A gépi tanulás sok megoldatlan problémára, köztük az éghajlatváltozásra is képes választ, javaslatokat adni. A helyzetet azonban árnyalja az ideghálók áramfogyasztása, amellyel komoly mennyiségű üvegházhatású gáz kerül a légkörbe.

A Massachusetts Egyetem (Amherst) kutatói a mélytanulás-rendszerek energiafogyasztását vizsgálva, megállapították, hogy a legújabb nyelvmodellek kb. annyi széndioxidot juttatnak az atmoszférába, mint öt autó teljes életciklusa alatt, beleértve a gyártást is.

A természetesnyelv-feldolgozásban leghasznosabbnak bizonyult Transformer teljes gyakoroltatása, működtetése, a maga 65 millió paraméterével kb. 284 ezer kiló széndioxidot generál. Összehasonlításként: hozzávetőlegesen akkora mennyiségről van szó, mintha öt éven keresztül heti rendszerességgel tennénk meg oda-vissza a New York-London repülőutat.

Az eredményhez a modellek napi gyakorlását vették alapul, közben az energiafogyasztást folyamatosan mérték, majd beszorozták minden egyes modell összesített tréningóráival. A teljes energiafogyasztás számszerűsítéséhez az Egyesült Államok átlagos energiatermeléséből indultak ki, és számították ki, hogy hány kiló (esetükben font) széndioxidról van szó.

Minél nagyobb a mesterségesintelligencia-modell, annál nagyobbak a számítási költségek – és a környezeti hatások… És ezek a számítások még visszafogottak is.

„Egy egyszerű modell gyakoroltatása a minimum, amit tehetünk. Új modellnél több körre van szükség, gyakran próba-hiba alapú tréningekkel” – magyarázza Emma Strubell, az egyik kutató.

Szerencsére sok nagy mesterségesintelligencia-platform lényegesen kevesebb energiát használ el, köztük megújulókat is. A Google platformja teljesen, azaz 100, az Amazoné 50 százalékban megújuló energiaforrásokkal működik.

Egyelőre ki kell találni, hogyan lehet minimalizálni az MI-k környezeti hatásait. Megújuló energiaforrások használata mellett egyesek például más technikákkal helyettesítenék a mélytanulást, illetve hatékonyabb architektúrákat, chipeket építenének.