Carbontracker: Kunstig intelligens kan skade miljøet

Kunstig intelligens er udpeget til at blive et effektivt våben mod klimaforandringer. I forskerkredse er der dog bred enighed om, at kunstig intelligens kan blive en af de største CO2-syndere.

Kunstig intelligens kan gøre stor skade på klimaet

Kunstig intelligens og især underområdet deep learning har nemlig et stort energiforbrug. På bare seks år – fra 2012 til 2018 – er behovet for regnekraft i deep learning vokset med 300.000 procent. Det energiforbrug og klimaaftryk, der er forbundet med at udvikle algoritmer, bliver sjældent opgjort, selvom flere studier viser et stigende problem.

Man tænker måske ikke så meget over, hvordan kunstig intelligens og deep learning bruges i hverdagen. Teknikkerne bruges dog allerede i mange tjenester og produkter, vi benytter i dag, for eksempel Siri eller Google Assistant, når Netflix og Spotify foreslår film og serier til os baseret på, hvad vi tidligere har set. Det kan også være, når vi skriver med en kundeservice-chatbot på en hjemmeside. Så er deep learning-algoritmer i spil.

“Udviklingen på området går sindssygt stærkt, og deep learning-modeller bliver hele tiden større og mere avancerede. Lige nu er der tale om en eksponentiel vækst. Og det betyder et større og større energiforbrug, som det lader til, at mange ikke tænker over,” forklarer Lasse F. Wolff Anthony, studerende ved Datalogisk Institut på Københavns Universitet.

Se også: Test af produkter til det smarte hjem

Carbontracker skal måle CO2-aftryk fra AI og deep learning

Han har sammen med en anden studerende ved Datalogisk Institut, Benjamin Kanding, og adjunkt Raghavendra Selvan opfundet et softwareprogram, de kalder Carbontracker. Carbontracker kan både beregne, hvor meget energi og hvor meget CO2-udledning, der går på at træne en deep learning-model.

Træningen af en deep learning-model er den proces, hvor den matematiske model lærer at genkende mønstre i store mængder data. Lige netop den proces er energitung, fordi den foregår i specialiseret, strømkrævende hardware, der kører i døgndrift.

En af de største deep learning-modeller, der indtil nu findes, er den avancerede sprogmodel GPT-3. GPT-3 kan skrive komplekse artikler baseret på informationer fra internettet, men den er ekstremt strømkrævende. På bare en enkelt træningssession estimeres den til at bruge, hvad der svarer til et års energiforbrug i 126 danske hjem. Den udleder den samme mængde CO2 som godt 700.000 kilometers bilkørsel.

“Inden for et par år vil der formentlig findes adskillige modeller, der er mange gange større end denne,” påpeger Lasse F. Wolff Anthony.

Se også: Priser på produkter til det smarte hjem

Vil ikke stoppe den teknologiske udvikling

De to studerende peger derfor på, at hvis tendensen fortsætter, så kan kunstig intelligens ende med at bidrage væsentligt til klimaforandringerne – på en negativ måde.

De slår dog samtidig fast, at det ikke handler om at stoppe den teknologiske udvikling, der rummer fantastiske muligheder, som også kan bruges til gavn for klimaet, men om at man bliver opmærksom på problemet og tænker: Hvordan kan vi gøre det bedre?

Se også: Nyheder om teknologi og miljø