Гонка вооружений в сфере искусственного интеллекта столкнулась с суровой реальностью: огромные экологические издержки, связанные с питанием мощных центров обработки данных. Хотя технологические гиганты ранее обещали сократить выбросы, нынешний всплеск разработок в области ИИ во многом опирается на ископаемое топливо, а эта тенденция усугубляется недавними политическими сдвигами, которые откатывают меры по защите окружающей среды.
Однако на фоне менталитета «строить любой ценой» растёт запрос на прозрачность. Саша Луччони, ведущий исследователь в области устойчивого развития ИИ и сооснователь новой группы Sustainable AI Group, утверждает, что стратегия непрозрачности индустрии больше не работает. В условиях давления со стороны сотрудников, советов директоров и международных регуляторов вопрос заключается не в том, использовать ли ИИ, а в том, как использовать его ответственно.
Деловой аспект прозрачности
Давление в связи с необходимостью отчитываться об экологическом следе ИИ исходит из множества источников. Для многих корпораций ИИ стал центральным элементом бизнес-процессов, что делает невозможным игнорирование сопутствующих рисков.
- Внутреннее давление: сотрудники и члены советов директоров требуют количественных данных о том, как такие инструменты, как Copilot, влияют на цели в области экологии, социальной политики и корпоративного управления (ESG).
- Видимость цепочки поставок: компании больше не могут действовать вслепую. Им необходимо знать, где запускаются модели, к каким энергосетям они подключены и каков уровень выбросов, связанных с цепочкой поставок оборудования.
- Ожидания потребителей: растёт готовность клиентов платить премию за сервисы, работающие на возобновляемой энергии, при условии, что компании могут это доказать.
Луччони подчеркивает, что устойчивость — это не отказ от ИИ. Напротив, речь идет о выборе правильных инструментов и сигнале о том, что источники энергии имеют значение. Этот сдвиг обусловлен не только этическими соображениями, но и управлением рисками, а также рыночной конкурентоспособностью.
Глобальный регуляторный ландшафт
Хотя в США экологическое регулирование для технологического сектора может казаться мягким, в остальном мире требования ужесточаются.
- Европа: Законопроект ЕС об ИИ содержит значительные положения об устойчивом развитии, а инициативы по отчетности уже запущены.
- Азия и международные организации: Международное энергетическое агентство (МЭА) выступает за улучшение сбора данных. Многие страны понимают, что не смогут планировать будущие энергетические мощности без точных данных о потреблении центров обработки данных. В результате правительства начинают оказывать сопротивление строительным компаниям центров данных, которые не предоставляют прозрачные метрики энергопотребления.
«Другие страны осознают, что МЭА получает свои цифры от государств, а у самих государств нет этих данных конкретно по центрам обработки данных. Без них они не могут принимать решения, ориентированные на будущее». — Саша Луччони
Что крупным технологическим компаниям следует изменить
Новый проект Луччони, Sustainable AI Group, направлен на помощь компаниям в выявлении «рычагов» для снижения негативного воздействия ИИ-агентов. Однако она считает, что крупные поставщики технологических решений должны демонстрировать пример.
Ее идеальный сценарий предполагает радикальную прозрачность на уровне пользовательского интерфейса. Представьте небольшое информационное окно в ChatGPT или Claude, которое отображает:
1. Энергопотребление на один запрос или диалог.
2. Связанные с этим выбросы парниковых газов.
3. Источники используемой энергии (например, возобновляемые vs ископаемое топливо).
Луччони утверждает, что такая прозрачность может стать конкурентным преимуществом. Подобно тому, как Anthropic приобрел культурный капитал, отказавшись от военных контрактов, поставщик ИИ, взявший на себя обязательства использовать центры обработки данных на возобновляемой энергии, может выделиться на переполненном рынке. В настоящее время крупные игроки сосредоточены на том, чтобы обойти друг друга по масштабу, часто пренебрегая устойчивостью как фактором дифференциации.
Миф о модели «одного размера для всех»
Критически важной частью обеспечения устойчивости ИИ является осознание того, что не для каждой задачи требуется массивная большая языковая модель (LLM).
Популярное нарратив часто предполагает, что только самые большие и мощные модели способны повысить производительность. На самом деле большая часть «тяжелой работы» ИИ — например, классификация, поиск и простой извлечение данных — выполняется меньшими, более эффективными моделями, такими как классификаторы.
- Подбор размера модели: Если финансовому аналитику нужно спрогнозировать рыночные тенденции, универсальная LLM — это излишество. Специализированная, меньшая по размеру модель сможет справиться с задачей с долей энергетических затрат.
- Внутренняя стратегия: Компаниям следует категоризировать свои потребности в ИИ. Простые задачи (например, поиск по внутренним документам) должны обрабатываться дешевыми и эффективными моделями, в то время как сложные задачи (например, глубокий анализ) могут оправдывать использование более мощных инструментов.
- Конфликт интересов: Текущая структура рынка «инцестуозна». Компании, создающие самые крупные модели, часто являются же теми, кто продает вычислительные мощности (compute), необходимые для их запуска. Это создает финансовое стимулирование направлять пользователей к более крупным, энергозатратным моделям, независимо от их реальной необходимости.
Заключение
Устойчивый ИИ — это не фантазия, но он требует фундаментального изменения принципов работы индустрии. Требовая прозрачности, подгоняя размер моделей под конкретные задачи и используя регуляторное давление со стороны Европы и Азии, бизнес может сократить свой экологический след. Будущее ИИ зависит не только от его мощности, но и от того, насколько эффективно и честно он разрабатывается.
