Sự gia tăng của trí tuệ nhân tạo đã mang lại những tiến bộ đáng kể, biến đổi các ngành công nghiệp và định hình lại cách chúng ta tương tác với công nghệ. Các Mô Hình Ngôn Ngữ Lớn (LLMs) như ChatGPT đã trở nên phổ biến, dễ dàng trả lời các câu hỏi của chúng ta, tạo ra nội dung sáng tạo và thậm chí tham gia vào các cuộc trò chuyện tưởng chừng như thông minh. Tuy nhiên, sau phép màu kỹ thuật số này là một thực tế vật lý – cơ sở hạ tầng cung cấp sức mạnh cho những ông khổng lồ AI này và các tài nguyên mà chúng tiêu thụ. Trong số các tài nguyên này, việc tiêu thụ nước đã trở thành một mối quan tâm đáng kể, khơi dậy tranh luận và đặt ra những câu hỏi về chi phí môi trường thực sự của sự phụ thuộc vào AI. Mặc dù lượng nước chính xác được sử dụng cho mỗi câu hỏi của ChatGPT vẫn là một chủ đề của nghiên cứu liên tục và hiểu biết đang phát triển, rõ ràng là cơn khát của AI là có thật và cần được xem xét cẩn thận.
Đầu vào nước của AI chủ yếu liên quan đến sức mạnh tính toán khổng lồ cần thiết để đào tạo và vận hành các mô hình này. Những tính toán phức tạp này diễn ra tại các trung tâm dữ liệu khổng lồ, với hàng nghìn máy chủ tạo ra một lượng nhiệt khổng lồ. Để ngăn ngừa máy chủ bị quá nhiệt và hoạt động sai, các hệ thống làm mát tiên tiến là rất cần thiết, và các giải pháp làm mát dựa trên nước là những giải pháp phổ biến và hiệu quả nhất. Các hệ thống này tuần hoàn nước trong toàn bộ trung tâm dữ liệu, hấp thụ nhiệt từ các máy chủ và chuyển nó đi để được tỏa ra, thường thông qua bốc hơi hoặc các tháp làm mát. Quá trình tỏa nhiệt dẫn đến mất nước, đóng góp đáng kể vào dấu chân nước tổng thể của AI. Hiểu được quy mô của việc tiêu thụ nước này là điều quan trọng để đánh giá tính bền vững của AI và phát triển các chiến lược nhằm giảm thiểu tác động môi trường của nó.
Anakin AI
Các trung tâm dữ liệu, trái tim vật lý của thế giới kỹ thuật số, là những cơ sở mở rộng chứa các máy chủ, thiết bị mạng và hệ thống lưu trữ cần thiết để hỗ trợ internet và tất cả các ứng dụng của nó, bao gồm AI. Những trung tâm này nổi tiếng với cường độ năng lượng cao, nhưng việc sử dụng nước của chúng thường bị bỏ qua. Lý do chính cho việc tiêu thụ nước đáng kể này là, như đã đề cập trước đó, cần làm mát thiết bị và duy trì nhiệt độ hoạt động tối ưu. Các máy chủ phát sinh rất nhiều nhiệt khi chúng xử lý dữ liệu, và nếu nhiệt này không được quản lý hiệu quả, nó có thể dẫn đến suy giảm hiệu suất, hỏng hóc phần cứng, và thậm chí tắt hệ thống hoàn toàn. Các hệ thống làm mát bằng nước là một giải pháp phổ biến, hiệu quả và tiết kiệm chi phí cho các trung tâm dữ liệu trên toàn thế giới.
Có nhiều loại hệ thống làm mát bằng nước khác nhau, mỗi loại có đặc điểm sử dụng nước riêng. Làm mát trực tiếp liên quan đến việc tuần hoàn nước trực tiếp đến các bộ phận nóng của máy chủ, cho phép chuyển giao nhiệt hiệu quả. Các hệ thống làm mát gián tiếp sử dụng nước để làm mát không khí, sau đó không khí này được tuần hoàn quanh các máy chủ. Các tháp làm mát bốc hơi cũng là một phương pháp phổ biến khác, nơi nước được bốc hơi để tỏa nhiệt, dẫn đến mất nước đáng kể. Công nghệ làm mát cụ thể được sử dụng, khí hậu nơi trung tâm dữ liệu nằm, và hiệu quả sử dụng điện (PUE) của trung tâm đều góp phần vào dấu chân nước tổng thể của cơ sở đó. Một PUE cao cho thấy hiệu suất thấp hơn, do đó tiêu thụ năng lượng cao hơn và phát sinh nhiệt nhiều hơn, dẫn đến việc sử dụng nước cao hơn cho việc làm mát.
Các Mô Hình Ngôn Ngữ Lớn như ChatGPT đặc biệt tiêu tốn nhiều tài nguyên do kích thước và độ phức tạp của các mô hình và các tập dữ liệu khổng lồ được sử dụng để đào tạo chúng. Việc đào tạo các mô hình này cần một lượng lớn sức mạnh tính toán, thường bao gồm hàng trăm hoặc hàng nghìn GPU (Bộ Xử Lý Đồ Họa) hiệu suất cao làm việc song song trong nhiều tuần hoặc thậm chí nhiều tháng. Hoạt động tính toán này phát sinh một lượng nhiệt lớn, yêu cầu làm mát liên tục để duy trì sự ổn định trong hoạt động. Do đó, giai đoạn đào tạo là một yếu tố đóng góp quan trọng vào dấu chân nước tổng thể của một LLM.
Hơn nữa, ngay cả sau khi đào tạo, việc chạy LLM như ChatGPT cho phép suy diễn – tức là, trả lời các truy vấn của người dùng và tạo ra các phản hồi – vẫn tiêu thụ một lượng năng lượng đáng kể và cần phải làm mát liên tục. Mỗi tương tác với ChatGPT, từ việc trả lời một câu hỏi đơn giản đến việc tạo ra một đoạn văn bản phức tạp, yêu cầu mô hình thực hiện các tính toán phức tạp và truy cập vào cơ sở kiến thức rộng lớn của nó. Quá trình này tạo ra nhiệt mà phải được tỏa ra để đảm bảo các máy chủ tiếp tục hoạt động ổn định. Mặc dù lượng nước chính xác được sử dụng cho mỗi truy vấn rất khó xác định chính xác do nhiều yếu tố như hiệu suất năng lượng của máy chủ, điều kiện khí hậu, vị trí của trung tâm dữ liệu, và độ phức tạp của truy vấn, hãy hiểu rằng hiệu ứng tích lũy của hàng triệu tương tác hàng ngày dẫn đến một lượng lớn việc tiêu thụ nước.
Ước tính lượng nước được sử dụng cho mỗi truy vấn của ChatGPT là một nhiệm vụ phức tạp đầy thách thức. Như đã thảo luận trước đó, việc tiêu thụ nước phụ thuộc vào nhiều yếu tố, bao gồm công nghệ làm mát của trung tâm dữ liệu, vị trí, hiệu quả năng lượng và độ phức tạp của truy vấn. Các câu hỏi đơn giản có thể yêu cầu ít công sức tính toán hơn và do đó cần ít làm mát hơn, trong khi các tác vụ phức tạp như tạo mã hoặc viết sáng tạo sẽ đòi hỏi nhiều tài nguyên hơn.
Một nghiên cứu ước tính rằng việc đào tạo một mô hình AI đơn lẻ như GPT-3 có thể tiêu thụ hàng trăm ngàn gallon nước. Trong khi con số này phản ánh quy mô đầu tư tài nguyên cần thiết cho việc đào tạo ban đầu, nó không cung cấp liên kết trực tiếp đến lượng nước được sử dụng cho mỗi truy vấn khi mô hình đã được triển khai. Obtaining precise measurements of water usage per query also requires real-time monitoring of data center operations, which is often proprietary and not readily available. Cũng có thách thức trong việc quy trách nhiệm tiêu thụ nước cụ thể cho các truy vấn của ChatGPT, vì các trung tâm dữ liệu chứa nhiều ứng dụng và dịch vụ khác nhau, khiến cho việc tách riêng mức tiêu thụ của một dịch vụ cụ thể như ChatGPT trở nên khó khăn. Để làm điều đó, việc có được ước tính tiêu thụ nước đáng tin cậy và chính xác yêu cầu sự hợp tác giữa các nhà phát triển AI, các nhà điều hành trung tâm dữ liệu và các nhà nghiên cứu môi trường để thúc đẩy sự minh bạch và cải thiện phương pháp thu thập dữ liệu.
Giải quyết dấu chân nước của AI yêu cầu một cách tiếp cận đa diện bao gồm đổi mới công nghệ, quản lý tài nguyên có trách nhiệm và quyết định chiến lược. Một hướng đi hứa hẹn là phát triển và triển khai các công nghệ làm mát hiệu quả hơn. Ví dụ, làm mát bằng ngâm chất lỏng cung cấp khả năng truyền nhiệt cải thiện rõ rệt so với các hệ thống dựa trên không khí hoặc nước truyền thống, giảm nhu cầu sử dụng nước. Hơn nữa, tối ưu hóa hiệu suất năng lượng của các máy chủ và thiết bị khác trong trung tâm dữ liệu cũng có thể giảm phát sinh nhiệt và do đó giảm nhu cầu nước.
Áp dụng một cách tiếp cận kinh tế tuần hoàn cho việc quản lý nước trong các trung tâm dữ liệu là một chiến lược quan trọng khác. Điều này liên quan đến việc triển khai các hệ thống tái sử dụng và tái chế nước, điều trị và tái sử dụng nước thải cho các hoạt động làm mát thay vì chỉ dựa vào các nguồn nước ngọt. Cung cấp nước không uống được, chẳng hạn như nước xám từ các tòa nhà lân cận hoặc thu hoạch nước mưa, có thể giảm bớt nhu cầu đối với các nguồn nước uống được. Cuối cùng, tính bền vững lâu dài của AI phụ thuộc vào cam kết chung nhằm giảm thiểu tác động môi trường của nó.
Để phát triển và triển khai các chiến lược hiệu quả, cần có sự minh bạch tăng cường về việc sử dụng nước của AI. Các nhà điều hành trung tâm dữ liệu và các nhà phát triển AI nên được khuyến khích tiết lộ dấu chân nước của họ và các biện pháp họ đang thực hiện để giảm thiểu nó. Thông tin này sẽ cho phép các bên liên quan, bao gồm người tiêu dùng, nhà đầu tư và cơ quan quản lý, đưa ra các quyết định thông thái về tác động môi trường của AI và buộc ngành công nghiệp phải chịu trách nhiệm.
Các chính sách và ưu đãi của chính phủ cũng có thể đóng vai trò quan trọng trong việc thúc đẩy phát triển AI bền vững. Có thể cung cấp ưu đãi cho các trung tâm dữ liệu áp dụng công nghệ tiết kiệm nước và thực hiện các thực hành quản lý nước bền vững. Các quy định có thể được đưa ra để hạn chế việc sử dụng nước trong các trung tâm dữ liệu, đặc biệt là ở những khu vực thiếu nước. Bằng cách thúc đẩy sự minh bạch, khuyến khích các thực hành phát triển có trách nhiệm và hỗ trợ đổi mới công nghệ, chúng ta có thể đảm bảo rằng AI hiện thực hóa tiềm năng của nó mà không làm tổn hại đến các nguồn tài nguyên hữu hạn của hành tinh.
Tương lai của AI gắn liền với tính bền vững của nước. Khi AI tiếp tục phát triển và thâm nhập vào nhiều khía cạnh của cuộc sống chúng ta, nhu cầu về sức mạnh tính toán và việc tiêu thụ nước liên quan sẽ chỉ tăng lên. Để đảm bảo rằng AI vẫn là một lực lượng tích cực, chúng ta phải chủ động giải quyết tác động môi trường của nó và áp dụng các thực hành tối thiểu hóa việc tiêu thụ tài nguyên nước. Việc liên tục giám sát việc sử dụng nước, đầu tư vào nghiên cứu và phát triển công nghệ tiết kiệm nước, thực hiện các chính sách quản lý nước có trách nhiệm, và sự hợp tác trong ngành là cần thiết để đảm bảo việc triển khai bền vững AI trong những năm tới.
Sự chuyển mình towards các bộ xử lý tiết kiệm năng lượng hơn có thể giảm đáng kể lượng nước yêu cầu cho việc thực thi các tải công việc AI. Hơn nữa, việc xây dựng các trung tâm dữ liệu bền vững hơn, nằm gần các khu vực thu hoạch năng lượng tái tạo, đồng thời sử dụng các hệ thống làm mát tiên tiến, có thể giảm cả lượng carbon phát thải và việc sử dụng nước. Những cải tiến này sẽ làm cho các ứng dụng AI trở nên ít tốn kém hơn và thân thiện với môi trường hơn. AI đóng một vai trò quan trọng trong việc phát triển các hệ thống dự đoán tác động thời tiết theo thời gian thực để giúp điều hướng việc biến đổi khí hậu tốt hơn. Bằng cách áp dụng những chiến lược này, chúng ta có thể đảm bảo rằng AI vẫn là một công cụ mạnh mẽ cho sự tiến bộ của nhân loại mà không làm tổn hại đến các nguồn nước thiết yếu cho các thế hệ tương lai.
