Konfrontace s energetickou hádankou umělé inteligence

Explozivní růst výpočetních center poháněných umělou inteligencí (AI) vytváří nebývalý nárůst poptávky po elektřině, který hrozí přetížením energetických sítí a zmařením klimatických cílů. Současně však technologie umělé inteligence mohou energetické systémy zrevolucionovat a urychlit přechod na čistou energii.

„Nacházíme se na pokraji potenciálně obrovských změn v celém hospodářství,“ uvedl William H. Green, ředitel MIT Energy Initiative (MITEI) a profesor na MIT Fakultě chemického inženýrství, na jarním sympoziu MITEI „AI a energie: Nebezpečí a slib“, které se konalo 13. května. Akce shromáždila odborníky z průmyslu, akademické sféry a vlády, aby prozkoumali řešení toho, co Green označil za „lokální problémy s dodávkami elektřiny a plnění našich cílů v oblasti čisté energie“, přičemž se snaží „sklízet výhody AI bez některých škod“. Výzva energetické náročnosti datových center a potenciální přínos AI pro energetickou transformaci je výzkumnou prioritou MITEI.

Ohromující energetické nároky AI

Sympozium od začátku zdůrazňovalo znepokojivé statistiky o chuti AI k elektřině. Po desetiletích stagnující poptávky po elektřině ve Spojených státech nyní datová centra spotřebovávají přibližně 4 % elektřiny v zemi. Ačkoli existuje velká nejistota, některé projekce naznačují, že tato poptávka by se do roku 2030 mohla zvýšit na 12–15 %, a to z velké části v důsledku aplikací umělé inteligence.

Vijay Gadepally, hlavní vědecký pracovník v MIT Lincoln Laboratory, zdůraznil rozsah spotřeby AI. „Výkon potřebný k udržení některých z těchto velkých modelů se zdvojnásobuje téměř každých tři měsíce,“ poznamenal. „Jediná konverzace s ChatGPT spotřebuje tolik elektřiny jako nabíjení vašeho telefonu a generování obrázku spotřebuje asi láhev vody na chlazení.“

Zařízení vyžadující 50 až 100 megawattů energie rychle vznikají v USA i po celém světě, a to jak v důsledku běžných, tak institucionálních výzkumných potřeb spoléhajících se na rozsáhlé jazykové programy, jako jsou ChatGPT a Gemini. Gadepally citoval svědectví před Kongresem Sama Altmana, generálního ředitele OpenAI, které zdůrazňuje, jak fundamentální se tento vztah stal: „Cena inteligence, cena AI, se sblíží s cenou energie.“

„Energetické nároky AI představují významnou výzvu, ale zároveň máme příležitost využít těchto obrovských výpočetních kapacit k řešení problémů klimatických změn,“ uvedla Evelyn Wang, místopředsedkyně MIT pro energii a klima a bývalá ředitelka agentury Advanced Research Projects Agency-Energy (ARPA-E) na Ministerstvu energetiky USA.

Wang také poznamenala, že inovace vyvinuté pro AI a datová centra – jako je efektivita, chladicí technologie a řešení s čistou energií – by mohly mít široké uplatnění i mimo samotná výpočetní zařízení.

Strategie pro řešení čisté energie

Sympozium prozkoumalo mnoho cest k řešení energetické výzvy AI. Někteří diskutující představili modely naznačující, že zatímco umělá inteligence může v krátkodobém horizontu zvýšit emise, její optimalizační schopnosti by mohly umožnit značné snížení emisí po roce 2030 díky efektivnějším energetickým systémům a urychlenému rozvoji čistých technologií.

Výzkum ukazuje regionální rozdíly v nákladech na napájení výpočetních center čistou elektřinou, podle Emre Gençera, spoluzakladatele a generálního ředitele Sesame Sustainability a bývalého hlavního vědeckého pracovníka MITEI. Gençerova analýza ukázala, že střední Spojené státy nabízejí výrazně nižší náklady díky doplňkovým slunečním a větrným zdrojům. Nicméně dosažení nulových emisí by vyžadovalo masivní nasazení baterií – pětkrát až desetkrát více než v případě středních scénářů s emisemi uhlíku – což by zvýšilo náklady na dvojnásobek až trojnásobek.

„Pokud chceme dosáhnout nulových emisí s spolehlivou energií, potřebujeme technologie jiné než obnovitelné zdroje a baterie, které budou příliš drahé,“ řekl Gençer. Poukázal na „technologie dlouhodobého skladování, malé modulární reaktory, geotermální energii nebo hybridní přístupy“ jako nezbytné doplňky.

Vzhledem k energetické náročnosti datových center se obnovuje zájem o jadernou energii, poznamenala Kathryn Biegel, manažerka výzkumu a vývoje a firemní strategie ve společnosti Constellation Energy, a dodala, že její společnost restartuje reaktor na bývalém místě Three Mile Island, nyní nazývaném „Crane Clean Energy Center“, aby tuto poptávku uspokojila. „Prostor datových center se stal pro Constellation hlavní, hlavní prioritou,“ řekla a zdůraznila, jak jejich potřeba spolehlivé i bezuhlíkové elektřiny přetváří energetický průmysl.

Může AI urychlit energetickou transformaci?

Umělá inteligence by mohla dramaticky zlepšit energetické systémy, podle Priya Donti, asistentky profesorky a profesorky Silverman Family Career Development na MIT Fakultě elektrotechniky a informatiky a Laboratoři pro informace a rozhodovací systémy. Ukázala, jak AI může urychlit optimalizaci energetické sítě zabudováním fyzikálních omezení do neuronových sítí, čímž potenciálně řeší složité problémy toku energie „desetkrát, nebo dokonce více, rychleji než vaše tradiční modely“.

AI již snižuje emise uhlíku, podle příkladů sdílených Antonií Gawel, globální ředitelkou pro udržitelnost a partnerství ve společnosti Google. Funkce Google Maps pro úsporné trasy „pomohla zabránit více než 2,9 milionům metrických tun emisí skleníkových plynů od svého spuštění, což odpovídá tomu, jako by se na rok z silnic odstranilo 650 000 aut poháněných fosilními palivy,“ řekla. Další výzkumný projekt Google využívá umělou inteligenci k pomoci pilotům vyhnout se tvorbě kondenzačních stop, které představují asi 1 % globálního oteplování.

Potenciál AI urychlit objevování materiálů pro energetické aplikace zdůraznil Rafael Gómez-Bombarelli, docent na MIT Fakultě materiálového inženýrství. „Modely s dohledem AI lze vytrénovat tak, aby přešly od struktury k vlastnostem,“ poznamenal, což umožňuje vývoj materiálů, které jsou klíčové jak pro výpočty, tak pro efektivitu.

Zabezpečení růstu s udržitelností

Po celou dobu sympozia se účastníci potýkali s vyvažováním rychlého zavádění AI proti dopadům na životní prostředí. Zatímco výcvik AI dostává nejvíce pozornosti, Dustin Demetriou, starší technický pracovník pro udržitelnost a inovace datových center v IBM, citoval článek Světového ekonomického fóra, který naznačuje, že „80 % ekologické stopy se odhaduje, že je způsobeno usuzováním“. Demetriou zdůraznil potřebu efektivity ve všech aplikacích umělé inteligence.

Jevonsův paradox, kde „zisky v efektivitě mají tendenci zvyšovat celkovou spotřebu zdrojů spíše než ji snižovat“, je dalším faktorem, který je třeba zvážit, varovala Emma Strubell, asistentka profesorky Raj Reddy v Language Technologies Institute na Fakultě informatiky na Carnegie Mellon University. Strubell se zasazovala o to, aby se na elektřinu datových center pohlíželo jako na omezený zdroj, který vyžaduje promyšlené rozdělení mezi různé aplikace.

Několik prezentujících diskutovalo o nových přístupech k integraci obnovitelných zdrojů do stávající infrastruktury sítě, včetně potenciálních hybridních řešení, která kombinují čisté instalace se stávajícími závodmi na zemní plyn, které již mají cenná síťová připojení. Tyto přístupy by mohly poskytnout značnou čistou kapacitu napříč Spojenými státy za rozumné náklady a zároveň minimalizovat dopad na spolehlivost.

Navigace AI-energetickým paradoxem

Sympozium zdůraznilo ústřední roli MIT při vývoji řešení energetické výzvy AI.

Green hovořil o novém programu MITEI o datových centrech, energii a výpočtech, který bude fungovat vedle komplexního rozšíření výzkumu MIT Climate Project. "Pokusíme se řešit velmi složitý problém od zdrojů energie až po samotné algoritmy, které dodávají hodnotu zákazníkům – způsobem, který bude přijatelný pro všechny zúčastněné strany a skutečně uspokojí všechny potřeby," řekl Green.

Účastníci sympozia byli dotazováni na priority výzkumu MIT Randallem Fieldem, ředitelem výzkumu MITEI. Výsledky v reálném čase zařadily „problémy s integrací datového centra a sítě“ na první místo, následované „AI pro urychlené objevování pokročilých materiálů pro energii“.

Účastníci dále zjistili, že většina vnímá potenciál AI v oblasti energie spíše jako „slib“, než jako „nebezpečí“, přestože značná část si stále není jistá konečným dopadem. Na otázku ohledně priorit v dodávkách energie pro výpočetní zařízení polovinu respondentů zařadila uhlíkovou intenzitu jako svou hlavní starost, následovanou spolehlivostí a náklady.