Tie úžasné videá, ktoré umelá inteligencia dokáže vytvoriť z jednoduchého textového príkazu, majú skrytú a nečakane vysokú cenu. Nová štúdia od výskumníkov z platformy Hugging Face odhaľuje, že uhlíková stopa generatívnych AI nástrojov je oveľa horšia, ako sme si doteraz mysleli, a ich energetická náročnosť rastie alarmujúcim, exponenciálnym tempom.
Exponenciálny rast: Dvojnásobná dĺžka, štvornásobná spotreba
Hlavným zistením štúdie je, že spotreba energie pri generovaní videa nerastie lineárne s jeho dĺžkou. Namiesto toho sa nároky násobia. Výskumníci zistili, že zdvojnásobenie dĺžky generovaného videa (napríklad z 3 na 6 sekúnd) vedie k štvornásobnému nárastu spotrebovanej energie.
Aby sme si to vedeli lepšie predstaviť, štúdia ponúka výstižné porovnanie s mikrovlnnou rúrou:
- Vytvorenie jedného obrázka (1024×1024 px) spotrebuje toľko energie ako 5 sekúnd v mikrovlnke.
- Vytvorenie päťsekundového videa si však vyžaduje energiu ekvivalentnú viac ako hodine nepretržitej prevádzky mikrovlnky.
„Tieto zistenia poukazujú na štrukturálnu neefektívnosť súčasných procesov,“ uzatvárajú výskumníci a volajú po urgentnej potrebe efektívnejšieho dizajnu AI modelov.
Širší kontext: Skrytá energetická kríza AI
Tento problém sa netýka len jednotlivých videí. Podľa nedávnych analýz už spotreba energie súvisiaca s umelou inteligenciou predstavuje 20 % celosvetovej spotreby energie všetkých dátových centier. Technologickí giganti pritom investujú desiatky miliárd dolárov do budovania novej infraštruktúry, často na úkor vlastných klimatických cieľov.
Príkladom je spoločnosť Google, ktorá vo svojej správe o vplyve na životné prostredie za rok 2024 priznala, že žalostne zaostáva za svojím plánom dosiahnuť uhlíkovú neutralitu do roku 2030. Jej emisie uhlíka medziročne narástli o ohromujúcich 13 %, z veľkej časti práve kvôli generatívnej AI. Napriek tomu sa spoločnosť pochválila, že jej nástroj Veo 3 AI použili ľudia na vytvorenie viac ako 40 miliónov videí za sedem týždňov, bez toho, aby zverejnila ich environmentálny dopad.
Existujú riešenia, ale budú stačiť?
Našťastie, výskumníci identifikovali spôsoby, ako energetickú náročnosť znížiť. Medzi ne patrí inteligentné ukladanie do vyrovnávacej pamäte, opätovné využívanie už vygenerovaných prvkov a tzv. „pruning“, teda odstraňovanie neefektívnych dát z trénovacích súborov.
Otázkou však zostáva, či tieto optimalizácie dokážu držať krok s explozívnym rastom a masívnymi investíciami do čoraz výkonnejších a energeticky náročnejších modelov. Štúdia z Hugging Face je tak dôležitým varovaním, že bez väčšieho dôrazu na efektivitu a transparentnosť zo strany technologických gigantov môže mať AI revolúcia zničujúci dopad na našu planétu.
