In einem neuen Bericht der Information Technology and Innovation Foundation (ITIF) heißt es, dass die Darstellung, der Energieverbrauch von KI sei außer Kontrolle geraten, übertrieben und oft irreführend ist.
Das ITIF, ein gemeinnütziger Think Tank, veröffentlichte seinen Bericht mit dem Titel "Rethinking Concerns About AI's Energy Use" (Überdenken der Bedenken über den Energieverbrauch von KI) und präsentierte einen Realitätscheck für alarmistische Aussagen über KI-Energie und Kohlenstoffemissionen.
Der Bericht stellte fest, dass dramatische Schlagzeilen über den Energieverbrauch neuer Technologien kein neues Phänomen sind. Als die Dot-Com-Ära in den 1990er Jahren ihren Höhepunkt erreichte, behauptete ein Forbes-Artikel: "Irgendwo in Amerika wird jedes Mal ein Stück Kohle verbrannt, wenn ein Buch online bestellt wird.
In dem viel zitierten Bericht heißt es weiter, dass "die Hälfte des Stromnetzes innerhalb des nächsten Jahrzehnts die digitale Internetwirtschaft versorgen wird".
Heute wissen wir, dass diese Schätzungen maßlos übertrieben waren. Die Internationale Energieagentur (IEA) schätzt, dass die Rechenzentren und Übertragungsnetze, die das Internet versorgen, zwischen 1-1,5% des weltweiten Stromverbrauchs verbrauchen.
Wir haben bereits über die riesige Wasser- und Energieressourcen die beim Training von KI-Modellen und bei der Inferenz verbraucht werden, aber der ITIF-Bericht trägt dazu bei, unsere anfängliche Panik ein wenig zu entschärfen.
Fakten vs. Fiktion
Es ist eine Herausforderung, genaue Zahlen für die Emissionen und den Energieverbrauch von KI zu ermitteln. Neben der CPU-Verarbeitungsleistung gibt es noch die Energieressourcen, die der Chip-Herstellung, der Kühlung, der variablen Arbeitsbelastung usw. zugerechnet werden.
Daher ist es schwierig, genaue Zahlen zu ermitteln, und einfach, eine glaubwürdige Panikmache zu präsentieren.
Im Jahr 2019 schätzten Forscher der University of Massachusetts Amherst, dass die Schulung des BERT-Modells von Google während 79 Stunden 1.438 Pfund Kohlendioxid (CO2) emittiert hätte. Das entspricht etwa 75% der CO2-Emissionen eines Hin- und Rückflugs von New York nach San Francisco.
Sie schätzten auch, dass ein Modell wie BERT, wenn es hypothetisch für die Suche nach einer neuronalen Architektur (NAS), einem der rechenintensivsten Probleme im Bereich des maschinellen Lernens, trainiert würde, 626.155 Pfund CO2-Emissionen verursachen würde.
Das entspricht etwa 300 Hin- und Rückflügen von der Ost- zur Westküste der USA. Raten Sie mal, welche Emissionszahlen für Schlagzeilen sorgten.
Zu allem Überfluss stellte sich heraus, dass die Schätzung der Forscher in diesem schlimmsten NAS-Szenario um das 88-fache überschätzt wurde. Es überrascht nicht, dass die Korrektur des Berichts nicht in die Nachrichten kam.
Kritiker vermuten, dass die rasche Einführung von #AI in Kombination mit einer Zunahme der Größe von Deep-Learning-Modellen wird zu einem massiven Anstieg der 1TP5Energie Verwendung mit potenziell verheerenden Auswirkungen auf die Umwelt. Aber ist das wirklich so? https://t.co/GHayfR4GTf
- Stiftung für Informationstechnologie und Innovation (@ITIFdc) 4. Februar 2024
Es wird besser, nicht schlechter
Ja, das Training von KI-Modellen und vor allem die Inferenz, verbraucht eine Menge Energie. Der Bericht stellt jedoch fest, dass Effizienzsteigerungen bei KI-Modellen und Hardware den Energieverbrauch mit der Zeit senken werden.
Hier eine Kurzfassung der in dem Bericht genannten Gründe:
- Da sich die schrittweise Verbesserung der KI-Modelle verlangsamt, werden sich die Entwickler darauf konzentrieren, die Modelle effizienter zu gestalten, um sie wirtschaftlich rentabel zu machen.
- KI-Chips werden immer effizienter. Zwischen 2010 und 2018 stieg die Zahl der Recheninstanzen um 550 Prozent und die Speicherkapazität in den globalen Rechenzentren um 2.400 Prozent, der Energieverbrauch in den Rechenzentren stieg jedoch nur um 6 Prozent.
- Die Substitutionseffekte von AI sollten berücksichtigt werden. Ein Buch herunterzuladen ist umweltfreundlicher als es auszudrucken und auszuliefern. In ähnlicher Weise kann die KI Aufgaben mit höherem Kohlenstoffausstoß eliminieren. Der Mensch stößt viel mehr Kohlenstoff aus, wenn er eine Seite Text tippt, als wenn er ihn von einer KI erstellen lässt.
- Die Fähigkeit der KI, Versorgungssysteme effizienter zu machen, komplexe Daten zum Klimawandel zu verarbeiten, Präzisionslandwirtschaft zu ermöglichen und die Logistik zu optimieren, reduziert die Kohlenstoffemissionen.
Der Bericht stellt fest, dass der Energieverbrauch von KI weniger alarmierend ist als berichtet, fordert aber dennoch Energietransparenzstandards für KI-Modelle, um das Benchmarking zu erleichtern.
Die ITIF kam auch zu dem Schluss, dass eine übermäßige Regulierung von KI-Modellen diese weniger energieeffizient macht, da die Entschärfungstechniken für LLMs mehr Energiekosten verursachen.
Der Bericht ist in seiner Gesamtheit lesenswert. Er enthält weitere hervorragende Beispiele, die zeigen, wie die gegen die Beschleunigung der KI Entwicklung irreführende Energieverbrauchsdaten verwenden, um ihre Argumente zu untermauern.
Abschließend wird auf einen Kolumnisten in The Guardian verwiesen, der die diskreditierte BERT-Studie von 2019 im Dezember 2023 wiederholte, zwei Jahre nachdem sie sich als falsch und irreführend erwiesen hatte. Das Problem wird nicht verschwinden.
Glauben Sie nicht alles, was die Technophobiker behaupten. Zugfahren wird den menschlichen Körper nicht zerstören, das Internet verbraucht nicht den Großteil unseres Stroms, und die KI wird wahrscheinlich nicht die Umwelt zerstören.
