По прогнозам исследователей, огромные и быстро растущие требования к вычислительной мощности для обработки моделей искусственного интеллекта (ШИ) могут привести к тому, что к 2030 году на свалке окажется объем электронных отходов, эквивалентный более 10 миллиардам iPhone в год.
В статье, опубликованной в журнале Nature, исследователи из Кембриджского университета и Китайской академии наук пытаются предсказать, сколько электронных отходов может производить эта область искусственного интеллекта. Их цель состоит не в том, чтобы ограничить внедрение технологии, которая, как они подчеркивают в начале, многообещающая и, вероятно, неизбежная, а в том, чтобы лучше подготовить мир к ощутимым результатам ее быстрого распространения.
Расходы на электроэнергию, как они объясняют, были тщательно рассмотрены, поскольку они уже действуют. Однако физическим материалам, участвующим в жизненном цикле, и потоку отходов устаревшего электронного оборудования уделялось меньше внимания.
Исследователи смоделировали несколько сценариев низкого, среднего и высокого роста, а также типы вычислительных ресурсов, которые понадобятся для их поддержки, и как долго они будут продолжаться. Их основной вывод состоит в том, что отходы увеличатся в тысячу раз.
«Наши результаты указывают на потенциал быстрого роста электронных отходов с 2,6 тысячи тонн (кт) [в год] в 2023 году до примерно 0,4–2,5 млн тонн (Мт) [в год] в 2030 году», — пишут они.
Эквивалент в айфонах получили, разделив этот вес на вес айфона (187 г).
Следует признать, что использование 2023 как первоначального показателя может быть несколько обманчивым: поскольку большая часть вычислительной инфраструктуры была развернута в течение последних двух лет, цифра 2,6 килотонн не включает их как отходы. Это значительно понижает начальную цифру.
Но в ином смысле показатель вполне реален и точен: это, в конце концов, приблизительные объемы электронных отходов до и после бума генеративного ИИ. Мы увидим резкий рост количества отходов, когда в течение следующих нескольких лет истечет срок службы этой первой крупной инфраструктуры.
Есть разные методы смягчить это, которые исследователи обрисовывают (опять же, только широкими штрихами). Например, серверы в конце срока службы можно было бы переработать, а не выбросить, а такие компоненты, как коммуникации и питание, можно было бы перепрофилировать. Программное обеспечение и эффективность могут быть улучшены, продлевая эффективный срок службы данного поколения процессоров или GPU.
Эти смягчения могут снизить количество отходов на 16-86% — очевидно, достаточно большой диапазон. Но дело не столько в неопределенности по эффективности, сколько в неопределенности относительно того, будут ли эти меры приняты и в каком объеме. Если каждый ускоритель H100 получает вторую жизнь на недорогом сервере где-то в университете, это значительно улучшает экологичность; если один из 10 получает такое перепрофилирование, это не так много.
