Az egyre masszívabb mesterségesintelligencia-modellek gyakoroltatásához döbbenetes számítási kapacitások kellenek. A nagyobb kapacitásokkal törvényszerűen a költségek is nőnek. A folyamat eredményeként eljutottunk addig a pontig, hogy a csúcsmodellekkel való munkát csak a leggazdagabb vállalatok és kormányzati ügynökségek engedhetik meg maguknak.

A növekvő árak különösen a kevésbé tehetős gazdaságokban gátolják a startupok, felsőoktatási intézmények, diákok fejlődését. A fogyasztók, olcsóbb alternatívákat keresve, végül el is fordulhatnak az MI-től.

Például a képosztályozás vagy tárgyazonosítás viszonyítási pontját (benchmark) elérő modellek trenírozása többmillió dollár. Ráadásul az árak szélvészgyorsan emelkednek. Az OpenAI felmérése alapján a mindenkori legfejlettebb modellek gyakoroltatásához szükséges számítási kapacitás 2012 és 2018 között három és félhavonta megduplázódott.

A csúcsminőség elérésének, meghaladásának csillagászati költségei miatt több intézmény újragondolja stratégiáját. Az áremelkedés ugyanis főként ezzel, a legjobb modellek túlszárnyalásának vágyával magyarázható. Ha kevesebbel megelégszünk, olcsóbban megússzuk.  

A nonprofit laborként indult OpenAI például profitot termelő gazdasági vállalkozássá alakult át, szeptemberben a Microsoftnak exkluzív kereskedelmi licenc formájában bocsátották rendelkezésre a GPT-3 nyelvmodellt.

Az egyik európai élelmiszerlánc viszont úgy döntött, hogy a számítási felhőbeli árak miatt lemond raktára mesterséges intelligenciával történő folyamatos figyeléséről. A példák folytathatók.

A növekvő számítási kapacitások nemcsak az árakat srófolják fel, hanem az energiafogyasztás is nő. A Massachusetts Egyetem 2019-es tanulmánya alapján egy nagy nyelvmodell gyakoroltatásával ötször annyi széndioxid generálódik, mint egy átlagautó teljes életciklusa alatt.

A seattle-i Allen Intézet kutatói szerint az energiahatékonyság legalább annyira fontos, mint a modell pontossága, és a teljesítmény-méricskélésnél ezt is figyelembe kellene venni. A versenyt mindenesetre úgy kellene növelni, hogy kutatási támogatásokkal minél szélesebb körök hozzáférjenek a szükséges számítási kapacitásokhoz, amelyeket aztán környezetbarát módon használnak ki.