Mistral AI gần đây đã công bố phân tích vòng đời toàn diện đầu tiên của một mô hình ngôn ngữ lớn, tiết lộ rằng mô hình Mistral Large 2 của họ đã tiêu thụ 20.400 tấn CO2 tương đương và 281.000 mét khối nước trong 18 tháng hoạt động. Trong khi công ty định vị điều này như một sự minh bạch đột phá cho ngành AI, cộng đồng công nghệ đã khơi mào một cuộc tranh luận bất ngờ so sánh dấu chân môi trường của AI với các lựa chọn tiêu dùng hàng ngày.
 |
|---|
| Phân tích vòng đời mô hình Large 2 của Mistral AI minh họa các tác động môi trường của việc phát triển AI |
So sánh bất ngờ giữa thịt bò và AI
Cuộc thảo luận gay gắt nhất tập trung xung quanh một so sánh toán học đã khiến nhiều người ngạc nhiên. Phân tích của cộng đồng cho thấy việc sản xuất một kilogram thịt bò cần năng lượng tương đương với 60.000 truy vấn ChatGPT và nước tương đương với 50 triệu truy vấn. Điều này có nghĩa là sản xuất thịt bò hàng ngày của Pháp tạo ra tác động môi trường vượt xa việc huấn luyện một mô hình AI lớn mỗi sáu tháng.
Bạn thực sự thấy phép tính và nói nhưng tôi thích thịt của mình, tại sao tôi phải từ bỏ nó nếu bạn có AI của bạn. Bởi vì, như tôi vừa chứng minh, AI của tôi chỉ chiếm một phần vô cùng nhỏ so với thịt của bạn. Bạn chỉ cần ăn chay một ngày là có thể bù đắp toàn bộ việc sử dụng AI của bạn trong một năm.
So sánh này đã chia rẽ cộng đồng giữa những người coi đây là quan điểm hợp lý về các ưu tiên môi trường và những người khác xem đây là sự né tránh khỏi nhu cầu năng lượng ngày càng tăng của AI.
Sử dụng cá nhân so với quy mô công nghiệp
Cuộc tranh luận tiết lộ một căng thẳng cơ bản giữa trách nhiệm cá nhân và trách nhiệm doanh nghiệp. Dữ liệu của Mistral cho thấy việc tạo ra 400 token (khoảng một trang văn bản) sản xuất 1,14 gram CO2 tương đương - có thể so sánh với 10 giây phát trực tuyến video trực tuyến ở Hoa Kỳ. Điều này đã khiến một số người lập luận rằng việc sử dụng AI cá nhân là không đáng kể so với các hoạt động hàng ngày khác.
Tuy nhiên, các nhà phê bình chỉ ra rằng cách đóng khung này bỏ qua quy mô công nghiệp của việc triển khai AI. Họ lập luận rằng trong khi các truy vấn cá nhân có thể có vẻ nhỏ, cơ sở hạ tầng tập thể cần thiết để hỗ trợ hàng triệu người dùng đại diện cho một danh mục tiêu thụ năng lượng mới đáng kể mà trước đây không tồn tại.
Sự đánh đổi giữa hiệu quả và khả năng tiếp cận
Các cuộc thảo luận của cộng đồng làm nổi bật một cân nhắc kỹ thuật quan trọng: mối quan hệ giữa kích thước mô hình và tác động môi trường. Nghiên cứu của Mistral xác nhận rằng các tác động tỷ lệ thuận gần như tỷ lệ với kích thước mô hình - một mô hình lớn gấp 10 lần tạo ra tác động lớn hơn một bậc độ lớn cho cùng một đầu ra.
Điều này đã khơi mào các cuộc trò chuyện về việc liệu ngành công nghiệp nên tập trung vào việc chạy các mô hình nhỏ hơn, hiệu quả hơn cục bộ trên các thiết bị tiêu dùng so với việc duy trì cách tiếp cận hiện tại của các mô hình lớn, tập trung. Một số người lập luận rằng các hoạt động trung tâm dữ liệu có thể đạt được hiệu quả tốt hơn thông qua việc xử lý theo lô và phần cứng được tối ưu hóa, trong khi những người khác ủng hộ điện toán phân tán để giảm nhu cầu về các trang trại máy chủ khổng lồ.
Thiếu bối cảnh trong các cuộc thảo luận môi trường
Cộng đồng đã lưu ý rằng các cuộc thảo luận môi trường hiện tại thường thiếu bối cảnh quan trọng. Trong khi các công ty AI phải đối mặt với sự giám sát về việc sử dụng năng lượng của họ, các ngành công nghiệp khác có tác động môi trường có thể lớn hơn lại nhận được ít sự chú ý hơn. Một số người chỉ ra rằng một máy bay thương mại duy nhất sản xuất nhiều khí thải hàng năm hơn toàn bộ quá trình huấn luyện mô hình 18 tháng của Mistral.
Quan điểm này cho thấy rằng việc tập trung vào tác động môi trường của AI có thể không cân xứng, đặc biệt khi xem xét rằng nhiều ứng dụng AI giúp tối ưu hóa việc sử dụng năng lượng trong các lĩnh vực khác. Tuy nhiên, những người khác lập luận rằng việc là một nguồn khí thải mới khiến AI xứng đáng được giám sát đặc biệt, đặc biệt khi công nghệ mở rộng nhanh chóng.
Nhìn về phía trước
Cuộc tranh luận phản ánh những câu hỏi rộng lớn hơn về cách xã hội nên ưu tiên các mối quan tâm môi trường trong một kỷ nguyên thay đổi công nghệ nhanh chóng. Trong khi sáng kiến minh bạch của Mistral cung cấp dữ liệu có giá trị để đưa ra quyết định có thông tin, cuộc thảo luận của cộng đồng tiết lộ rằng thách thức thực sự có thể là phát triển các khung để so sánh tác động môi trường trên các lĩnh vực và thang thời gian khác nhau.
Khi AI tiếp tục tích hợp vào cuộc sống hàng ngày, những cuộc trò chuyện này về trách nhiệm môi trường, trách nhiệm cá nhân so với doanh nghiệp, và chi phí thực sự của tiến bộ công nghệ có khả năng sẽ tăng cường.
Tham khảo: Our contribution to a global environmental standard for AI