Generative KI ist eine leistungsstarke Technologie, die in verschiedenen Bereichen eingesetzt wird, von der Produktentwicklung bis zur medizinischen Forschung. Allerdings hat seine Verwendung einen erheblichen CO2-Fußabdruck. Laut einer aktuellen Studie von Forschern von Hugging Face und der Carnegie Mellon University verbraucht die Erstellung eines einzelnen Bildes mithilfe von KI genauso viel Energie wie das vollständige Aufladen eines Smartphones.
Die von Sasha Luccioni von Hugging Face geleitete Studie analysierte die Auswirkungen von 10 Eingabeaufforderungen auf 88 verschiedene KI-Modelle. Das Werkzeug Code Kohlenstoff wurde zur Messung des Energieverbrauchs verwendet. Die Analyse ergab, dass die Erstellung von Bildern die kohlenstoff- und energieintensivste Tätigkeit war.
1.000 Bilder entsprechen einer 4,1-Meilen-Fahrt
Die Verwendung eines leistungsstarken KI-Modells wie Stable Diffusion XL zur Erstellung von 1.000 Bildern erzeugt ungefähr die gleiche Menge Kohlendioxid wie die Fahrt mit einem durchschnittlichen benzinbetriebenen Auto über 4,1 Meilen oder etwa 1,1 Kilogramm CO₂. Allerdings haben Textgenerierungsmodelle einen deutlich geringeren CO2-Fußabdruck. Das analysierte Modell mit dem geringsten CO2-Ausstoß verursachte nur so viel CO₂ wie eine Fahrt von 0,0006 Meilen in einem ähnlichen Fahrzeug, also etwa 0,002 Kilogramm CO₂.
Große KI-Modelle tragen zu erhöhten Emissionen bei
Man könnte annehmen, dass die hohen CO₂-Emissionen von KI-Bildern auf den erheblichen Energieaufwand für das Training zurückzuführen sind, da KI-Modelle mit riesigen Bilddatensätzen trainiert werden, die auf Supercomputern verarbeitet werden. Der Großteil der Emissionen resultiert jedoch aus der tatsächlichen Nutzung und nicht aus dem Training großer Modelle.
Luccioni schätzt, dass der Energieaufwand für das Training großer Sprachmodelle wie chatgpt bereits nach wenigen Wochen der Nutzung überschritten wird. Denn der beliebte Chatbot hat täglich rund 10 Millionen Nutzer. Studien zeigen außerdem, dass die Ausführung großer generativer Modelle deutlich energieintensiver ist als die Verwendung spezifischerer Modelle, die nur für bestimmte Aufgaben benötigt werden.
Wenn Sie eine bestimmte Anwendung ausführen, beispielsweise E-Mails durchsuchen, benötigen Sie wirklich diese großen Modelle, die zu allem fähig sind? Ich würde nein sagen.
– Sasha Luccioni
Luccioni hofft, dass die Ergebnisse den bewussten Konsum generativer KI und die Auswahl energieeffizienterer Modelle fördern, wann immer dies möglich ist. Ziel der Forscher ist es, das Bewusstsein für dieses Thema zu schärfen und Unternehmen zu mehr Verantwortung für ihren Energie-Fußabdruck zu ermutigen.
Die Verantwortung liegt hier bei einem Unternehmen, das die Modelle erstellt und damit Gewinne erwirtschaftet.
– Jesse Dodge, Forschungswissenschaftler am Allen Institute for AI
