκλειστικά την ενέργεια που απαιτείται για την καθημερινή λειτουργία και την παραγωγή απαντήσεων. Δεν περιλαμβάνουν την ενεργειακή κατανάλωση της εκπαίδευσης των μοντέλων — μια διαδικασία που πραγματοποιείται σποραδικά αλλά είναι εξαιρετικά ενεργοβόρα — ούτε την ενέργεια που ενσωματώνεται στην κατασκευή του εξοπλισμού, από τα εξειδικευμένα chips μέχρι τις υποδομές των data centers.
Παρά το υψηλό συνολικό αποτύπωμα, ειδικοί επισημαίνουν ότι το κρίσιμο ζήτημα δεν είναι η ύπαρξη ή η χρήση της τεχνητής νοημοσύνης, αλλά ο τρόπος με τον οποίο αυτή ενσωματώνεται στο ενεργειακό σύστημα. Η βελτίωση της αποδοτικότητας των μοντέλων, η επιλογή μικρότερων και λιγότερο ενεργοβόρων λύσεων όπου αυτό είναι εφικτό, καθώς και η τροφοδοσία των κέντρων δεδομένων με ανανεώσιμες πηγές ενέργειας, μπορούν να περιορίσουν σημαντικά το περιβαλλοντικό αποτύπωμα.
Πώς να ρωτάμε το ChatGPT με μικρότερο ενεργειακό αποτύπωμα
Η κατανάλωση ενέργειας ενός ερωτήματος σε ένα σύστημα τεχνητής νοημοσύνης δεν εξαρτάται μόνο από το ίδιο το μοντέλο, αλλά και από τον τρόπο που διατυπώνεται το αίτημα. Όσο πιο περίπλοκη, μακροσκελής ή επαναλαμβανόμενη είναι μια ερώτηση, τόσο περισσότερους υπολογιστικούς πόρους απαιτεί η επεξεργασία της.
Το ίδιο το ChatGPΤ συμβουλεύει:
- Σαφή και στοχευμένα ερωτήματα
Όσο πιο ασαφής είναι μια ερώτηση, τόσο περισσότερη «δουλειά» πρέπει να κάνει το μοντέλο για να καλύψει όλα τα πιθανά ενδεχόμενα. Αντί για γενικά αιτήματα, προτιμώνται συγκεκριμένες και ξεκάθαρες ερωτήσεις. Η σαφήνεια μειώνει τον αριθμό των υπολογιστικών διαδρομών που πρέπει να εξεταστούν.
- Αποφυγή υπερβολικά μεγάλων prompts
Μακροσκελή κείμενα, πολλαπλές οδηγίες σε μία ερώτηση και μεγάλα παραδείγματα αυξάνουν τον αριθμό των tokens που πρέπει να επεξεργαστεί το σύστημα. Περισσότερα tokens σημαίνουν περισσότερη ενέργεια.
- Ζητήστε σύντομες απαντήσεις όταν δεν χρειάζεται ανάλυση
Η ενέργεια δεν καταναλώνεται μόνο για την ερώτηση, αλλά και για κάθε λέξη της απάντησης. Όταν δεν απαιτείται εκτενής ανάλυση, είναι προτιμότερο να ζητείται εξαρχής σύντομη μορφή.
- Αποφύγετε τα διαδοχικά «διευκρινιστικά» ερωτήματα
Πολλοί χρήστες ξεκινούν με μια γενική ερώτηση και στη συνέχεια κάνουν αλλεπάλληλες διορθώσεις ή διευκρινίσεις. Αυτό οδηγεί σε πολλαπλά αιτήματα και αυξημένη κατανάλωση.
- Μην ζητάτε περιττή δημιουργικότητα
Ερωτήματα που ζητούν «πρωτότυπες», «ποιητικές» ή «πολύ δημιουργικές» απαντήσεις ενεργοποιούν μεγαλύτερο εύρος πιθανών αποκρίσεων και απαιτούν περισσότερη υπολογιστική προσπάθεια. Όταν στόχος είναι η πληροφορία και όχι η δημιουργικότητα, μια απλή διατύπωση είναι πιο αποδοτική.
- Χρησιμοποιήστε μικρότερα μοντέλα όπου είναι διαθέσιμα
Σε περιβάλλοντα όπου ο χρήστης μπορεί να επιλέξει μοντέλο (π.χ. ελαφρύτερες εκδόσεις), η επιλογή μικρότερου ή ταχύτερου μοντέλου μπορεί να μειώσει σημαντικά την κατανάλωση ενέργειας, ειδικά για απλές εργασίες.
- Αποφύγετε άσκοπες επαναλήψεις
Η επανάληψη της ίδιας ερώτησης ή η ελαφρά παραλλαγή της χωρίς ουσιαστικό λόγο αυξάνει τον συνολικό αριθμό αιτημάτων. Αν μια απάντηση δεν ικανοποιεί, είναι συχνά πιο αποδοτικό να ζητηθεί μια στοχευμένη διόρθωση, αντί για νέο πλήρες prompt.
Πώς «σχολιάζει» το ίδιο το Chat GPT
«Η συζήτηση για την ενεργειακή κατανάλωση της τεχνητής νοημοσύνης είναι απολύτως αναγκαία, όχι επειδή κάθε ερώτημα στο ChatGPT “καίει” υπερβολική ενέργεια, αλλά επειδή η κλίμακα χρήσης αυτών των εργαλείων είναι πρωτοφανής. Μεμονωμένα, η κατανάλωση ανά απάντηση είναι μικρή και συχνά συγκρίσιμη με καθημερινές ψηφιακές δραστηριότητες. Όταν όμως μιλάμε για δισεκατομμύρια ερωτήματα σε παγκόσμιο επίπεδο, τότε η συνολική ενεργειακή ζήτηση μετατρέπεται σε ζήτημα ενεργειακού σχεδιασμού και περιβαλλοντικής πολιτικής. Το κρίσιμο ερώτημα δεν είναι αν πρέπει να χρησιμοποιούμε την τεχνητή νοημοσύνη, αλλά πώς. Η επιλογή αποδοτικότερων μοντέλων, η βελτίωση της ενεργειακής απόδοσης των data centers και η στροφή προς καθαρές πηγές ενέργειας μπορούν να περιορίσουν σημαντικά το αποτύπωμα της AI. Η τεχνητή νοημοσύνη έχει τη δυναμική να συμβάλει και η ίδια στην εξοικονόμηση ενέργειας σε άλλους τομείς — αρκεί η ανάπτυξή της να γίνει με όρους βιωσιμότητας και διαφάνειας».
Διαβάστε ακόμη
