Waarom geavanceerde innovatie de planeet doodt

AI en robots zullen ons werk doen, we worden betaald in cryptocurrency en auto's zullen zichzelf besturen - maar elk van deze technologieën is een enorme energievreter en dat is slecht nieuws voor onze planeet.

‍

Kunstmatige intelligentie (AI)

Bestuurderloze auto's, robotica en andere opkomende technologieën hebben al ernstige gevolgen voor het klimaat. Het trainen van één groot taalmodel (LLM) veroorzaakt dezelfde CO2-uitstoot als vijf auto's gedurende hun levensduur. En het is niet alleen energieverbruik, deze technologie  laat ook de vraag naar zeldzame aardmetalen stijgen, terwijl financiële efficiëntie in de productie kan leiden tot een toename van het verbruik - slecht nieuws voor vervuiling, stortplaatsen en uitstoot. En dat is nog maar het begin. Op dit moment zijn datacenters en datatransmissie netwerken al verantwoordelijk voor 0,6% van de wereldwijde uitstoot van broeikasgassen, volgens het International Energy Agency, hoewel sommigen dit getal dichter bij 4% schatten - vergelijkbaar met de wereldwijde uitstoot van vliegreizen. De vuistregel dat een Google-zoekopdracht gelijk staat aan het koken van een waterkoker is terecht ontkracht, hoewel het versterken van de zoekmachine met AI de CO2-voetafdruk ongetwijfeld zal vergroten - we weten alleen niet met hoeveel, totdat die gegevens beschikbaar zijn. En op dit moment is dat niet het geval.

‍

De invloed van ai op klimaatverandering

Machine learning nauwkeuriger maken betekent meestal dat er grotere modellen moeten worden gemaakt met meer parameters die steeds grotere datasets moeten verwerken om te trainen. "Omdat AI-modellen gemiddeld steeds groter worden, stijgen hun energiekosten zeker ook," zegt Sasha Luccioni, klimaat leider bij AI-ontwikkelaar Hugging Face. "Tot nu toe gaan alle cijfers en onderzoeken vooral over het trainen van AI-modellen, maar we hebben eigenlijk zeer beperkte informatie over de energiekosten van hun inzet. Omdat we steeds meer AI-modellen in veel producten en diensten stoppen - denk aan navigatie, smartphones, spraakassistenten - zijn de energiekosten daarvan ook van invloed." Onderzoek suggereert dat het trainen van grote machine learning-modellen slechts een tiende van het energieverbruik uitmaakt. Dat geldt zowel voor het analyseren van medische datasets als voor het genereren van een maffe afbeelding voor een meme. En dat zijn alleen nog maar de energiekosten van het rekenwerk: Luccioni's eigen onderzoek laat zien dat als je rekening houdt met andere koolstofkosten, zoals de productie van componenten, die voetafdruk nog verdubbelt. Maar, merkt ze op, het is goed om te weten dat niet alle AI per se energie opslokt: het hangt af van het type en de use case. "Een zeer klein aantal zeer grote modellen - [zoals] GPT-modellen en andere generatieve taalmodellen - domineren het discours als het gaat om AI, maar in werkelijkheid is er een overvloed aan veel kleinere en efficiëntere modellen die in de hele gemeenschap worden gebruikt, inclusief voor klimaatpositieve toepassingen zoals het opsporen van ontbossing of het voorspellen van het klimaat”, zegt Luccioni. "Het is dus makkelijk om te denken dat alle AI-modellen ongelooflijk energie-intensief zijn, maar het is echt maar een klein deel (dat op dit moment alle ruimte inneemt)." Kortom, alleen omdat het AI is, betekent nog niet dat het een energievreter is.

‍

AI en machine learning gebruiken om de strijd tegen klimaatverandering aan te gaan

Natuurlijk willen techbedrijven graag hun energieverbruik terugdringen en daarom hebben ze veel energie gestoken in het bouwen van speciale hardware om de prestaties en efficiëntie te verbeteren. Met andere woorden, dit zijn al de geoptimaliseerde versies van dergelijke systemen. Wat kan er nog meer gedaan worden? Onderzoekers hebben de bouwers van grote modellen opgeroepen om het energieverbruik te publiceren in de hoop een wapenwedloop aan te wakkeren, niet alleen qua vermogen maar ook qua efficiëntie. De sleutel tot het terugdringen van de energiebehoefte en daarmee de CO2-kosten van AI en aanverwante technologieën? "Transparantie is cruciaal", zegt Luccioni. "Organisaties moeten zowel de trainingskosten rapporteren: rekentijd, gebruikte hardware, energieverbruik, uitstoot van broeikasgassen, enzovoort, als de inferentie-efficiëntie (hoeveelheid verbruikte energie per 100 zoekopdrachten, bijvoorbeeld). Anders tasten gebruikers in het duister over al deze factoren en kunnen ze ze niet gebruiken om weloverwogen beslissingen te nemen."

‍

De impact van bestuurderloze auto's op klimaatverandering

De geautomatiseerde auto's van Waymo rijden al rond in de San Francisco Bay Area, net als de belangrijkste rivaal van het bedrijf, GM's Cruise. Beide gebruiken vergelijkbare technologieën om hun voertuigen de wereld om zich heen te laten zien. LIDAR-scanners schetsen een 3D-beeld door overal lichtimpulsen op af te sturen en te meten hoe lang het duurt voordat het licht terugkeert. Camera's omringen de voertuigen - Waymo heeft 19 camera's op de kleinere Chrysler Pacifica en 29 op de grotere Jaguar I-PACE - evenals radar om de afstand en snelheid van een object beter te kunnen berekenen, ondanks weersomstandigheden zoals regen, mist of sneeuw. Al die realtime gegevensverzameling verbruikt energie - hoewel het moeilijk is om precies te weten hoeveel, omdat die informatie niet openbaar wordt gemaakt en per auto en per systeem verschilt. In 2018 schatten onderzoekers dat auto's op het laagste niveau van autonomie tot wel 3Gb/sec aan gegevens genereren, terwijl auto's op hogere niveaus over sensoren zullen hebben die wel 40Gbit/sec aan gegevens genereren.. Dat cijfer zal in vijf jaar tijd alleen maar zijn toegenomen. Een uitdaging is het begrijpen van de groei in gegevensverwerking en verbeteringen in computerefficiency die waarschijnlijk zullen plaatsvinden voordat deze auto's op grote schaal beschikbaar zijn, als ze dat al ooit zullen doen. Academici van het MIT modelleerden de toekomstige impact op de uitstoot van bestuurderloze auto'sen ontdekten dat één miljard bestuurderloze auto's op de wegen wereldwijd tot evenveel uitstoot zou leiden als alle IT-datacenters ter wereld op dit moment doen. Dat is gebaseerd op de aanname dat auto's slechts een uur per dag worden gebruikt, aangedreven door een computer die 840 W verbruikt. "Als we de business-as-usual trends in decarbonisatie en de huidige snelheid van verbeteringen in hardware-efficiëntie gewoon aanhouden, lijkt het niet genoeg te zijn om de uitstoot van computers aan boord van autonome voertuigen te beperken," zei auteur Soumya Sudhakar, een afgestudeerde student in luchtvaart en astronautiek, in een verklaring. "Dit kan een enorm probleem worden. Maar als we het voor zijn, kunnen we efficiëntere autonome voertuigen ontwerpen die vanaf het begin een kleinere CO2-voetafdruk hebben." We zouden tijd genoeg moeten hebben: in het onderzoek werd ervan uitgegaan dat dit allemaal zou gebeuren tegen 2050. Maar om te voorkomen dat bestuurderloze auto's bijdragen aan klimaatverandering, moet de efficiëntie van computerhardware elke 1,1 jaar verdubbelen. Een andere optie, zo merken de onderzoekers op, is om de efficiëntie van de algoritmes zelf te verbeteren, zodat ze in eerste instantie minder rekenkracht nodig hebben. Het model houdt echter geen rekening met autonome auto's die anders worden gebruikt dan hoe we nu rijden. Een idee dat vaak wordt geopperd is de verschuiving van autobezit naar een gedeeld abonnementsmodel - waarbij je in wezen de sleutels aan Alphabet et al. geeft en via een app toegang krijgt tot een auto - wat het aantal auto's op de weg zou kunnen verminderen, maar als we allemaal via Waymo-taxi's reizen, zullen we er wel heel veel nodig hebben.

‍

De impact van robotica op klimaatverandering

De impact van toekomstige technologieën op het milieu gaat echter verder dan energieverbruik en de daaruit voortvloeiende uitstoot. De haast om overal chips in te verwerken betekent bijvoorbeeld dat er meer mijnbouw nodig is van belangrijke materialen, zoals zeldzame aardmetalen. Bovendien is de manier waarop we dergelijke innovaties gebruiken van belang: het openbaar vervoer opgeven voor bedrijfs-, bestuurderloze (of zelfs vliegende) taxi's kan het stadsverkeer verergeren. Laurie Wright, professor aan de Solent University in Southampton, wijst op het "rebound effect": een economische observatie dat wanneer we efficiënter worden in het produceren van iets, de prijs daalt zodat we het meer gebruiken. "Je kunt dit uitspelen met AI: als we meer spullen produceren, goedkoper, efficiënter, dan is dat geweldig - maar als er meer spullen zijn om tegen een lagere prijs te kopen, dan kan dat de uitstoot mogelijk opdrijven," zegt Wright. Denk aan robots. Ze kunnen vieze, gevaarlijke taken van mensen overnemen, wat goed nieuws is voor de mensen die deze taken vroeger deden. Maar naarmate robotica geavanceerder wordt, kunnen ze verder gaan dan mensen ooit zouden kunnen, waardoor gebieden van onze wereld - en daarbuiten - worden ontsloten die voorheen veilig waren voor aantasting van het milieu omdat ze simpelweg te moeilijk te bereiken waren. Robotica zou bijvoorbeeld mijnbouw mogelijk kunnen maken in steeds meer afgelegen en gevaarlijke gebieden, zoals diepe zeeën - en zelfs in de ruimte. "Is dat eigenlijk wel beter om te doen?" vraagt Wright. "Het is altijd een complexe evenwichtsoefening."  

‍

Hoe kan de industrie duurzaam innoveren?

Moeten we stoppen met het gebruik van ChatGPT domme sonnetten schrijven, onze WhatsApp-berichten op grammatica controleren en andere laagwaardige vragen stellen? Loïc Lannelongue, een onderzoeker aan de afdeling volksgezondheid van de Universiteit van Cambridge die de Green Algorithms koolstofcalculator beheert, denkt van niet - het meeste wat we voor ons plezier doen heeft een koolstofimpact. De verantwoordelijkheid voor het beperken van de koolstofimpact zou niet moeten liggen bij degenen die thuis spelen en technologie onderzoeken, maar bij de mensen die deze systemen bouwen. "Zij betalen de energierekeningen, dus zij weten wat de koolstofvoetafdruk is," zei Lannelongue. Hij is het eens met het argument dat in plaats van een wapenwedloop om grotere modellen, AI-ontwikkelaars de CO2-voetafdruk van het trainen en gebruiken van hun modellen zouden moeten publiceren. We zouden dan niet de grootste, maar de meest efficiënte kunnen kiezen. "Het is gewoon een kosten-batenanalyse die we vooraf moeten maken," zegt Lannelongue. "En de enige manier is om de kosten te kennen." Zonder de kosten te berekenen, is er geen reden om het computergebruik te verminderen. Het klassieke voorbeeld, zegt Lannelongue, is het afstemmen van de hyperparameters van een machine learning model; het is onmogelijk om te weten wanneer je de beste combinatie van parameters hebt gevonden, dus onderzoekers draaien veel verschillende combinaties om prestatieverbeteringen te vinden. "Stel je voor dat het 17.00 uur is, je de hele dag tests hebt uitgevoerd en je denkt dat je het plateau [in prestaties] hebt bereikt," zegt hij. "Omdat de financiële kosten te verwaarlozen zijn, is het verleidelijk om het gewoon de hele nacht te laten draaien en zoveel mogelijk tests te doen, want ik slaap en het maakt niet uit... maar de halve procent extra die je zou kunnen krijgen, zou je kunnen laten publiceren op NeurIPS."

‍

Als je AI gebruikt, moet je nadenken over ethiek

Dat is het soort gedrag waarvan Lannelongue wil dat onderzoekers die AI ontwikkelen er twee keer over nadenken. "Het hele punt van het project is niet om te zeggen dat we niet meer aan computeren moeten doen," zegt hij. "We moeten alleen erkennen dat er een CO2-kostenpost is." En hopelijk zal het planten van dat zaadje mensen eraan herinneren om alleen te rekenen waar dat nodig is, om geen energie te verspillen en om hun werk dubbel te controleren voordat ze complexe berekeningen uitvoeren: "Het is iedereen wel eens overkomen dat je iets groots uitvoert en je pas aan het eind realiseert dat je vergeten bent de outputs op te schrijven... en dat je niets hebt om te laten zien." Het bijhouden van de impact, geholpen door projecten zoals Hugging Face en Green Algorithms, kan ons helpen de milieukosten van toekomstige technologieën te begrijpen en hopelijk ontwikkelaars aanmoedigen om mitigaties zoals energie-efficiëntie in te bouwen. Maar in de tussentijd is het toevoegen van generatieve AI aan zoekopdrachten, bestuurderloze automatisering aan auto's en het gebruik van robots voor al het andere misschien handig en intrigerend voor ons, maar minder voor de planeet. Als we het hebben over mensgerichte, ethische AI moeten we schone lucht en aanvaardbare temperaturen waarschijnlijk beschouwen als belangrijke onderdelen van veilige technologie.

Dit artikel werd eerder gepubliceerd in ITPRO.com.