Pemanfaatan Energi dan Emisi Karbon BY Mungkin Diperbesar oleh Statistik IEAI:
AI energy usage and carbon emission stats may be overblown https://dailyai.com/2024/02/ai-energy-usage-and-carbon-emission-stats-may-be-overblown/

Keterangan Gambar : Pemanfaatan Energi d

Sebuah laporan terbaru oleh Information Technology and Innovation Foundation (ITIF) menyatakan bahwa narasi yang menggambarkan konsumsi energi AI sebagai tidak terkendali terlalu dibesar-besarkan dan seringkali menyesatkan.

ITIF, sebuah lembaga pemikir nirlaba, merilis laporan berjudul Rethinking Concerns About AI’s Energy Use dan memberikan pengecekan realitas terhadap pernyataan alarmis tentang energi dan emisi karbon AI.

Laporan tersebut mencatat bahwa judul dramatis tentang penggunaan energi teknologi baru bukanlah fenomena baru. Ketika era dot-com mencapai puncaknya pada tahun 1990-an, sebuah artikel Forbes menyatakan, "Di suatu tempat di Amerika, sebongkah batu bara terbakar setiap kali sebuah buku dipesan secara online."

Laporan tersebut, yang banyak dikutip, menyatakan bahwa "setengah dari jaringan listrik akan menggerakkan ekonomi digital-Internet dalam satu dekade ke depan."

Sekarang kita tahu bahwa perkiraan tersebut sangat dibesar-besarkan. International Energy Agency (IEA) memperkirakan bahwa pusat data dan jaringan transmisi yang menggerakkan internet menggunakan antara 1-1,5% dari penggunaan listrik global.

Kami sebelumnya melaporkan tentang sumber daya air dan energi yang besar yang dikonsumsi oleh pelatihan model AI dan selama inferensi, tetapi laporan ITIF membantu membawa sedikit kewarasan terhadap respons panik awal kami.

Fakta vs Fiksi

Mencari angka yang akurat untuk emisi dan penggunaan energi AI merupakan tantangan. Selain daya pemrosesan CPU, ada sumber daya energi yang dikaitkan dengan pembuatan chip, pendinginan, beban kerja variabel, dll...

Hal ini membuat sulit untuk mendapatkan angka yang akurat dan mudah untuk menyajikan angka yang alarmis yang dapat dipercaya.

Pada tahun 2019, peneliti di University of Massachusetts Amherst memperkirakan bahwa pelatihan model BERT Google akan mengeluarkan 1.438 pound karbon dioksida (CO2) selama 79 jam pelatihan. Itu sekitar 75% dari emisi CO2 penerbangan pulang-pergi dari New York ke San Francisco.

Mereka juga memperkirakan bahwa jika, secara hipotetis, model seperti BERT dilatih untuk pencarian arsitektur saraf (NAS), salah satu masalah yang paling kompleks secara komputasi dalam pembelajaran mesin, itu akan mengeluarkan 626.155 pound emisi CO2.

Itu setara dengan sekitar 300 penerbangan pulang-pergi dari Timur ke Barat pantai AS. Tebak angka emisi mana yang membuat berita.

Untuk memperburuk keadaan, ternyata perkiraan peneliti dalam skenario NAS terburuk tersebut diperkirakan terlalu tinggi sebesar 88 kali lipat. Tidak mengherankan, koreksi terhadap laporan tersebut tidak membuat berita.

Kritikus berspekulasi bahwa adopsi cepat #AI yang dikombinasikan dengan peningkatan ukuran model pembelajaran mendalam akan menyebabkan peningkatan besar dalam penggunaan #energi dengan dampak lingkungan yang berpotensi menghancurkan. Tetapi, apakah itu benar? https://t.co/GHayfR4GTf

— Information Technology and Innovation Foundation (@ITIFdc) 4 Februari 2024

Situasinya semakin baik, bukan semakin buruk

Ya, pelatihan model AI, dan terutama inferensi, menggunakan banyak energi. Namun, laporan tersebut mencatat bahwa efisiensi dalam model AI dan perangkat keras akan menurunkan penggunaan energi dari waktu ke waktu.

Berikut versi singkat dari alasan yang diberikan dalam laporan:

Saat tingkat peningkatan inkremental dalam model AI melambat, pengembang akan fokus pada membuat model lebih efisien untuk membuatnya ekonomis.

Chip AI menjadi lebih efisien. Antara 2010 dan 2018, terjadi peningkatan 550 persen dalam instance komputasi dan peningkatan 2.400 persen dalam kapasitas penyimpanan di pusat data global, tetapi hanya terjadi peningkatan 6 persen dalam penggunaan energi pusat data global.

Efek substitusi AI harus dipertimbangkan. Mengunduh buku lebih ramah lingkungan daripada mencetak dan mengirimkannya. Dengan cara yang serupa, AI dapat menghilangkan tugas yang mengeluarkan karbon lebih tinggi. Manusia mengeluarkan lebih banyak karbon saat mengetik satu halaman teks daripada saat memiliki AI menghasilkannya.

Kemampuan AI untuk membuat sistem utilitas lebih efisien, memproses data perubahan iklim yang kompleks, memungkinkan pertanian presisi, dan mengoptimalkan logistik semuanya mengurangi emisi karbon.

Meskipun laporan tersebut menyatakan bahwa penggunaan energi AI kurang mengkhawatirkan daripada yang dilaporkan, laporan tersebut memanggil untuk standar transparansi energi untuk model AI untuk membuat benchmarking lebih mudah.

ITIF juga menyimpulkan bahwa regulasi berlebihan terhadap model AI mungkin membuat mereka kurang efisien secara energi karena teknik debiasing untuk LLMs menambah biaya energi lebih banyak.

Laporan ini layak untuk dibaca secara keseluruhan. Laporan tersebut memiliki contoh-contoh yang sangat bagus yang menyoroti bagaimana mereka yang menentang percepatan pengembangan AI menggunakan data penggunaan energi yang menyesatkan untuk membuat argumen mereka.

Laporan tersebut diakhiri dengan merujuk pada seorang kolumnis di The Guardian yang mengulangi studi BERT yang sudah terbantah pada Desember 2023, dua tahun setelah terbukti salah dan menyesatkan. Masalah ini tidak akan hilang begitu saja.

Jangan percaya pada semua klaim teknofobia. Perjalanan dengan kereta api tidak akan menghancurkan tubuh manusia, internet tidak mengonsumsi sebagian besar listrik kita, dan AI mungkin tidak akan menghancurkan lingkungan.