Ist KI die nächste große Bedrohung durch den Klimawandel? Wir haben keine Ahnung

Rechenzentrum Dekan Mouhtaropoulos | Getty

Auf einer kürzlich in San Francisco abgehaltenen Konferenz betrat Gary Dickerson die Bühne und machte eine kühne Vorhersage. Der Geschäftsführer von Applied Materials, einem großen Zulieferer der Halbleiterindustrie, warnte davor, dass die KI-Workloads von Rechenzentren ohne signifikante Innovationen in den Bereichen Materialien, Chipherstellung und Design bis 2025 ein Zehntel des weltweiten Stromverbrauchs ausmachen könnten .

Heute verbrauchen die Millionen von Rechenzentren auf der ganzen Welt etwas weniger als 2 % – und diese Statistik umfasst alle Arten von Workloads, die auf ihren riesigen Server-Arrays verarbeitet werden. Applied Materials schätzt, dass Server mit KI derzeit nur 0,1 % des weltweiten Stromverbrauchs ausmachen.

Auch andere Tech-Führungskräfte schlagen Alarm. Anders Andrae von Huawei glaubt, dass Rechenzentren bis 2025 ein Zehntel des weltweiten Stromverbrauchs verbrauchen könnten. obwohl seine Schätzung alle ihre Verwendungen abdeckt, nicht nur KI .

Jonathan Koomey, Sonderberater des leitenden Wissenschaftlers von Rocky-Mountain-Institut , ist zuversichtlicher. Er geht davon aus, dass der Energieverbrauch von Rechenzentren in den nächsten Jahren trotz eines Anstiegs der KI-bezogenen Aktivitäten relativ konstant bleiben wird.

Diese weit auseinander gehenden Vorhersagen verdeutlichen die Ungewissheit über die Auswirkungen der KI auf die Zukunft des Großrechnens und die letztendlichen Auswirkungen auf den Energiebedarf.

Größere Bilder

KI ist sicherlich machthungrig. Das Trainieren und Ausführen von Dingen wie Deep-Learning-Modellen erfordert die Verarbeitung riesiger Datenmengen, die Speicher und Prozessoren belasten. Eine Studie der Forschungsgruppe OpenAI sagt, dass die Menge an Rechenleistung benötigt, um große KI-Modelle zu fahren verdoppelt sich bereits alle dreieinhalb Monate.

Die Prognose von Applied Materials ist nach eigenen Angaben ein Worst-Case-Szenario, das darauf abzielt, aufzuzeigen, was passieren könnte, wenn in Hard- und Software kein neues Denken stattfindet. Sundeep Bajikar, Head of Corporate Strategy and Market Intelligence des Unternehmens, geht davon aus, dass sich der Informationsmix, der zum Trainieren von KI-Modellen verwendet wird, im Laufe der Zeit ändern wird, wobei Videos und andere Bilder einen steigenden Prozentsatz der Gesamtmenge ausmachen relativ zu Text- und Audioinformationen. Visuelle Daten sind rechenintensiver und benötigen daher mehr Energie.

Dank des Aufkommens von Dingen wie autonomen Fahrzeugen und Sensoren, die in andere intelligente Geräte eingebettet sind, wird es auch mehr Informationen für Modelle geben, die es zu knacken gilt. Und die Verbreitung der superschnellen drahtlosen 5G-Konnektivität wird es noch einfacher machen, Daten zu und von Rechenzentren zu transportieren.

Laut Bajikar unterstreichen diese und andere Trends die dringende Notwendigkeit für das, was sein Unternehmen ein neues Spielbuch für Materialien und Fertigung für das KI-Zeitalter nennt. Einige Forscher glauben, dass der Machthunger der KI sogar zu einem großen Umweltproblem werden könnte: Ein Team der University of Massachusetts, Amherst, veröffentlichte kürzlich eine Studie, die zeigt, dass das Training mehrerer beliebter und großer KI-Modelle fast das Fünffache der gesamten Lebenszeitemissionen eines durchschnittlichen Amerikaners verursacht Wagen.

Wetten auf Grundlagen

Aber pessimistische Prognosen ignorieren mehrere wichtige Entwicklungen, die die Machtergreifung der KI einschränken könnten. Einer davon ist der Aufstieg von Hyperscale-Rechenzentren, die von Unternehmen wie Facebook und Amazon entwickelt wurden.

Diese verwenden eine große Auswahl an Basisservern, die auf bestimmte Aufgaben zugeschnitten sind. Die Maschinen sind energieeffizienter als Server in herkömmlichen Centern, die einen größeren Funktionsumfang jonglieren müssen. Die anhaltende Umstellung auf Hyperscale ist zusammen mit Fortschritten bei der Kühlung und anderen Technologien ein wichtiger Grund dafür, dass der Energieverbrauch neuer Rechenzentren in den letzten Jahren durch Effizienzsteigerungen im Wesentlichen ausgeglichen wurde.

Auch neuartige Mikrochips werden helfen. Die Prognose von Applied Materials geht davon aus, dass KI-Workloads weiterhin auf vorhandener Hardware ausgeführt werden, deren Effizienz sich in den nächsten Jahren schrittweise verbessert. Aber eine Vielzahl von Start-ups sowie große Unternehmen wie Intel und AMD entwickeln Halbleiter, die Technologien wie Photonik nutzen, um neuronale Netze und andere KI-Tools mit weit weniger Energie zu betreiben.

Laut Koomey ignorieren alarmistische Projektionen auch die Tatsache, dass für einige Arten von KI-Aufgaben, wie die Mustererkennung, ungefähre Ergebnisse von Modellen ausreichen. Das bedeutet, dass keine Energie aufgewendet werden muss, um Ergebnisse auf Hunderte von Dezimalstellen zu berechnen.

Ironischerweise könnte die größte Kontrolle über den Stromverbrauch der KI tatsächlich die KI selbst sein. Google nutzt bereits die Technologie des 2014 übernommenen Unternehmens DeepMind, um seine Rechenzentren effizienter zu kühlen. Die KI hatte dem Unternehmen bereits geholfen, seine Kühlkostenrechnung um 40 % zu senken, indem sie Empfehlungen an menschliche Bediener gab; Jetzt betreibt es die Kühlsysteme in den Zentren effektiv selbst.

KI wird auch zur Optimierung anderer Aspekte des Betriebs von Rechenzentren eingesetzt. Und wie der Cooling Win von Google wird dies allen Arten von Workloads zugute kommen. Das bedeutet nicht, dass Rechenzentren aufgrund der steigenden Nachfrage nach KI-Zauberei nicht wesentlich mehr Strom verbrauchen werden, aber es ist ein weiterer Grund, warum es so verdammt schwierig ist, hier Prognosen zu erstellen.

verbergen