Sztuczna inteligencja, którą znamy dzisiaj, pochłania ogromne ilości energii i zasobów naturalnych - problem jest na tyle poważny, że bez fundamentalnych zmian nie będziemy mogli mówić o jej zrównoważonym rozwoju. Artykuł analizuje skalę tego wyzwania, wskazując, że trenowanie coraz bardziej zaawansowanych modeli AI wiąże się z ekologicznym kosztem, który jest trudny do zaakceptowania zarówno z perspektywy środowiskowej, jak i etycznej. Dane centra obliczeniowych potrzebne do nauki tych systemów zużywają coraz więcej prądu, co ma bezpośredni wpływ na emisję dwutlenku węgla i presję na zasoby wodne. To nie jest już только teoretyczne zagrożenie - to realny problem, który dotyka nas tutaj i teraz, szczególnie gdy obserwujemy eksplozję inwestycji w budowę nowych serwerów i zasilaczy dla firm takich jak OpenAI, Google czy Meta.
Problem polega też na tym, że obecny model rozwoju AI jest zbudowany na paradygmacie "im większy model, tym lepszy", co prowadzi do coraz większego zużycia energii bez proporcjonalnych przyrostów wydajności. Artykuł sugeruje, że nie ma magicznego rozwiązania - zamiast tego potrzebne są świadome wybory biznesowe i polityczne zmuszające branżę do przejścia na bardziej efektywne podejścia. Chodzi o to, by zamiast brajutforce'ować rozwiązania poprzez powiększanie parametrów modeli, skupić się na optymalizacji i poszukiwaniu mniejszych, ale bardziej inteligentnych systemów AI.
Zmiany wymagane są na wielu poziomach - od regulacji ochrony środowiska, przez wdrażanie nowych standardów efektywności energetycznej, aż po transformację w samych firmach technologicznych. Bez tego AI, które rozwija się w oszałamiającym tempie, może się okazać największą porażką ekologiczną pokolenia, zamiast być narzędziem jego zbawienia. To test dla całej branży - czy będzie w stanie się przealignować, czy też będzie ignorować sygnały ostrzegające.