Зробити штучний інтелект стійким: чого нам не вистачає

Штучний інтелект став однією з найбільш трансформаційних технологій нашого часу, але його вплив на навколишнє середовище залишається в основному невиміряним і погано вивченим. Оскільки організації по всьому світу змагаються за впровадження систем штучного інтелекту в різних галузях, виникає важлива дискусія про справжню вартість цих технологій. Саша Лучіоні, видатний дослідник штучного інтелекту, який зосереджується на екологічній стійкості, стверджує, що без суттєвих змін у тому, як ми відстежуємо дані про викиди та звітуємо про них, ми не зможемо сподіватися на створення справді стійких рішень ШІ, які не зашкодять майбутньому нашої планети.

Проблема починається з фундаментальної прогалини в нашому розумінні того, скільки енергії насправді споживають технології ШІ. Навчання великих мовних моделей та інших складних систем машинного навчання потребує величезних обчислювальних ресурсів, але більшість організацій, які використовують ці системи, рідко розкривають їхній вплив на навколишнє середовище. Луччоні зазначає, що відсутність прозорості унеможливлює для зацікавлених сторін — від регуляторів до споживачів — приймати обґрунтовані рішення про те, які програми штучного інтелекту варті своїх екологічних витрат. Дослідницьке співтовариство лише нещодавно почало систематизувати збір даних про викиди, і навіть ці перші спроби виявили тривожні закономірності щодо енергоємності сучасного ШІ.

Поза технічними проблемами вимірювання викидів лежить ще одне важливе питання: розуміння того, як люди насправді використовують ШІ на практиці. Багато організацій розгортають моделі штучного інтелекту без чіткого уявлення про те, чи справді технологія покращує результати, чи просто додає обчислювальні витрати на існуючі процеси. Цей розрив між розгортанням і фактичною корисністю означає, що ми не можемо точно оцінити, чи виправдані екологічні витрати системи ШІ її практичними перевагами. Лукчоні наголошує, що створення стійкого штучного інтелекту вимагає розуміння не лише того, яка енергія споживається, а й того, чи це споживання приносить пропорційну цінність користувачам і суспільству.

Інфраструктура, що підтримує сучасні системи ШІ, становить ще один рівень складності в рівнянні сталого розвитку. Центри обробки даних, які навчають і запускають складні алгоритми, працюють безперервно, споживаючи значну кількість електроенергії, часто в регіонах, де ця енергія надходить з джерел викопного палива. Навіть організації, які експлуатують об’єкти відновлюваної енергетики, повинні миритися з реальністю того, що глобальні енергетичні мережі залишаються частково залежними від невідновлюваних джерел. Луччоні стверджує, що нам потрібні кращі методології для розрахунку фактичного вуглецевого сліду систем штучного інтелекту, враховуючи не лише пряме споживання енергії, але й вплив виробництва, вимоги до охолодження та вихідні викиди, пов’язані зі створенням і підтримкою необхідної апаратної інфраструктури.

Корпоративна підзвітність — це важлива частина, якої не вистачає в головоломці сталого розвитку. Багато компаній, які розгортають системи штучного інтелекту, взяли на себе розпливчасті зобов’язання щодо екологічної відповідальності, але не мають конкретних показників або стандартів звітності. Без стандартизованих систем для вимірювання викидів штучного інтелекту організації стикаються з незначним тиском щодо оптимізації своїх систем для енергоефективності. Лучіоні виступає за вимоги щодо обов’язкового розкриття інформації, подібні до тих, що існують в інших галузях, гарантуючи, що екологічні витрати на розробку та впровадження штучного інтелекту стануть такими ж помітними та ретельно перевіреними, як і інші впливи на бізнес. Така прозорість створила б ринкові стимули для компаній розробляти та віддавати пріоритет більш ефективним алгоритмам та інфраструктурі ШІ.

Саме дослідницьке співтовариство відіграє життєво важливу роль у просуванні методів сталого ШІ. Академічні установи та приватні дослідницькі лабораторії почали публікувати статті про енергетичні витрати на навчання конкретних моделей, надаючи цінні орієнтири для цієї галузі. Однак ці зусилля залишаються фрагментарними та незавершеними, оскільки багато найбільш ресурсомістких проектів виконуються за закритими корпоративними дверима. Луччоні підкреслює, що відкрита наука та спільне дослідження є важливими для розуміння справжнього масштабу впливу ШІ на навколишнє середовище. Без доступу до повних даних від великих технологічних компаній дослідники не можуть побудувати точні моделі того, як розвивається галузь або де можна досягти найбільшого підвищення ефективності.

Питання корисності штучного інтелекту стає дедалі важливішим, якщо розглядати його через призму навколишнього середовища. Деякі програми штучного інтелекту забезпечують явні, вимірні переваги, які виправдовують їхні вимоги до обчислень, наприклад використання ШІ для оптимізації енергетичних мереж або розробки більш ефективних матеріалів. Інші види використання штучного інтелекту можуть бути більш маргінальними, додаючи незначні зручності без вирішення справжніх проблем. Луччоні стверджує, що нам потрібен культурний зсув, коли організації серйозно сумніваються, чи має сенс розгортання системи штучного інтелекту з огляду на її екологічні витрати. Для цього потрібні кращі інструменти для вимірювання моделей використання штучного інтелекту, розуміння рівня впровадження користувачами та визначення того, чи дійсно штучний інтелект досягає запланованих результатів чи просто створює видимість прогресу, споживаючи ресурси без потреби.

Рамки політики будуть важливими для стимулювання масштабних змін. Уряди в усьому світі починають розробляти нормативні акти щодо безпеки та етики штучного інтелекту, але стабільність штучного інтелекту залишається позадумом у більшості політичних дискусій. Луччоні виступає за політику, яка встановлює чіткі вимоги до звітності про викиди для організацій, які розгортають великомасштабні системи ШІ, подібні до стандартів обліку вуглецю в інших секторах. Такі рамки можуть сприяти інноваціям у сфері ефективності, оскільки компанії змагаються за зменшення свого впливу на навколишнє середовище. Крім того, механізми ціноутворення на вуглець, які враховують викиди штучного інтелекту, можуть допомогти гарантувати, що технологія розгортається лише там, де її переваги справді переважають її витрати.

Для просування вперед потрібна координація між кількома зацікавленими сторонами. Технологічним компаніям потрібно інвестувати в більш ефективні алгоритми та апаратне забезпечення, зменшуючи енергію, необхідну для навчання ШІ та висновків. Науково-дослідні установи повинні розробити стандартизовані методології для вимірювання та звітності про викиди, створивши спільну мову для обговорення впливу ШІ на навколишнє середовище. Політики повинні розробити нормативні рамки, які зроблять екологічну підзвітність необговорюваною для організацій, які розгортають ШІ в масштабах. Водночас користувачі та споживачі повинні вимагати прозорості щодо екологічних витрат послуг штучного інтелекту, на які вони покладаються, створюючи тиск на ринку для стійких альтернатив.

Зрештою, повідомлення Лучіоні чітке: ми не можемо створити справді стабільний ШІ без кращих даних, кращого розуміння та кращої підзвітності. Технологічна індустрія звикла рухатися швидко й задавати питання пізніше, але екологічні ставки штучного інтелекту надто високі, щоб цей підхід продовжувався. Завдяки комплексному відстеженню викидів, розумінню фактичних моделей використання штучного інтелекту та створенню політичних рамок, які стимулюють ефективність, ми можемо розпочати розбудову екосистеми штучного інтелекту, яка забезпечує справжню цінність без шкоди для майбутнього нашої планети. Питання полягає не в тому, чи можливий стабільний штучний інтелект, а в тому, чи є у нас колективна воля його реалізувати.