ChatGPT – wodochłonny gigant?

Moda na ChatGPT i AI w różnych ich zastosowaniach i wymiarach zawładnęła światem. O ile zastosowanie ChatuGPT do pisania szkolnych wypracowań czy treści blogowych jest kontrowersyjne, o tyle wykorzystanie sztucznej inteligencji w nauce, medycynie, przemyśle czy rolnictwie wzbudza ogromne nadzieje na usprawnienie procesów, oszczędność zasobów i poprawę jakości. Przysłowiowy medal ma jednak dwie strony, AI także. Tą ciemną są koszty środowiskowe. Zużycie wody podczas szkolenia GPT-3 porównywane jest do ilości wystarczającej do napełnienia nią reaktora jądrowego. Wydaje się to niemożliwe. Czy aby na pewno?

ChatGPT

ChatGPT (Generative Pre-trained Transformer), opracowany przez OpenAI, to model językowy, którego zaawansowanie i zgromadzone zbiory danych pozwalają na generowanie rozbudowanego tekstu/odpowiedzi w różnych dziedzinach i na różne tematy. Uruchomiony rok temu, w formie prototypu, zyskał w ciągu zaledwie 5 dni ponad milion użytkowników, których wciąż przybywa. Sztuczna inteligencja bezustannie się uczy, by sprostać ich oczekiwaniom. To – wydawałoby się – wyłącznie praktyczne i przydatne narzędzie ma również swoje wady, w tym znaczny wpływ na środowisko.

Woda i rozwój AI

Ogromny popyt na rozwiązania wspierane przez AI wiąże się z równie olbrzymimi kosztami „wytworzenia” sztucznej inteligencji. Nie dotyczy to tylko kosztów technologicznych, ale również zwiększonego zużycia wody. W tym roku, za sprawą opublikowanego za 2022 r. przez Microsoft raportu środowiskowego, świat obiegła informacja o wzroście zużycia przez koncern wody aż o 34 proc. (do prawie 1,7 mld galonów) w latach 2021-2022. Taka ilość wystarczyłaby do napełnienia 2,5 tys. basenów olimpijskich. Gwałtowny wzrost nastąpił pomimo deklaracji Microsoftu o holistycznym podejściu do zużycia wody w centrach danych, m.in. poprzez stosowanie obiegów zamkniętych i pełną kontrolę procesów. Sytuację łączy się z nawiązaniem partnerstwa z OpenAI.

Podobnej okoliczności należy się spodziewać u pozostałych gigantów branży. W raporcie Google, na potwierdzenie tych założeń, znajdziemy wzrost zużycia wody o 20 proc. Zbudowanie odpowiedniego modelu językowego, opartego na zbiorach danych tworzonych przez człowieka, wymaga zużycia dużej ilości energii elektrycznej, ale również wody. Zwłaszcza w upalne dni wzrasta jej pobór, ponieważ jest niezbędna do chłodzenia superkomputerów w centach danych. Należy przy tym zaznaczyć, że to tylko jeden z elementów wpływających na wielkość śladu wodnego AI, drugim jest zużycie pośrednie – do wytwarzania energii elektrycznej.

Rozwój nad rzeką

Zlewnia rzeki Raccoon o długości 50 km, w środkowo-zachodniej części stanu Iowa, jest częścią zlewni Missisipi. Ujęcie na niej zlokalizowane zaopatruje w wodę pitną mieszkańców położonego nieopodal miasta West Des Moines. Nie byłoby w tym nic niezwykłego, gdyby nie obawy lokalnych władz o zapewnienie ciągłości dostaw wody i to nie z powodu zanieczyszczeń czy suszy, ale ze względu na inwestycje firmy Microsoft w AI.

W maju 2022 r. firma ujawniła, że wybudowała „zaawansowane superkomputerowe centrum danych AI”, aby wyszkolić model GPT-4 OpenAI. Wybór lokalizacji nie był przypadkowy – temperatury w tym regionie zazwyczaj wahają się od -9°C (zimy mroźne i śnieżne) do 30°C (lata ciepłe i wilgotne). Chłodzenie na bazie wody konieczne jest tylko wówczas, kiedy temperatura przekracza 29°C. Czy obawy władz West Des Moines są uzasadnione czas pokaże. W lipcu tego roku temperatury przekraczały w tym mieście 36°C.

Szacunki dotyczące zużycia wody przez AI

Pomimo nielicznych danych na temat rozwoju sztucznej inteligencji oraz ogólnych informacji z raportów dotyczących zrównoważonego rozwoju firm IT, zespół naukowców z Uniwersytetu Kalifornijskiego w Riverside (Shaolei Ren i inni) podjął próbę oszacowania śladu wodnego i węglowego modeli AI – GPT. Badania zostały oparte na informacjach dotyczących 10 rozproszonych geograficznie centrów danych. Na podstawie tych wyników oszacowano, że ChatGPT zużywa około 500 ml wody na interakcje składającą się z 20 do 50 pytań.

Szacunki te obejmują zarówno bezpośrednie, jak i pośrednie zużycie wody. Natomiast zużycie wody jedynie do szkolenia czatu GPT-3 w centrach danych oszacowano na 700 tys. l. Taka ilość wystarczyłaby do napełnienia wieży chłodniczej reaktora jądrowego lub wyprodukowania 370 samochodów BMW.

Naukowcy podkreślają, iż podniesienie świadomości społecznej na temat kosztów środowiskowych i wpływu rozwoju sektora AI, również w skali lokalnej, na warunki życia mieszkańców jest niezbędne, aby zmotywować inwestorów do dbałości o zrównoważony rozwój tej branży. W tym dokonywanie właściwych wyborów lokalizacyjnych, z uwzględnieniem zmiany klimatu i potrzeby zachowania równowagi środowiskowej.

ChatGPT – odpowiedź

Zaspokajając własną ciekawość, sprawdziłam, jaką odpowiedź na pytanie: ile wody zużywa ChatGPT? wygeneruje AI. Zadałam przy tym pytanie pomocnicze. Poniżej jej treść, bez dokonywania korekt językowych:

Serwery obsługujące ChatGPT zużywają znaczną ilość energii elektrycznej i wody, choć trudno jest dokładnie określić konkretne ilości, ponieważ zależą one od wielu czynników, takich jak lokalizacja serwerów, wydajność sprzętu i technologii chłodzenia, a także sposób, w jaki są eksploatowane. W przypadku serwerów przetwarzających ogromne ilości danych, takie jak te obsługujące modele językowe, istnieje konieczność utrzymania odpowiednich warunków temperaturowych, co może wiązać się z wykorzystywaniem chłodzenia wodnego. Jednak zużycie wody w przypadku serwerów jest zwykle znacznie niższe niż zużycie energii elektrycznej.

Firma lub organizacja zarządzająca serwerami może stosować różne strategie i technologie, aby zoptymalizować wydajność energetyczną i minimalizować wpływ na środowisko. Wszystko to może wpływać na zużycie wody. Warto zaznaczyć, że rozwijane są innowacje w dziedzinie zrównoważonej infrastruktury serwerowej, które mogą pomóc zmniejszyć zarówno zużycie energii, jak i wody.

Czy posiadasz jakieś raporty na ten temat?

Dane z raportu w kwietniu 2023 roku stanowią przykład oszacowań dotyczących zużycia wody przez modele językowe, takie jak ChatGPT-3. Oczywiście, warto zaznaczyć, że takie oszacowania są przybliżone i mogą różnić się w zależności od wielu czynników, takich jak technologia chłodzenia, lokalizacja serwerów czy konkretna konfiguracja infrastruktury. W opisanym przypadku, 700 000 litrów wody użytych do “szkolenia” ChatGPT-3 odnosi się do procesu trenowania modelu, który jest intensywnym obliczeniowo zadaniem i może generować dużo ciepła, co wymaga chłodzenia. Jednak to tylko jeden aspekt zużycia wody.

Podanie, że ChatGPT zużywa równowartość 500-mililitrowej butelki wody do przeprowadzenia dyskusji z użytkownikiem zawierającej 25-50 pytań, jest bardziej specyficzne i bardziej dostosowane do ilustracji wpływu na zużycie wody w przypadku interakcji z modelem. Ta liczba 500 ml jest prawdopodobnie przybliżeniem i może się różnić w zależności od wielu czynników, takich jak obciążenie serwera, wydajność chłodzenia i wiele innych.

Jak podkreśla norweska agencja rządowa, w swoim czerwcowym raporcie Duch w maszynie, zapotrzebowanie na wodę na świecie będzie rosło. Branża technologiczna, w tym m.in. rozwój i wdrażanie generatywnej sztucznej inteligencji to sektor przyczyniający się do zwiększonego popytu na wodę. Pomimo zapewnień informatycznych gigantów, że ich celem jest uzyskanie neutralności zarówno w zakresie zużycia wody, jak i emisji CO₂, brak na to dowodów. Żadna z firm nie opublikowała danych potwierdzających te tezy i wskazujących na działania, dzięki którym sztuczna inteligencja mogłaby stać się neutralna środowiskowo.

Warto wziąć także pod uwagę, iż rozwojem AI nie zajmują się wyłącznie giganci korporacyjni, ale również wiele mniejszych firm, które, udoskonalając wspomagane sztuczną inteligencją technologie, nie biorą pod uwagę odpowiedzialności środowiskowej. Zatem droga, w zakresie zmniejszenia śladu wodnego w tej branży, nie wydaje się taka oczywista, a wręcz można stwierdzić, że nie została przez nikogo wyznaczona.

Puentę tego artykułu wygenerował sam ChatGPT, podsumowując drugie z pytań:

Warto pamiętać, że dokładne dane dotyczące zużycia wody przez modele językowe są zazwyczaj ściśle strzeżone przez firmy prowadzące takie modele i mogą być trudno dostępne publicznie. Przybliżone dane są dostępne jedynie na podstawie szacunków i badań przeprowadzonych przez niezależnych ekspertów.