Исследование устойчивого масштабирования проблемы искусственного интеллекта: Проекционное исследование влияния корпораций на окружающую среду с применением искусственного интеллекта

Exploring the sustainable scaling of AI dilemma: A projective study of corporations' AI environmental impacts

January 24, 2025

Авторы: Clément Desroches, Martin Chauvin, Louis Ladan, Caroline Vateau, Simon Gosset, Philippe Cordier

cs.AI

Аннотация

Быстрый рост искусственного интеллекта (ИИ), особенно больших языковых моделей (LLM), вызвал опасения относительно его глобального экологического воздействия, которое выходит за пределы выбросов парниковых газов и включает в себя учет процессов производства аппаратуры и утилизации. Недостаточная прозрачность крупных поставщиков затрудняет возможность компаний оценить свое экологическое воздействие, связанное с ИИ, и достичь целей по достижению нулевого углеродного следа. В данной статье мы предлагаем методологию для оценки экологического воздействия портфеля ИИ компании, предоставляя действенные исследования без необходимости обширных знаний в области оценки жизненного цикла ИИ (LCA). Результаты подтверждают, что крупные генеративные модели ИИ потребляют до 4600 раз больше энергии, чем традиционные модели. Наш подход к моделированию, учитывающий увеличение использования ИИ, эффективность вычислений аппаратуры и изменения в энергетической структуре в соответствии с сценариями IPCC, прогнозирует использование электроэнергии для ИИ до 2030 года. При высоком сценарии принятия, обусловленном широким принятием генеративного ИИ и агентов, связанных с все более сложными моделями и фреймворками, использование электроэнергии для ИИ прогнозируется увеличиться в 24,4 раза. Смягчение экологического воздействия генеративного ИИ к 2030 году требует скоординированных усилий по всей цепочке создания ценности ИИ. Изолированные меры в области эффективности аппаратуры, эффективности моделей или улучшения сети в отдельности недостаточны. Мы выступаем за стандартизированные рамки оценки в области экологии, большую прозрачность со стороны всех участников цепочки создания ценности и введение метрики "Возврат на окружающую среду" для согласования развития ИИ с целями по достижению нулевого углеродного следа.

English

The rapid growth of artificial intelligence (AI), particularly Large Language Models (LLMs), has raised concerns regarding its global environmental impact that extends beyond greenhouse gas emissions to include consideration of hardware fabrication and end-of-life processes. The opacity from major providers hinders companies' abilities to evaluate their AI-related environmental impacts and achieve net-zero targets. In this paper, we propose a methodology to estimate the environmental impact of a company's AI portfolio, providing actionable insights without necessitating extensive AI and Life-Cycle Assessment (LCA) expertise. Results confirm that large generative AI models consume up to 4600x more energy than traditional models. Our modelling approach, which accounts for increased AI usage, hardware computing efficiency, and changes in electricity mix in line with IPCC scenarios, forecasts AI electricity use up to 2030. Under a high adoption scenario, driven by widespread Generative AI and agents adoption associated to increasingly complex models and frameworks, AI electricity use is projected to rise by a factor of 24.4. Mitigating the environmental impact of Generative AI by 2030 requires coordinated efforts across the AI value chain. Isolated measures in hardware efficiency, model efficiency, or grid improvements alone are insufficient. We advocate for standardized environmental assessment frameworks, greater transparency from the all actors of the value chain and the introduction of a "Return on Environment" metric to align AI development with net-zero goals.