Tác động nước của Trí tuệ nhân tạo: Chi phí bền vững của các mô hình ngôn ngữ lớn

Trí tuệ nhân tạo (AI) đang mở rộng nhanh chóng trên nhiều ngành công nghiệp, được hỗ trợ bởi Các mô hình ngôn ngữ lớn (LLM) như GPT-4, Claude và Gemini. Những mô hình này yêu cầu sức tính toán mạnh mẽ, cả trong quá trình đào tạo và khi sử dụng thường xuyên. Sự phụ thuộc ngày càng tăng vào những hệ thống này đã làm dấy lên những lo ngại đáng kể về tác động môi trường của chúng.

Đã có nhiều sự chú ý đến tiêu thụ năng lượng của AI và khí thải carbon. Tuy nhiên, cuộc thảo luận thường bỏ qua việc sử dụng nước của nó. Một lượng nước lớn được sử dụng để làm mát các trung tâm dữ liệu. Nước cũng được tiêu thụ gián tiếp trong sản xuất năng lượng và phần cứng tính toán.

Sự gia tăng nhu cầu toàn cầu về các dịch vụ AI đang làm tăng áp lực lên nguồn nước ngọt hạn chế. Xu hướng này đặt ra những thách thức về tính bền vững, đặc biệt là ở những khu vực đang trải qua căng thẳng về nước và rủi ro liên quan đến khí hậu. Việc hiểu rõ về tác động nước của AI là cần thiết. Nó hỗ trợ việc đưa ra quyết định thông minh cho sự phát triển có trách nhiệm và lập kế hoạch môi trường lâu dài.

Làm thế nào các mô hình AI tiêu thụ nước

Chạy các hệ thống AI quy mô lớn đòi hỏi tính toán không ngừng trong các trung tâm dữ liệu xử lý hàng tỷ hoạt động. Quá trình này tạo ra một lượng nhiệt đáng kể. Để ngăn chặn sự cố phần cứng và duy trì hiệu suất tối ưu, nhiệt phải được loại bỏ hiệu quả. Hầu hết các trung tâm dữ liệu sử dụng hệ thống làm mát bằng bay hơi để thực hiện mục đích này. Những hệ thống này phụ thuộc nặng vào nước ngọt. Một phần lớn nước bay hơi trong quá trình làm mát và không thể tái sử dụng. Kết quả là, quá trình này dẫn đến mức độ rút nước và tiêu thụ nước cao.

Các nhà nghiên cứu gần đây đã bắt đầu đo lường tác động nước của việc đào tạo AI. Một nghiên cứu năm 2023 của các nhóm tại UC Riverside và UT Arlington ước tính rằng việc đào tạo một mô hình lớn tiêu thụ hơn 700.000 lít nước sạch. Đó là khoảng lượng nước cần thiết để sản xuất 370 chiếc xe BMW. Điều này cho thấy lượng nước được sử dụng trong giai đoạn phát triển ban đầu của AI tiên tiến.

Sử dụng nước tiếp tục ngay cả sau khi đào tạo hoàn tất. Việc suy luận, quá trình trả lời các yêu cầu của người dùng, cũng chạy trên các hệ thống tính toán mạnh mẽ. Những hệ thống này hoạt động 24/7 ở nhiều phần khác nhau của thế giới. Mỗi yêu cầu người dùng đơn lẻ thêm vào khối lượng công việc tính toán. Nó cũng làm tăng nhu cầu làm mát. Tổng lượng nước sử dụng cho việc suy luận tiếp tục tăng do sự áp dụng rộng rãi các công cụ AI, chẳng hạn như trợ lý ảo, rô-bốt trò chuyện và công cụ tìm kiếm.

Trên toàn thế giới, các trung tâm dữ liệu được ước tính tiêu thụ hơn 560 tỷ lít nước mỗi năm, chủ yếu để làm mát. Con số này dự kiến sẽ tăng mạnh vào năm 2030. Một lý do quan trọng là nhu cầu ngày càng tăng về các dịch vụ được thúc đẩy bởi AI. Ngoài việc sử dụng trực tiếp, AI cũng gây ra tiêu thụ nước gián tiếp. Điều này xảy ra trong quá trình sản xuất điện, đặc biệt là ở những khu vực phụ thuộc vào than hoặc năng lượng hạt nhân. Những nguồn năng lượng này đòi hỏi lượng nước đáng kể cho hoạt động của chúng.

Sự gia tăng nhu cầu về nước này làm nổi bật một mối quan ngại nghiêm trọng. Hiện nay, có một nhu cầu cấp thiết về các hệ thống làm mát tốt hơn, cơ sở hạ tầng bền vững và báo cáo minh bạch về việc sử dụng nước. Nếu không có hành động, sự lan rộng tiếp tục của AI có thể gây áp lực thêm lên nguồn nước ngọt. Điều này đặc biệt rủi ro đối với những nơi đã phải đối mặt với hạn hán hoặc căng thẳng liên quan đến khí hậu.

Cơ sở hạ tầng và Công nghệ làm mát

Các mô hình AI hoạt động trên các chip hiệu suất cao được cài đặt trong các trung tâm dữ liệu đám mây. Những trung tâm này yêu cầu các hệ thống làm mát chuyên dụng để quản lý nhiệt được tạo ra bởi tính toán liên tục. Phương pháp được sử dụng rộng rãi nhất là làm mát bằng bay hơi, trong đó nước được phun vào không khí hoặc trên bề mặt để hấp thụ nhiệt. Một phần đáng kể của nước này bay hơi và không thể tái sử dụng, dẫn đến tốc độ rút nước cao.

Để giải quyết vấn đề này, một số trung tâm dữ liệu đang áp dụng các phương pháp làm mát thay thế như làm mát bằng ngâm lỏng và làm mát trực tiếp đến chip. Những kỹ thuật này sử dụng chất lỏng dẫn nhiệt hoặc hệ thống làm mát kín để loại bỏ nhiệt từ các bộ xử lý. Mặc dù hiệu quả hơn, chúng vẫn liên quan đến việc sử dụng nước gián tiếp. Điều này xảy ra trong quá trình thiết lập hệ thống hoặc thông qua việc sản xuất điện, đặc biệt là ở những khu vực mà điện được sản xuất từ than hoặc năng lượng hạt nhân, cả hai đều đòi hỏi lượng nước lớn cho sản xuất hơi nước và làm mát.

Chiến lược làm mát cũng khác nhau tùy thuộc vào khí hậu và vị trí. Ở những khu vực đang phải đối mặt với khan hiếm nước, các nhà điều hành trung tâm dữ liệu đang chuyển hướng khỏi làm mát bằng bay hơi và thay vào đó sử dụng các hệ thống dựa trên không khí hoặc kín để giảm tiêu thụ nước. Tuy nhiên, những giải pháp thay thế này thường đòi hỏi nhiều năng lượng hơn, tạo ra sự đánh đổi giữa tiết kiệm nước và khí thải carbon.

Mỗi thành phần của cơ sở hạ tầng AI, từ việc loại bỏ nhiệt ở cấp độ chip đến làm mát toàn bộ cơ sở và sản xuất điện, đều góp phần vào tổng tác động nước. Sự gia tăng nhu cầu về AI đòi hỏi phải cải thiện các hệ thống làm mát và năng lượng. Nếu không có hiệu quả tốt hơn, áp lực lên nguồn nước sẽ tiếp tục tăng.

Tác động Địa lý và Môi trường đến Tiêu thụ Nước của Trung tâm Dữ liệu

Tiêu thụ nước của các trung tâm dữ liệu bị ảnh hưởng mạnh bởi vị trí địa lý và điều kiện môi trường địa phương. Ở những khu vực có nhiệt độ cao, chẳng hạn như Arizona hoặc Texas, các hệ thống làm mát phải hoạt động mạnh hơn để giữ cho máy chủ ở nhiệt độ hoạt động ổn định. Điều này dẫn đến việc tăng sử dụng các phương pháp làm mát bằng bay hơi, trong đó nước bị mất dưới dạng hơi và không thể tái sử dụng. Kết quả là, những trung tâm này tiêu thụ nhiều nước hơn so với những trung tâm ở các khu vực mát mẻ hơn, chẳng hạn như Scandinavia. Độ ẩm cũng đóng một vai trò quan trọng. Ở những khí hậu khô, sự bay hơi hiệu quả hơn, điều này cải thiện hiệu suất làm mát nhưng cũng làm tăng việc sử dụng nước.

Nguồn và sẵn có của nước cũng rất quan trọng. Các trung tâm dữ liệu ở những khu vực khan hiếm nước thường phụ thuộc vào nguồn cung cấp nước của thành phố, có thể đã bị căng thẳng. Điều này có thể dẫn đến sự cạnh tranh với nhu cầu địa phương, chẳng hạn như tiếp cận nước uống hoặc tài nguyên nông nghiệp. Một ví dụ nổi tiếng là trung tâm dữ liệu của Google ở The Dalles, Oregon. Việc sử dụng nước của cơ sở này đã gây ra lo ngại công khai, đặc biệt là vì khu vực này đang trải qua điều kiện hạn hán tại thời điểm đó.

Ngoài ra, việc đào tạo các mô hình AI lớn có thể dẫn đến sự tăng vọt đột ngột về nhu cầu nước. Những sự tăng vọt này có thể không kéo dài, nhưng chúng vẫn có thể ảnh hưởng đến hệ thống nước địa phương. Nếu không có kế hoạch và dự báo thích hợp, điều này có thể dẫn đến sự mất cân bằng tạm thời trong nguồn cung cấp nước, bao gồm mức nước sông thấp hơn hoặc việc khai thác nước ngầm quá mức. Những thay đổi như vậy có thể gây hại cho hệ sinh thái địa phương và giảm đa dạng sinh học.

Để giải quyết những thách thức này, việc lập kế hoạch cơ sở hạ tầng liên quan đến AI phải xem xét các yếu tố địa phương cụ thể như nhiệt độ, nguồn cung cấp nước và giới hạn pháp lý về sử dụng. Việc triển khai bền vững đòi hỏi phải có chính sách rõ ràng và sự cân bằng cẩn thận giữa sự phát triển công nghệ và bảo vệ môi trường. Điều này bao gồm việc hợp tác với các cộng đồng địa phương, hiểu rõ về quyền nước khu vực và lựa chọn các hệ thống làm mát phù hợp sử dụng nước một cách có trách nhiệm.

Cam kết của Doanh nghiệp và Khoảng trống Minh bạch

Các công ty AI lớn đang ngày càng nhận thức được tác động môi trường của họ và đã cam kết cải thiện các thực hành quản lý nước của họ. Google, Microsoft và Meta đã từng tuyên bố kế hoạch trở thành “tích cực về nước” vào năm 2030. Điều này có nghĩa là họ nhằm mục đích phục hồi nhiều nước hơn mức họ tiêu thụ trên toàn bộ hoạt động của mình. Những nỗ lực của họ bao gồm việc phục hồi lưu vực, thu hoạch nước mưa, tái chế nước xám và hỗ trợ các dự án bảo tồn địa phương.

Google dự định sẽ bổ sung 120% lượng nước mà họ tiêu thụ. Họ xuất bản các báo cáo bền vững hàng năm bao gồm cả số liệu sử dụng và phục hồi. Microsoft đã áp dụng các hệ thống làm mát adiabatic, giúp giảm bay hơi và có thể cắt giảm việc sử dụng nước lên đến 90% so với các tháp làm mát truyền thống. Meta đã cam kết sẽ phục hồi 200% lượng nước được sử dụng ở các khu vực căng thẳng cao và 100% lượng nước được sử dụng ở các khu vực căng thẳng trung bình, tập trung nỗ lực của họ vào những nơi khan hiếm nước nghiêm trọng nhất. Một số trung tâm dữ liệu cũng đã bắt đầu sử dụng các hệ thống tái sử dụng tại chỗ hoặc thu thập nước mưa để bổ sung nguồn cung cấp nước của họ.

Những cam kết này là phù hợp vì việc đào tạo và triển khai các mô hình LLM đòi hỏi các trung tâm dữ liệu mạnh mẽ. Những hoạt động này tiêu thụ một lượng lớn điện và tạo ra nhiệt đáng kể, do đó làm tăng nhu cầu về làm mát đòi hỏi nước. Khi các dịch vụ AI mở rộng trên toàn cầu, đặc biệt là những dịch vụ liên quan đến LLM, dấu chân môi trường của chúng cũng tăng theo. Việc sử dụng nước có trách nhiệm đang trở thành một phần quan trọng của sự phát triển AI bền vững.

Giảm Tác động Nước của AI: Các Bước Đơn giản và Hành động Tập thể

Giảm tác động nước của AI đòi hỏi sự kết hợp của công nghệ hiệu quả, kế hoạch cẩn thận và trách nhiệm chung. Về mặt kỹ thuật, thiết kế các mô hình AI nhỏ hơn và hiệu quả hơn là một bước quan trọng. Các phương pháp như cắt tỉa mô hình, quantization và chưng cất giúp giảm kích thước mô hình và tải tính toán. Điều này giảm việc sử dụng năng lượng và giảm lượng nước cần thiết cho làm mát trong cả quá trình đào tạo và sử dụng.

Chọn đúng thời điểm để đào tạo cũng quan trọng. Chạy các khối lượng công việc nặng vào những thời điểm mát mẻ hơn có thể giảm nước bị mất do bay hơi. Vị trí của các trung tâm dữ liệu cũng đóng vai trò. Xây dựng các cơ sở ở những khu vực có nguồn nước bền vững hoặc gần các nguồn năng lượng tái tạo như gió và mặt trời có thể giảm việc sử dụng nước gián tiếp liên quan đến sản xuất nhiệt điện. Các tiến bộ trong các thuật toán AI, chẳng hạn như sử dụng sự chú ý thưa thớt hoặc thiết kế mô hình hiệu quả hơn cùng với phần cứng cải tiến, giúp giảm tác động môi trường tổng thể.

Đấu tranh với tác động nước của AI đòi hỏi một nỗ lực tập thể vượt ra ngoài các công ty công nghệ. Các chính phủ đóng vai trò quan trọng trong việc thiết lập các quy tắc yêu cầu báo cáo minh bạch về việc sử dụng nước và thúc đẩy các tiêu chuẩn đánh giá nhất quán. Họ cũng có thể làm cho việc cung cấp nước bền vững trở thành điều kiện để phê duyệt các trung tâm dữ liệu mới. Các nhóm môi trường hỗ trợ nỗ lực này bằng cách theo dõi các tuyên bố, thúc đẩy các chính sách mạnh mẽ hơn và giữ cho ngành công nghiệp chịu trách nhiệm. Các cơ quan địa phương nên xem xét các kế hoạch cơ sở hạ tầng với nguồn nước trong tâm trí, đặc biệt là ở những khu vực đang phải đối mặt với căng thẳng.

Các người dùng cá nhân cũng định hình hướng đi của AI. Bằng cách chọn các nền tảng báo cáo dữ liệu môi trường và cam kết bền vững, họ gửi một thông điệp rõ ràng về những gì quan trọng. Các nhà phát triển và nhà nghiên cứu phải xem xét việc tiêu thụ nước khi đánh giá các hệ thống AI. Đồng thời, các trường đại học và trung tâm nghiên cứu có thể tạo ra các công cụ để đo lường và giảm việc sử dụng nước một cách chính xác hơn.

Để đạt được tiến bộ thực sự, chúng ta cũng phải tập trung vào nhận thức và lựa chọn thông minh. Nhiều người không biết rằng thậm chí các truy vấn AI đơn giản cũng phát sinh chi phí môi trường ẩn. Khi điều này trở nên phổ biến, nó khuyến khích người dùng yêu cầu các thực hành tốt hơn và thúc đẩy các công ty hành động có trách nhiệm. Đồng thời, sự mở rộng nhanh chóng của các mô hình AI lớn tiếp tục làm tăng áp lực lên nguồn nước ngọt hạn chế. Điều này làm cho việc coi việc sử dụng nước như một phần quan trọng của tác động môi trường tổng thể của AI trở nên thiết yếu. Để đạt được thay đổi có ý nghĩa, sẽ đòi hỏi một nỗ lực tập thể từ các nhà hoạch định chính sách, nhà phát triển, công ty và người dùng cuối.

Kết luận

Giảm tác động nước của AI không còn là vấn đề thứ yếu. Đó là một thành phần quan trọng trong việc phát triển các công nghệ bền vững. Việc đào tạo và chạy các mô hình lớn gây áp lực lên nguồn nước ngọt, đặc biệt là ở những khu vực đang phải đối mặt với căng thẳng về khí hậu.

Để giải quyết vấn đề này, chúng ta cần những mô hình thông minh hơn, phần cứng tốt hơn và kế hoạch trung tâm dữ liệu có trách nhiệm. Nhưng sự tiến bộ thực sự phụ thuộc vào nhiều hơn là chỉ công nghệ. Các chính phủ, công ty, nhà nghiên cứu và người dùng đều đóng vai trò. Các chính sách rõ ràng, báo cáo minh bạch và nhận thức công cộng có thể giúp đưa ra quyết định tốt hơn. Bằng cách đưa tác động nước vào suy nghĩ ban đầu của chúng ta về AI, chúng ta có thể ngăn chặn thiệt hại lâu dài cho các nguồn tài nguyên quan trọng.