Wir hatten ChatGPT einen Blogartikel zum Thema „Schafskälte“ schreiben lassen. Daraufhin bekamen wir einige böse Mails, hier eine davon: „Und jeder Einsatz von ChatGPT ist auch gleich wieder wirklich übelst klimaschädlich. Das Schlimmste überhaupt (neben Kreuzfahrten) war neulich noch Bitcoin. Jetzt ist es AI.“
Daraufhin habe ich ChatGTP gefragt, wie umweltschädlich er ist. Hier die Antwort:
Die Nutzung von ChatGPT und ähnlichen KI-Modellen hat verschiedene Umweltauswirkungen, die hauptsächlich mit dem Energieverbrauch für das Training und den Betrieb dieser Modelle zusammenhängen. Hier ist eine detaillierte Betrachtung der klimatischen Auswirkungen von ChatGPT:
1. Energieverbrauch beim Training
Das Training großer KI-Modelle wie ChatGPT erfordert immense Rechenressourcen, die wiederum große Mengen an Energie verbrauchen. Hier sind einige Schlüsselpunkte:
Rechenaufwand: Das Training eines Modells wie GPT-3, auf dem ChatGPT basiert, benötigt Hunderttausende GPU-Stunden. Eine Schätzung besagt, dass das Training von GPT-3 etwa 3,14 GWh (Gigawattstunden) Energie verbraucht hat .
CO2-Emissionen: Der CO2-Fußabdruck hängt von der Energiequelle ab. Bei fossilen Brennstoffen wäre der CO2-Ausstoß erheblich. Mit einem durchschnittlichen CO2-Ausstoß von 0,5 kg CO2 pro kWh, würde das Training von GPT-3 etwa 1.570 Tonnen CO2-Emissionen erzeugen, wenn es ausschließlich mit fossilen Brennstoffen betrieben würde .
2. Energieverbrauch beim Einsatz
Der laufende Betrieb von KI-Modellen, also die Nutzung durch Benutzer, verbraucht ebenfalls Energie:
Serverbetrieb: Um Antworten in Echtzeit zu generieren, benötigen KI-Modelle kontinuierlich Rechenleistung. Die Energie, die für das Beantworten von Anfragen verbraucht wird, hängt von der Anzahl der Anfragen und der Größe des Modells ab.
Rechenzentren: Die Infrastruktur, in der die Modelle betrieben werden, spielt eine wichtige Rolle. Moderne Rechenzentren sind oft energieeffizienter, nutzen aber immer noch große Mengen an Energie.
Eine Schätzung besagt, dass der Energieverbrauch für die Bereitstellung von Antworten durch ChatGPT erheblich ist, insbesondere bei umfangreicher Nutzung. Beispielsweise könnte eine einzelne Anfrage an ein großes Sprachmodell wie GPT-3 zwischen 0,001 und 0,01 kWh Energie verbrauchen. Hochgerechnet auf Millionen von Anfragen täglich, summiert sich dies zu einem signifikanten Energieverbrauch.
3. Minderung von Umweltauswirkungen
Es gibt mehrere Ansätze, um die Umweltauswirkungen des Einsatzes von KI-Modellen zu reduzieren:
Energieeffizienz verbessern: Durch Optimierung der Modellarchitektur und des Trainingsprozesses kann der Energieverbrauch gesenkt werden. Leichtere Modelle wie GPT-3.5 oder GPT-4.0 sind effizienter als ihre Vorgänger.
Erneuerbare Energien: Der Umstieg auf erneuerbare Energiequellen für Rechenzentren kann den CO2-Fußabdruck erheblich reduzieren. Viele große Tech-Unternehmen arbeiten daran, ihre Rechenzentren mit erneuerbarer Energie zu betreiben.
Optimierung der Infrastruktur: Effizientere Kühlungssysteme und energieeffiziente Hardware können den Gesamtenergieverbrauch senken.
Fazit
Der Einsatz von ChatGPT ist mit einem erheblichen Energieverbrauch verbunden, sowohl während des Trainings als auch im laufenden Betrieb. Dies führt zu CO2-Emissionen, die von der Art der genutzten Energie abhängen. Die Verbesserung der Energieeffizienz und der Einsatz erneuerbarer Energien sind entscheidend, um die klimatischen Auswirkungen zu minimieren.
Quellen
Training Energiebedarf: Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., … & Amodei, D. (2020). Language Models are Few-Shot Learners. arXiv preprint arXiv:2005.14165.
CO2-Emissionen: Patterson, D., Gonzalez, J., Le, Q., Liang, C., Munguia Llano, D., Plummer, L., … & Rothchild, D. (2021). Carbon Emissions and Large Neural Network Training. arXiv preprint arXiv:2104.10350.