Sự phát triển của trí tuệ nhân tạo, đặc biệt là các mô hình AI hội thoại như ChatGPT, đã thu hút sự chú ý của thế giới, mang lại khả năng chưa từng có trong việc tạo ra ngôn ngữ, truy xuất thông tin và tạo ra nội dung sáng tạo. Tuy nhiên, đằng sau những tương tác dường như không cần nỗ lực đó là một chi phí môi trường đáng kể, và thường bị bỏ qua. Trong khi sự chú ý thường tập trung vào các lợi ích tiềm năng của AI, một cuộc kiểm tra quan trọng về mức tiêu thụ năng lượng và việc sử dụng tài nguyên của nó là cần thiết để hiểu rõ tác động thực sự của các công nghệ này đối với hành tinh của chúng ta. Chúng ta cần phân tích các giai đoạn khác nhau của sự phát triển, triển khai và sử dụng AI để nắm bắt toàn bộ phạm vi các thách thức môi trường mà chúng gây ra. Điều này không chỉ bao gồm năng lượng trực tiếp cung cấp cho các máy chủ chạy các mô hình khổng lồ này mà còn cả năng lượng nhúng trong phần cứng, nước tiêu thụ cho việc làm mát và rác thải điện tử phát sinh khi các hệ thống trở nên lỗi thời. Hiểu rõ những yếu tố này là rất quan trọng để phát triển các thực tiễn AI bền vững và giảm thiểu những hậu quả môi trường khi AI ngày càng trở nên tích hợp vào cuộc sống hàng ngày của chúng ta.
Anakin AI
Một trong những nguyên nhân đáng kể nhất góp phần vào tác động môi trường của ChatGPT là năng lượng cần thiết để đào tạo các mạng nơ-ron khổng lồ cung cấp sức mạnh cho nó. Những mô hình này được đào tạo trên các tập dữ liệu khổng lồ, thường chứa hàng tỷ từ, hình ảnh, và các hình thức thông tin khác. Quá trình đào tạo bao gồm việc điều chỉnh các tham số của mạng nơ-ron theo từng bước, đòi hỏi sức mạnh tính toán khổng lồ và do đó, mức tiêu thụ năng lượng đáng kể. Ví dụ, các nghiên cứu đã chỉ ra rằng việc đào tạo một mô hình ngôn ngữ lớn có thể tiêu tốn nhiều năng lượng ngang bằng với mức tiêu thụ của một vài hộ gia đình trong một năm. Mức tiêu thụ năng lượng này không chỉ là một mối quan tâm lý thuyết; nó chuyển đổi trực tiếp thành khí nhà kính thải ra, đặc biệt là nếu điện năng tiêu thụ đến từ các nguồn nhiên liệu hóa thạch. Các con số chính xác thường rất khó thu thập, vì các công ty thường giữ các chi tiết này trong bí mật, viện lý do cạnh tranh. Tuy nhiên, các ước tính nghiên cứu cung cấp cái nhìn đáng lo ngại về quy mô của dấu chân carbon, nhấn mạnh sự cần thiết phải minh bạch và các phương pháp đào tạo tiết kiệm năng lượng hơn. Hơn nữa, xu hướng hướng tới các mô hình lớn hơn và phức tạp hơn cho thấy vấn đề này chỉ có thể xấu đi trừ khi có những tiến bộ đáng kể trong các phương pháp đào tạo AI được đạt được.
Năng lượng cần thiết cho việc đào tạo không phải là mối quan tâm môi trường duy nhất liên quan đến ChatGPT. Phần cứng được sử dụng để đào tạo và vận hành các mô hình này cũng có một dấu chân môi trường đáng kể. Điều này bao gồm năng lượng tiêu thụ trong quá trình sản xuất phần cứng chuyên dụng, như GPU và CPU, là cần thiết cho các phép toán AI. "Năng lượng nhúng" trong những thiết bị này đại diện cho một chi phí môi trường đáng kể mà thường bị bỏ qua. Hơn nữa, khi các mô hình AI liên tục được cập nhật và cải thiện, phần cứng trở nên lỗi thời với tốc độ nhanh chóng, dẫn đến một lượng rác thải điện tử ngày càng gia tăng. Việc xử lý không đúng cách rác thải điện tử có thể giải phóng các độc tố gây hại vào môi trường, đặt ra nguy cơ nghiêm trọng cho sức khỏe con người và các hệ sinh thái. Việc khai thác các khoáng sản đất hiếm cần thiết để sản xuất các thành phần phần cứng này cũng mang đến nhiều vấn đề môi trường, bao gồm phá rừng, ô nhiễm nước và suy thoái đất. Do đó, một đánh giá toàn diện về tác động môi trường của AI cần tính đến toàn bộ vòng đời của phần cứng, từ sản xuất đến xử lý, không chỉ năng lượng tiêu thụ trong quá trình vận hành.
Vị trí của các trung tâm dữ liệu lưu trữ và vận hành ChatGPT và các mô hình AI khác đóng vai trò quan trọng trong việc xác định tác động môi trường của chúng. Các trung tâm dữ liệu, về cơ bản là các kho lớn chứa đầy máy chủ, cần một lượng lớn điện năng để cung cấp cho các máy chủ và giữ cho chúng mát. Vị trí của các trung tâm dữ liệu này xác định nguồn điện cho việc này. Nếu trung tâm dữ liệu nằm ở một khu vực phụ thuộc nhiều vào nhiên liệu hóa thạch để sản xuất điện, thì dấu chân carbon của ChatGPT sẽ cao hơn đáng kể so với nếu trung tâm dữ liệu được cấp điện bằng các nguồn năng lượng tái tạo như năng lượng mặt trời, gió hoặc thủy điện. Nhiều công ty công nghệ hiện đang nỗ lực để đặt các trung tâm dữ liệu của họ ở những khu vực có nguồn năng lượng tái tạo, nhưng điều này không phải lúc nào cũng khả thi vì các yếu tố như chi phí, khả năng tiếp cận và các rào cản quy định. Ngay cả với năng lượng tái tạo, quy mô tiêu thụ năng lượng khổng lồ của các trung tâm dữ liệu này có thể gây áp lực lên lưới điện địa phương và yêu cầu đầu tư lớn vào cơ sở hạ tầng. Do đó, tối ưu hóa vị trí địa lý của các trung tâm dữ liệu là một chiến lược quan trọng để giảm tác động môi trường của AI.
Ngoài năng lượng, mức tiêu thụ nước là mối quan tâm môi trường quan trọng khác liên quan đến các mô hình AI như ChatGPT. Các trung tâm dữ liệu phát sinh một lượng lớn nhiệt, cần phải được tản ra để ngăn các máy chủ bị quá nhiệt và hỏng hóc. Các phương pháp làm mát truyền thống dựa vào nước, sử dụng một lượng lớn nước để làm mát không khí lưu thông trong trung tâm dữ liệu. Nước có thể bị bay hơi, dẫn đến mất nước, hoặc được làm lạnh và tuần hoàn, điều này cũng đòi hỏi năng lượng đáng kể. Ở những khu vực đã phải đối mặt với tình trạng khan hiếm nước, nhu cầu nước của các trung tâm dữ liệu có thể làm trầm trọng thêm các vấn đề hiện có và tạo ra xung đột với những người dùng nước khác, như nông nghiệp và khu vực dân cư. Các công nghệ làm mát thay thế, như làm mát không khí hoặc làm mát ngâm, đang được khám phá, nhưng thường đi kèm với những thách thức riêng, như tiêu thụ năng lượng cao hơn hoặc chi phí tăng. Cải thiện hiệu suất nước trong các trung tâm dữ liệu do đó là một lĩnh vực nghiên cứu và phát triển rất quan trọng, đặc biệt khi việc triển khai AI tiếp tục tăng trưởng toàn cầu. Việc thực hiện các hệ thống làm mát khép kín, thu hoạch nước mưa và các biện pháp bảo tồn khác có thể giúp giảm mạnh dấu chân nước của AI.
Trong khi mức tiêu thụ năng lượng và nước trực tiếp của ChatGPT đã khá lớn, các tác động môi trường gián tiếp cũng đáng được xem xét. Một ví dụ là khả năng của AI trong việc kích thích các mô hình tiêu thụ. Bằng cách đưa ra khuyến nghị và gợi ý, AI có thể khuyến khích người dùng mua thêm sản phẩm và dịch vụ, dẫn đến việc sản xuất và tiêu thụ tài nguyên tăng lên. Điều này có thể bù đắp bất kỳ lợi ích môi trường tiềm năng nào mà AI có thể mang lại ở các lĩnh vực khác, chẳng hạn như tối ưu hóa việc sử dụng năng lượng hay giảm chất thải. Ví dụ, một chiến dịch quảng cáo cá nhân hóa do AI điều hành có thể dẫn đến một sự gia tăng nhu cầu đối với một sản phẩm cụ thể, dẫn đến sản xuất và vận chuyển tăng lên, mà lại góp phần vào khí thải nhà kính và sự cạn kiệt tài nguyên. Cũng quan trọng là phải suy nghĩ về tác động của cơ sở hạ tầng thông tin liên lạc khổng lồ cần thiết để hỗ trợ các ứng dụng AI. Việc triển khai mạng 5G, điều cần thiết cho nhiều ứng dụng AI, yêu cầu xây dựng một số lượng lớn các trạm phát sóng và cơ sở hạ tầng khác. Quá trình xây dựng này có thể gây ra tác động môi trường đáng kể, bao gồm phá hủy môi trường sống và ô nhiễm.
Một trong những hướng đi hứa hẹn nhất để giảm thiểu tác động môi trường của ChatGPT và các mô hình AI khác là cải thiện hiệu quả thuật toán của chúng. Điều này bao gồm phát triển các thuật toán hiệu quả hơn có thể đạt được hiệu suất tương tự hoặc tốt hơn với ít sức mạnh tính toán và tiêu thụ năng lượng hơn. Ví dụ, các nhà nghiên cứu đang khám phá các kỹ thuật như cắt tỉa, số lượng hóa và tinh chế tri thức, có thể giảm kích thước và độ phức tạp của các mạng nơ-ron mà không hy sinh độ chính xác. Cắt tỉa liên quan đến việc loại bỏ các kết nối không cần thiết trong mạng, trong khi số lượng hóa giảm độ chính xác của các giá trị số được sử dụng trong mạng. Tinh chế tri thức liên quan đến việc đào tạo một mô hình nhỏ hơn, hiệu quả hơn để bắt chước hành vi của một mô hình lớn hơn và phức tạp hơn. Những kỹ thuật này và các kỹ thuật khác có thể giảm đáng kể năng lượng cần thiết để đào tạo và vận hành các mô hình AI, làm cho chúng bền vững hơn về môi trường. Hơn nữa, những tiến bộ trong thiết kế phần cứng, như việc phát triển các bộ tăng tốc AI chuyên dụng, cũng có thể góp phần vào việc cải thiện hiệu quả năng lượng.
Cuối cùng, việc giải quyết tác động môi trường của ChatGPT và các mô hình AI khác đòi hỏi một nỗ lực chung từ các nhà nghiên cứu, phát triển, nhà hoạch định chính sách và người dùng. Rất cần thúc đẩy sự minh bạch lớn hơn về mức tiêu thụ năng lượng và sử dụng tài nguyên của các mô hình AI. Các công ty nên được khuyến khích tiết lộ dấu chân môi trường của các hệ thống AI của họ, bao gồm cả năng lượng dùng trong quá trình đào tạo và suy diễn, nước tiêu thụ cho việc làm mát, và rác thải điện tử phát sinh. Thông tin này có thể giúp người tiêu dùng đưa ra quyết định được thông báo hơn và khuyến khích các công ty áp dụng thực tiễn bền vững hơn. Các nhà hoạch định chính sách cũng nên đóng một vai trò trong việc thiết lập tiêu chuẩn và quy định cho sự phát triển AI, thúc đẩy hiệu quả năng lượng và khuyến khích việc sử dụng các nguồn năng lượng tái tạo. Hơn nữa, các nhà nghiên cứu cũng nên tiếp tục khám phá các thuật toán mới và thiết kế phần cứng có thể giảm thiểu tác động môi trường của AI. Người dùng cũng có thể đóng góp bằng cách chú ý đến việc sử dụng AI của họ và hỗ trợ các công ty cam kết với sự bền vững. Bằng cách làm việc cùng nhau, chúng ta có thể đảm bảo rằng các lợi ích của AI không được đạt được trên sự hy sinh của môi trường.
Việc phát triển và triển khai AI nên được hướng dẫn bởi các nguyên tắc bền vững, đảm bảo rằng các yếu tố môi trường được tích hợp vào tất cả các giai đoạn của vòng đời AI. Điều này không chỉ bao gồm việc giảm thiểu mức tiêu thụ năng lượng và sử dụng tài nguyên của các mô hình AI mà còn xem xét các hệ quả xã hội và đạo đức của công nghệ AI. Ví dụ, các hệ thống AI nên được thiết kế để công bằng và không thiên lệch, và chúng không nên được sử dụng để duy trì hoặc làm trầm trọng thêm các bất bình đẳng hiện có. Việc phát triển AI bền vững đòi hỏi một cách tiếp cận đa ngành, liên quan đến các chuyên gia từ khoa học máy tính, khoa học môi trường, đạo đức và các lĩnh vực khác. Nó cũng cần sự hợp tác giữa học viện, ngành công nghiệp và chính phủ, khuyến khích đổi mới và thúc đẩy việc áp dụng các thực hành tốt nhất. Bằng cách ưu tiên sự bền vững trong phát triển AI, chúng ta có thể khai thác tiềm năng của AI để giải quyết một số thách thức cấp bách nhất của thế giới đồng thời giảm thiểu tác động môi trường của nó. Tương lai của AI phụ thuộc vào khả năng của chúng ta trong việc tạo ra các công nghệ không chỉ thông minh mà còn có trách nhiệm và bền vững.
