Umjetna inteligencija je prošla iz laboratorija u svakodnevni život, pokrivajući sve od virtualnih pomoćnika do autonomnih vozila. Ipak, uz sve veće mogućnosti, postavlja se pitanje: tko zapravo koristi ove tehnologije i na kakvu cijenu? Nedavna konferencija u MIT-u potaknula je raspravu o tome kako bi razvoj AI mogao biti smanjen na ciljana rješenja koja su energetski učinkovitija i društveno prihvatljivija.
Trenutni model razvoja AI
Najčešće se razvijaju modeli velikog jezika, poput GPT‑4 ili Claude, koji se temelje na petabajtima tekstova preuzetih s interneta. Za njihovo treniranje potrebno je tisuće grafičkih procesora koji rade tjednima, što rezultira ogromnom potrošnjom električne energije. Ovaj pristup, motiviran željom za stvaranjem „umjetne opće inteligencije“, potiče kontinuirani rast veličine podataka i snage računala.
Međutim, takav model nije uvijek potreban. Mnogi zadaci, poput prepoznavanja govora ili analize podataka u specifičnim industrijama, mogu se riješiti manjim, specijaliziranim modelima. Veliki modeli često ne uzimaju u obzir specifične zahtjeve pojedinih domena, što otežava njihovu primjenu u stvarnom okruženju.
Utjecaj na okoliš i društvo
Osim financijskih troškova, treniranje velikih modela ima značajan utjecaj na okoliš. Podatkovni centri koji hostaju grafičke procesore troše ogromne količine električne energije, često iz fosilnih izvora, i koriste velike količine vode za hlađenje. Procjene ukazuju da je ugljični otisak jednog velikog modela približan godišnjim emisijama male države.
Društveni aspekt također je važan. Gig-ekonomija, koja se oslanja na radnike koji označavaju slike, transkribiraju audio zapise i uređuju tekst, često se suočava s niskim plaćama i nedostatkom radnih prava. Ovi radnici su ključni za stvaranje pod