MI és károsanyag-kibocsátás – hogyan csökkenthetjük odafigyeléssel?

Ha az emberek tudnák, mennyi káros anyaggal jár, hogy MI-vel akciófigurát rajzoltassanak magukból, talán nem tennék azt meg. Nem minden MI-s csetbot egyforma: van, amelyik négyszer annyi szén-dioxidot bocsát ki munka közben, mint egyes kollégái – írja az Eurekalert egy nemrég megjelent tanulmány alapján.

Müncheni kutatók 14 nagy nyelvi modellt (LLM-et) is vizsgáltak, köztük a Llama 3,1 8 és 70 milliárd paraméteres verzióját, a Llama 3,3-70 milliárd paraméteres verzióját, az Alibaba Qwen és Qwen2,5-ös modelljeit, 7 és 72 milliárd paraméteres formában, valamint a Deep Cogito 8 és 70 milliárd paraméteres verzióját és a Deepseek R1 modelljét, 7, 8 és 70 milliárd paraméteres formákban. Egy MI-nek minél aprólékosabb, minél több paramétert tud figyelembe venni a válaszadáshoz, annál több energiára van szüksége.

Bármit kérdezünk egy csetbottól, mindig kapunk választ, és az MI ehhez akkor is energiát használ, ha a válasz helytelen. Mindez szén-dioxid-kibocsátással jár, tehát ha valaki igyekszik környezettudatos fogyasztóként viselkedni, akkor kíváncsi lehet arra, melyik csetbot a legkevésbé környezetszennyező. Ezt lehetetlen pontosan megmondani, de a kutatásból most kiderül, hogy modelltől és a kérdések komplexitásától függően nagy különbségek vannak.

“A felhasználók jelentősen csökkenthetik a kibocsátást, ha a mesterséges intelligenciát tömör válaszok generálására kérik, vagy a nagy kapacitású modellek használatát azokra a feladatokra korlátozzák, amik valóban igénylik ezt a teljesítményt” – mondta Maximilian Dauner, a tanulmány első szerzője. A DeepSeek R1-70 milliárdos verziója például 600 ezer kérdésre adott válasszal annyi szén-dioxidot termel, mint egy London-New York oda-vissza repülőút.
A lényegre törőbb Qwen2,5 viszont a maga 72 milliárd paraméterével háromszor ennyi kérdésre tud válaszolni, mire eléri ezt a kibocsátást. “Ha a felhasználók ismerik az MI által generált válaszok pontos szén-dioxid-költségét, például annak ha akciófigurává változtatják magukat, akkor szelektívebbek és átgondoltabbak lehetnek azzal kapcsolatban, hogy mikor és hogyan használják ezeket a technológiákat” – mondta Dauner.