Når du søger efter en kageopskrift eller forslag til sommerferiedestinationer på ChatGPT, svarer det i gennemsnit til, at du oplader din mobiltelefon 40 gange. For det kræver nemlig store mængder energi og udleder også CO2, når man laver en forespørgsel – også kaldet en prompt – på ChatGPT.

Faktisk anslås det i en videnskabelig kommentar, at det globale AI-energiforbrug i 2027 vil svare til det årlige energiforbrug i Argentina, Holland eller Sverige. Altså er det en stor klimasynder. Men det har danske forskere en mulig løsning på, skriver Videnskab.dk.

I et nyt studie fra Københavns Universitet har tre forskere fundet en mulig nøgle til at lave effektive AI-modeller, som heller ikke sviner så meget på energifronten.

AI behøver ikke forbruge så meget strøm

I det fagfællebedømte studie, der er blevet præsenteret på en videnskabelig konference, har adjunkt Raghavendra Selvan og to andre forskere undersøgt mulighederne for mere klimabevidst AI ved at se på såkaldte ‘Convolutional Neural Networks’ (CNN).

Det er den slags AI-modeller, som bruges til at genkende objekter, når vi tager billeder på vores telefoner. De bruges for eksempel også af radiologer til at analysere medicinske billeder.

I studiet har forskerne ved hjælp af en anden AI-model estimeret energiforbruget ved træningen af 423.000 AI-modeller og fundet mere energieffektive modeller.

Ud fra deres beregninger viser det sig, at der er en række modeller, som klarer sig stort set lige så godt på ydeevnen som andre energitunge modeller, men som bruger mindre energi.

Derfor kan beregningerne bruges til at sammensætte en model, som vil være mere energieffektiv fra starten af, så man mindsker energiforbruget og CO₂-aftrykket, når AI-modellen skal designes og trænes.

Viser vej til energieffektive modeller

I både industrien og forskningen har der generelt været et større fokus på at optimere modellerne uden at have øje for energiforbruget, forklarer Raghavendra Selvan, der forsker på Datalogisk Institut på Københavns Universitet.

Dertil træner man mange modeller, før man finder den rigtige til at løse en given opgave, hvilket kræver meget energi og tager lang tid.

Raghavendra Selvan håber på, at folk, der arbejder med AI, kan bruge studiets data som en slags guide, hvor de kan slå de forskellige modeller og deres energieffektivitet op.

Ergo kan AI-fagfolk begynde at designe energieffektive AI-modeller, hvor de ikke behøver at gå på kompromis med modellens ydeevne.

- Der er en masse ressourcer, vi spilder. Hvis vi begynder at være opmærksomme på ressourceforbruget, så kan vi få både velfungerende og gode modeller, som allerede fra begyndelsen giver en energireduktion, siger forskeren til Videnskab.dk.

Der er visse forbehold

Selvom intentionen er god, kan det være farligt at drage for mange konklusioner ud fra studiet, pointerer lektor Luís Cruz-Filipe, der forsker i kunstig intelligens på Syddansk Universitet og har læst studiet for Videnskab.dk:

- De lovende resultater betyder, at vi i hvert fald skal undersøge det her som en mulighed. Men min fornemmelse er, at det er et lidt begrænset studie. De fokuserer på ét specifikt område indenfor kunstig intelligens.

Til gengæld har studiet potentialet til at blive et vendepunkt, hvis andre formår at bygge videre på forskernes resultater, mener Luís Cruz-Filipe. Det kunne for eksempel være at undersøge muligheden for at mindske ChatGPT’s energiforbrug.
Raghavendra Selvan peger også selv på nogle svagheder ved deres forskning.

Det nye studie har kun testet på en række såkaldte CNN-modeller og altså ikke de store sprogmodeller (LLM), som den bag ChatGPT. For det vil kræve et »overdrevent« energiforbrug, siger han.

Samtidig er det ikke altid, at man kan gå på kompromis med ydeevnen. Hvis man kører i en selvkørende bil med kamera, er det eksempelvis vigtigt, at ydeevnen er så god som mulig, for at der ikke sker uheld.

- Men i nogle tilfælde har vi også set energieffektive modeller, som ikke har en værre ydeevne, lyder det fra Raghavendra Selvan.

amp

AI sluger enorme mænger energi - Dansk forskning peger på en løsning