Kunstig intelligens er en kæmpe klimasynder, men nyt dansk værktøj skal hjælpe

Kunstig intelligens forudsiges af mange til at være en af de teknologier, der kommer til at ændre verden mest i de kommende år.

Men udviklingen af kunstig intelligens er i sig selv enormt klimabelastende, pointerer to studerende fra Datalogisk Institut på Københavns Universitet. Det skriver Videnskab.dk.

De har opfundet et værktøj, der kan forudsige, hvor meget CO₂ der vil blive udledt som følge af udviklingen af en given kunstig intelligens.

Værktøjet har de studerende døbt Carbontracker. Håbet er, at virksomheder og universiteter, der beskæftiger sig med kunstig intelligens, vil bruge det til at blive mere bevidste om klimabelastningen ved deres aktiviteter og foretage grønnere valg.

Sprogmodel udleder CO2 som 700.000 kilometers bilkørsel

Carbontracker er især lavet til forsøg med deep learning, hvor matematiske modeller træner sig selv i at genkende mønstre i store sæt data, fortæller en af opfinderne, Lasse F. Wolff Anthony.

Han er 23 år gammel og er ved at tage sin kandidatgrad i datalogi i Schweiz.

»Deep learning kræver enorm computerkraft og dermed energi på grund af de kæmpemæssige mængder af data, som modellerne træner ud fra. Og da mængden af data vokser eksponentielt, vokser energiforbruget tilsvarende eksplosivt,« siger Lasse F. Wolff Anthony.

Som eksempel fremhæver Lasse F. Wolff Anthony den avancerede sprogmodel GPT-3.

Læs også: GPT-3: Mød den kunstige intelligens, der skriver forbløffende gode artikler, blogindlæg og digte

Modellen har mere eller mindre læst hele internettet og har ud fra analysen af sin læsning lært sig selv at skrive om alle emner i alle genrer, der findes.

På bare en enkelt træningssession estimeres den til at bruge, hvad der svarer til et års energiforbrug i 126 danske hjem og til at udlede den samme mængde CO₂ som godt 700.000 kilometers bilkørsel.

Datacentre på svensk vandkraft eller polsk kul

Netop visheden omkring, at energiforbruget ved deep learning er eksploderet, gav de studerende idéen til at udvikle værktøjet Carbontracker, fortæller Lasse F. Wolff Anthony.

Værktøjet er et program, som beregner, hvor meget CO₂-udviklingen af en kunstig intelligens via deep learning vil udlede.

Beregningerne bygger for det første på, hvor modellerne bliver sat til at træne. Træningerne foregår som regel i datacentre ejet af tech-virksomheder såsom Amazon og Google, hvor udviklere, der ikke selv råder over hardware med tilpas stor regnekraft, lejer sig ind.

Men da andelen af strøm, der produceres fra vedvarende energikilder såsom sol og vind, er vidt forskellige på tværs af landegrænser, kan det betyde en verden til forskel, hvilke centre modellerne trænes i, siger han.

»Det er for eksempel ikke ligegyldigt, om man træner sin model i Polen eller i Sverige, hvor CO₂-aftrykket ved at træne en model kan være over 60 gange mindre, fordi energiforsyningen er langt grønnere,« siger Lasse F. Wolff Anthony.

Læs også: Hvad er kunstig intelligens egentlig?

Forsker: Carbontracker kan bruges til at lave en mærkningsordning

Morten Pol Engel Nørregård, ph.d. i datalogi ved Alexandra Instituttet, var censor, da de studerende beskrev problemet omkring CO₂-aftrykket ved deep learning i deres bachelorprojekt, inden de fik idéen til Carbontracker.

Han er begejstret for de muligheder, som Carbontracker kan give udviklere af kunstig intelligens, der vil arbejde bevidst med bæredygtighed.

»Styrken ved værktøjet er, at man kan måle, hvor stort et CO₂-aftryk udviklingen af ens modeller har, og at værktøjet i øvrigt er et gratis open-source-program. Det er en god mulighed for at have bæredygtighed med i overvejelserne, når man planlægger udviklingen af modellerne,« siger han og fortsætter:

»Det kan dog blive rigtig interessant, hvis politikere og andre beslutningstagere vælger at introducere en slags mærkningsordning eller på anden måde bruger muligheden for at få data på CO₂-aftrykket til at skubbe industrien i en grønnere retning.«

Morten Pol Engel Nørregård indskyder, at han har forelagt muligheden for at bruge Carbontracker i udviklingen af modeller ved deep learning på Alexandra Instituttet, og at han har fået positive tilbagemeldinger.

»Ligesom mange andre offentlige institutioner arbejder vi med FN’s verdensmål, og Carbontracker er en god mulighed for os at indhente data på de miljømæssige konsekvenser ved de valg, vi træffer.«