В последние годы повседневное использование искусственного интеллекта (ИИ) резко возросло, что привело к увеличению потребности в энергии для поддерживающей его вычислительной инфраструктуры. Однако экологический ущерб от крупных центров обработки данных, которые потребляют гигаватты энергии и требуют огромного количества воды для охлаждения, трудно оценить.
Исследователи из Корнелльского университета использовали передовые методы анализа данных и, конечно же, искусственный интеллект, чтобы изучить влияние центров обработки данных ИИ на окружающую среду в каждом штате.
Команда выяснила, что к 2030 году текущие темпы роста ИИ будут ежегодно выбрасывать в атмосферу от 24 до 44 миллионов метрических тонн углекислого газа. Это эквивалентно выбросам от добавления на дороги США от 5 до 10 миллионов автомобилей. Также будет использоваться от 731 до 1 125 миллионов кубических метров воды в год — столько же, сколько ежегодно расходуют на бытовые нужды от 6 до 10 миллионов американцев.
Авторы исследования разработали план действий, который предполагает использование разумного расположения объектов, более быструю декарбонизацию сети и повышение операционной эффективности для сокращения этих воздействий примерно на 73% (углекислый газ) и 86% (вода) по сравнению с наихудшими сценариями.
Результаты исследования были опубликованы в журнале Nature Sustainability. Первый автор — докторант Тяньци Сяо из лаборатории инженерии систем процессов, энергетики и окружающей среды (PEESE).
«Искусственный интеллект меняет все отрасли общества, но его быстрый рост сопровождается реальным потреблением энергии, воды и углерода», — сказал Фэнци Ю, профессор инженерии энергетических систем в Корнелльском университете, который возглавлял проект.
Для количественной оценки экологического следа вычислительной инфраструктуры ИИ команда начала три года назад собирать «многомерные» данные о финансах, маркетинге и производстве, чтобы понять, как развивается отрасль, в сочетании с данными о местонахождении систем энергоснабжения и потребления ресурсов, а также о том, как они связаны с изменениями климата.
«Существует много данных, и это огромная работа. Информация об устойчивом развитии, такая как энергия, вода, климат, как правило, открыта и общедоступна. Но промышленные данные сложны, потому что не каждая компания сообщает обо всём», — сказал Ю. «И, конечно, в конечном итоге нам всё равно нужно рассматривать несколько сценариев. Однобокий подход не подойдёт. В каждом регионе действуют свои правила. Мы также использовали ИИ, чтобы восполнить некоторые пробелы в данных».
Однако прогнозирование воздействия было недостаточно. Исследователи также хотели предоставить основанные на данных рекомендации для устойчивого роста инфраструктуры ИИ.
«Нет универсального решения», — сказал Ю. «Расположение, декарбонизация сети и эффективная работа — вот как добиться сокращения примерно на 73% для углерода и 86% для воды».
Многие текущие кластеры данных создаются в регионах с нехваткой воды, таких как Невада и Аризона. И в некоторых центрах, например, в Северной Вирджинии, быстрое скопление может привести к нагрузке на местную инфраструктуру и водные ресурсы.
Размещение объектов в регионах с более низким водным стрессом и повышение эффективности охлаждения может сократить потребность в воде примерно на 52%, а в сочетании с передовыми практиками в области энергосистемы и эксплуатации общее сокращение потребления воды может достичь 86%, как показало исследование.
«Штат Нью-Йорк остаётся низкоуглеродным, благоприятным для климата вариантом благодаря чистому сочетанию атомной, гидроэнергетики и растущей возобновляемой энергии», — сказал Ю. «Хотя ключевым фактором является приоритет водосберегающего охлаждения и дополнительной чистой энергии».
Если декарбонизация не поспевает за спросом на вычисления, выбросы могут вырасти примерно на 20%.
«Даже если каждый киловатт-час станет чище, общие выбросы могут вырасти, если спрос на ИИ будет расти быстрее, чем декарбонизируется сеть», — сказал Ю. «Решение — ускорить переход на чистую энергию в тех же местах, где расширяется вычислительная мощность ИИ».
Однако декарбонизация сети может сделать лишь так много. Даже в амбициозном сценарии с высоким содержанием возобновляемых источников энергии к 2030 году выбросы углекислого газа снизятся примерно на 15% по сравнению с базовым уровнем, и останется примерно 11 миллионов тонн остаточных выбросов, что потребует примерно 28 гигаватт ветровой или 43 гигаватт солнечной мощности для достижения нулевого уровня выбросов.
Исследователи определили, что внедрение комплекса энергоэффективных и водосберегающих технологий, таких как усовершенствованное жидкостное охлаждение и повышение эффективности использования серверов, потенциально может удалить ещё 7% углекислого газа и снизить потребление воды на 29%, что в сумме обеспечит сокращение потребления воды на 32%.
Поскольку такие компании, как OpenAI и Google, вкладывают всё больше средств в быстрое строительство центров обработки данных ИИ, чтобы удовлетворить спрос, это решающий момент для скоординированного планирования между промышленностью, коммунальными предприятиями и регулирующими органами, чтобы избежать нехватки воды на местном уровне и повышения выбросов в сети.
«Это момент создания инфраструктуры», — сказал он. «Выбор, который мы сделаем в отношении инфраструктуры ИИ в этом десятилетии, определит, ускорит ли ИИ прогресс в борьбе с изменением климата или станет новым бременем для окружающей среды».
Соавторами исследования являются учёные из Королевского технологического института (KTH) в Стокгольме, Швеция; Университета Конкордия в Монреале, Канада; и Европейского института экономики и окружающей среды RFF-CMCC в Милане, Италия.
Предоставлено Корнелльским университетом.