Sora 2 от OpenAI: экологическая цена искусственного интеллекта

Запуск видеогенератора Sora 2 от OpenAI стал поворотным моментом в развитии искусственного интеллекта. Технология создаёт минуты реалистичного видео по текстовому описанию, но за этим скрываются серьёзные экологические издержки.

Масштабные вычислительные мощности, необходимые для работы Sora 2, поднимают вопрос об энергопотреблении и влиянии ИИ на окружающую среду. Совместный проект Stargate стоимостью 500 миллиардов долларов, реализуемый OpenAI, Oracle, SoftBank и MGX, предусматривает строительство гигантских дата-центров в США. Это лишь подтверждает растущие аппетиты отрасли.

Дискуссия о экологическом следе ИИ остаётся одной из самых острых в технологической политике. Одни считают ИИ экологической угрозой, другие — незначительной нагрузкой на мировой энергобаланс.

Согласно данным Международного энергетического агентства, дата-центры уже потребляют до 1,5%全球 электроэнергии, и их аппетиты растут в четыре раза быстрее общего спроса. К 2030 году ожидается удвоение этого показателя, и ИИ станет главным драйвером роста.

Не менее впечатляет водопотребление: для охлаждения серверов требуется ультрачистая вода. Обучение модели GPT-3, по оценкам, потребовало 700 000 литров воды только на объектах Microsoft в США. Глобальный спрос на воду для ИИ к 2027 году может достигнуть 4–6 миллиардов кубометров.

Производство аппаратного обеспечения также вносит свой вклад. Создание чипов, особенно графических процессоров для ИИ, сопровождается высокими энергозатратами, использованием редких минералов и химических процессов.

Генерация одного изображения требует энергии, сопоставимой с работой микроволновки в течение пяти секунд, а создание пятисекундного видео — уже как час её работы.

Переход к высококачественному видео ещё больше увеличит нагрузку. Тесты показывают, что энергопотребление моделей text-to-video растёт в четыре раза при удвоении длины ролика.

Скептики указывают на повышение эффективности оборудования и переход на возобновляемую энергетику. Типичный запрос к чат-боту потребляет около 2,9 Вт·ч — вдесятеро больше, чем поиск в Google. Но даже такие «малые» цифры в масштабах миллиардов запросов складываются в серьёзные объёмы.

Важно различать обучение моделей и их использование. Обучение требует гигаватт-часов энергии, тогда как отдельный запрос почти незаметен. Однако со временем совокупное энергопотребление от использования может превзойти затраты на обучение.

Наименее заметная, но критическая часть — производство чипов. Каждое новое поколение процессоров требует перестройки производственных линий, ресурсов и систем охлаждения.

Экономисты отмечают парадокс Джевонса: снижение стоимости запроса стимулирует разработчиков встраивать ИИ повсеместно, что в итоге увеличивает общее потребление ресурсов.

Истина где-то посередине: отдельный запрос незначителен, но инфраструктура ИИ — дата-центры, производство чипов, системы охлаждения — уже меняет глобальные энергетические и водные системы.

По прогнозам, к 2030 году дата-центры будут потреблять 1400 ТВт·ч, что эквивалентно добавлению нескольких средних стран в мировую энергосистему. На ИИ придётся четверть этого роста.

Прозрачность — ключевой фактор. Компании редко раскрывают данные о энерго- и водопотреблении, что затрудняет оценку реального воздействия. Введение стандартов отчётности, как в Европейском акте об ИИ, могло бы помочь в принятии взвешенных решений.

Генеративный ИИ открывает новые творческие и практические возможности, но у каждой сгенерированной картинки или видео есть скрытая цена. Осознание этой ценности — первый шаг к ответственному развитию технологий.