Ai AppsAi TechAi Trend

Dijelaskan: Dampak AI Generatif terhadap Lingkungan | Berita MIT


Dalam seri dua bagian, Berita MIT mengeksplorasi implikasi lingkungan dari AI generatif. Dalam artikel ini, kita akan membahas mengapa teknologi ini sangat boros sumber daya. Bagian kedua akan menyelidiki apa yang dilakukan para ahli untuk mengurangi jejak karbon genAI dan dampak lainnya.

Kegembiraan seputar potensi manfaat AI generatifmulai dari meningkatkan produktivitas pekerja hingga memajukan penelitian ilmiah, sulit untuk diabaikan. Meskipun pertumbuhan pesat teknologi baru ini telah memungkinkan penerapan model-model canggih secara cepat di banyak industri, dampak lingkungan dari “demam emas” AI generatif ini masih sulit untuk dijabarkan, apalagi dimitigasi.

Kekuatan komputasi yang diperlukan untuk melatih model AI generatif yang sering kali memiliki miliaran parameter, seperti GPT-4 OpenAI, dapat memerlukan listrik dalam jumlah besar, sehingga menyebabkan peningkatan emisi karbon dioksida dan tekanan pada jaringan listrik.

Selain itu, menerapkan model-model ini dalam aplikasi dunia nyata, memungkinkan jutaan orang menggunakan AI generatif dalam kehidupan sehari-hari, dan kemudian menyempurnakan model untuk meningkatkan kinerjanya akan menghabiskan banyak energi lama setelah model dikembangkan.

Selain kebutuhan listrik, banyak air yang dibutuhkan untuk mendinginkan perangkat keras yang digunakan untuk pelatihan, penerapan, dan penyempurnaan model AI generatif, yang dapat membebani pasokan air kota dan mengganggu ekosistem lokal. Meningkatnya jumlah aplikasi AI generatif juga telah mendorong permintaan akan perangkat keras komputasi berkinerja tinggi, sehingga menambah dampak lingkungan tidak langsung dari pembuatan dan pengangkutannya.

“Saat kita memikirkan dampak AI generatif terhadap lingkungan, yang terjadi bukan hanya listrik yang dikonsumsi saat komputer dicolokkan. Ada konsekuensi yang jauh lebih luas yang berdampak pada tingkat sistem dan bertahan berdasarkan tindakan yang kita ambil,” kata Elsa A. Olivetti, profesor di Departemen Ilmu dan Teknik Material dan pimpinan Misi Dekarbonisasi MIT yang baru Proyek Iklim.

Olivetti adalah penulis senior makalah tahun 2024, “Implikasi AI Generatif terhadap Iklim dan Keberlanjutan,” ditulis bersama oleh rekan-rekan MIT sebagai tanggapan terhadap seruan seluruh Institut untuk membuat makalah yang mengeksplorasi potensi transformatif AI generatif, baik dalam arah positif maupun negatif bagi masyarakat.

Menuntut pusat data

Kebutuhan listrik pada pusat data merupakan salah satu faktor utama yang berkontribusi terhadap dampak AI generatif terhadap lingkungan, karena pusat data digunakan untuk melatih dan menjalankan model pembelajaran mendalam di balik alat populer seperti ChatGPT dan DALL-E.

Pusat data adalah bangunan dengan pengatur suhu yang menampung infrastruktur komputasi, seperti server, drive penyimpanan data, dan peralatan jaringan. Misalnya, Amazon memiliki lebih dari itu 100 pusat data di seluruh duniayang masing-masing memiliki sekitar 50.000 server yang digunakan perusahaan untuk mendukung layanan komputasi awan.

Meskipun pusat data telah ada sejak tahun 1940an (yang pertama dibangun di Universitas Pennsylvania pada tahun 1945 untuk mendukung komputer digital tujuan umum pertamaENIAC), kebangkitan AI generatif telah meningkatkan laju pembangunan pusat data secara signifikan.

“Yang berbeda dari AI generatif adalah kepadatan daya yang dibutuhkannya. Pada dasarnya, ini hanyalah komputasi, namun klaster pelatihan AI generatif mungkin mengonsumsi energi tujuh atau delapan kali lebih banyak dibandingkan beban kerja komputasi pada umumnya,” kata Noman Bashir, penulis utama makalah dampak, yang merupakan Computing and Climate Impact Fellow di MIT Climate dan Konsorsium Keberlanjutan (MCSC) dan postdoc di Laboratorium Ilmu Komputer dan Kecerdasan Buatan (CSAIL).

Para ilmuwan memperkirakan bahwa kebutuhan daya pusat data di Amerika Utara meningkat dari 2.688 megawatt pada akhir tahun 2022 menjadi 5.341 megawatt pada akhir tahun 2023, sebagian didorong oleh tuntutan AI generatif. Secara global, konsumsi listrik pusat data meningkat menjadi 460 terawatt pada tahun 2022. Hal ini menjadikan pusat data sebagai konsumen listrik terbesar ke-11 di dunia, berada di antara negara-negara Arab Saudi (371 terawatt) dan Prancis (463 terawatt), menurut data. Organisasi untuk Kerja Sama dan Pembangunan Ekonomi.

Pada tahun 2026, konsumsi listrik pusat data diperkirakan akan mendekati 1.050 terawatt (yang akan menempatkan pusat data di peringkat kelima dalam daftar global, antara Jepang dan Rusia).

Meskipun tidak semua komputasi pusat data melibatkan AI generatif, teknologi ini telah menjadi pendorong utama peningkatan kebutuhan energi.

“Permintaan akan pusat data baru tidak dapat dipenuhi secara berkelanjutan. Kecepatan perusahaan membangun pusat data baru berarti sebagian besar listrik untuk menggerakkan mereka harus berasal dari pembangkit listrik berbasis bahan bakar fosil,” kata Bashir.

Kekuatan yang dibutuhkan untuk melatih dan menerapkan model seperti GPT-3 OpenAI sulit dipastikan. Dalam makalah penelitian tahun 2021, para ilmuwan dari Google dan Universitas California di Berkeley memperkirakan proses pelatihan saja menghabiskan 1.287 megawatt-jam listrik (cukup untuk memberi daya pada rata-rata 120 rumah di AS selama setahun), dan menghasilkan sekitar 552 ton karbon dioksida.

Meskipun semua model pembelajaran mesin harus dilatih, satu masalah unik pada AI generatif adalah fluktuasi cepat dalam penggunaan energi yang terjadi pada berbagai fase proses pelatihan, jelas Bashir.

Operator jaringan listrik harus mempunyai cara untuk menyerap fluktuasi tersebut untuk melindungi jaringan listrik, dan mereka biasanya melakukan hal tersebut generator berbahan bakar diesel untuk tugas itu.

Meningkatkan dampak dari inferensi

Setelah model AI generatif dilatih, kebutuhan energi tidak akan hilang.

Setiap kali suatu model digunakan, mungkin oleh seseorang yang meminta ChatGPT untuk meringkas email, perangkat keras komputasi yang melakukan operasi tersebut menghabiskan energi. Para peneliti memperkirakan bahwa kueri ChatGPT mengonsumsi listrik sekitar lima kali lebih banyak dibandingkan penelusuran web sederhana.

“Tetapi pengguna sehari-hari tidak terlalu memikirkan hal itu,” kata Bashir. “Kemudahan penggunaan antarmuka AI generatif dan kurangnya informasi tentang dampak lingkungan dari tindakan saya membuat, sebagai pengguna, saya tidak memiliki banyak insentif untuk mengurangi penggunaan AI generatif.”

Dengan AI tradisional, penggunaan energi dibagi secara merata antara pemrosesan data, pelatihan model, dan inferensi, yang merupakan proses penggunaan model terlatih untuk membuat prediksi pada data baru. Namun, Bashir memperkirakan kebutuhan listrik untuk inferensi AI generatif pada akhirnya akan mendominasi karena model ini tersebar luas dalam banyak aplikasi, dan kebutuhan listrik untuk inferensi akan meningkat seiring dengan semakin besar dan kompleksnya versi model masa depan.

Selain itu, model AI generatif memiliki umur simpan yang pendek, didorong oleh meningkatnya permintaan akan aplikasi AI baru. Perusahaan merilis model baru setiap beberapa minggu, sehingga energi yang digunakan untuk melatih versi sebelumnya terbuang percuma, tambah Bashir. Model-model baru sering kali mengonsumsi lebih banyak energi untuk pelatihan, karena model-model tersebut biasanya memiliki lebih banyak parameter dibandingkan pendahulunya.

Meskipun kebutuhan listrik di pusat data mungkin mendapat perhatian paling besar dalam literatur penelitian, jumlah air yang dikonsumsi oleh fasilitas ini juga mempunyai dampak terhadap lingkungan.

Air dingin digunakan untuk mendinginkan pusat data dengan menyerap panas dari peralatan komputasi. Diperkirakan, untuk setiap kilowatt jam energi yang dikonsumsi pusat data, diperlukan dua liter air untuk pendinginan, kata Bashir.

“Hanya karena ini disebut ‘komputasi awan’ bukan berarti perangkat kerasnya ada di awan. Pusat data hadir di dunia fisik kita, dan karena penggunaan airnya, pusat data mempunyai implikasi langsung dan tidak langsung terhadap keanekaragaman hayati,” katanya.

Perangkat keras komputasi di dalam pusat data mempunyai dampak lingkungan yang tidak terlalu langsung.

Meskipun sulit untuk memperkirakan berapa banyak daya yang dibutuhkan untuk memproduksi GPU, sejenis prosesor bertenaga yang dapat menangani beban kerja AI generatif yang intensif, jumlah tersebut akan lebih dari yang diperlukan untuk menghasilkan CPU yang lebih sederhana karena proses fabrikasinya lebih kompleks. Jejak karbon GPU diperburuk oleh emisi yang terkait dengan pengangkutan material dan produk.

Ada juga dampak lingkungan dari perolehan bahan mentah yang digunakan untuk membuat GPU, yang dapat melibatkan prosedur penambangan yang kotor dan penggunaan bahan kimia beracun dalam pemrosesannya.

Firma riset pasar TechInsights memperkirakan bahwa tiga produsen besar (NVIDIA, AMD, dan Intel) mengirimkan 3,85 juta GPU ke pusat data pada tahun 2023, naik dari sekitar 2,67 juta pada tahun 2022. Jumlah tersebut diperkirakan akan meningkat dengan persentase yang lebih besar pada tahun 2024. .

Industri ini berada pada jalur yang tidak berkelanjutan, namun ada cara untuk mendorong pengembangan AI generatif yang bertanggung jawab dan mendukung tujuan lingkungan, kata Bashir.

Dia, Olivetti, dan rekan-rekan mereka di MIT berpendapat bahwa hal ini memerlukan pertimbangan komprehensif atas seluruh kerugian lingkungan dan sosial akibat AI generatif, serta penilaian terperinci mengenai nilai manfaat yang dirasakan.

“Kita memerlukan cara yang lebih kontekstual untuk memahami secara sistematis dan komprehensif implikasi perkembangan baru di bidang ini. Karena cepatnya kemajuan yang dicapai, kami belum mempunyai kesempatan untuk mengejar kemampuan kami dalam mengukur dan memahami dampaknya,” kata Olivetti.

Informasi ini pertama kali tayang di MIT.edu klik disini untuk melihat berita lainnya.


Discover more from Kitiran Media

Subscribe to get the latest posts sent to your email.

Related Articles

Leave a Reply

Your email address will not be published. Required fields are marked *

Back to top button