Potensi Industri AI untuk Menyaingi Konsumsi Listrik Nasional
Ekspansi AI yang pesat pada tahun 2022 dan 2023, didorong oleh keberhasilan OpenAI'S ChatGPT, telah menimbulkan kekhawatiran tentang konsumsi listrik dan dampak lingkungan. Konsumsi listrik pusat data, yang hanya menyumbang 1% dari penggunaan listrik global, mungkin telah meningkat sebesar 6% antara tahun 2010 dan 2018. Komentar ini mengkaji konsumsi listrik AI dan potensi implikasinya, membahas skenario pesimistis dan optimis serta memperingatkan agar tidak melakukan pendekatan ekstrem. .
AI, termasuk alat AI generatif seperti ChatGPT dan OpenAIDALL-E, menggunakan pemrosesan bahasa alami untuk membuat konten baru. Fase pelatihan, yang seringkali memakan banyak energi, melibatkan pemberian kumpulan data yang besar dan penyesuaian parameter untuk menyelaraskan keluaran yang diprediksi dengan keluaran target. Fase inferensi, dimana model menghasilkan keluaran, hanya mendapat sedikit perhatian dalam literatur. Namun, fase inferensi dapat berkontribusi secara signifikan terhadap biaya siklus hidup model AI, dengan Google menyatakan bahwa 60% konsumsi energi terkait AI berasal dari inferensi.
Menurut peneliti Alex de Vries dari School of Business and Economics di Amsterdam, konsumsi energi perusahaan AI dapat mencapai proporsi yang sangat besar pada tahun 2027, sebanding dengan konsumsi energi di seluruh negara seperti Argentina, Belanda, dan Swedia.
terkait: Melatih AI dan Krisis Air: Melihat Hubungan yang Mengejutkan di Antaranya ChatGPT dan Penggunaan Air |
De Vries memperoleh perhitungannya dari proyeksi pengiriman server AI oleh pemimpin pasar Nvidia pada tahun 2023. Perkiraannya menunjukkan peningkatan yang signifikan, dari 100 ribu server tahun ini menjadi 1.5 juta server pada tahun 2027.
Dengan asumsi server-server ini beroperasi pada kapasitas penuh, konsumsi energinya akan melonjak dari 6–9 terawatt-jam (TWh) per tahun saat ini menjadi 86–134 TWh per tahun pada tahun 2027. Sebagai gambaran, Swedia mengonsumsi 125 TWh energi setiap tahun.
Selain itu, jika Google secara eksklusif melakukan transisi layanan pencariannya ke algoritme AI saat ini, biaya energinya saja akan mencapai 29.3 TWh per tahun, setara dengan konsumsi energi tahunan di Irlandia.
De Vries mengakui bahwa skenario seperti itu masih mustahil, sebagian karena Nvidia saat ini menghadapi tantangan dalam memasok jumlah server AI yang dibutuhkan. Kelangkaan server ini juga menyebabkan tingginya biaya. Misalnya saja, pergeseran teoritis Google ke pendekatan serba AI akan menghilangkan margin operasi perusahaan.
Pengoperasian algoritme AI membebani perusahaan secara finansial, dan monetisasi yang efektif masih sulit dilakukan. Paradoksnya, seiring bertambahnya jumlah pengguna, biaya teknologi justru meningkat, bukannya menurun. Microsoft berupaya memanfaatkan hype seputar AI generatif untuk menciptakan pasar bagi layanan tersebut dan menghasilkan uang. Namun, perusahaan menghadapi kerugian finansial pada produk generatif pertamanya, seperti Layanan Kopilot GitHub, yang kehilangan $20 hingga $80 per pengguna. Untuk menghindari hal ini, Microsoft telah memutuskan untuk merilis add-on AI untuk produk populernya, yang dapat meningkatkan biaya produk. Google dan Microsoft juga menghadapi kesulitan dalam memonetisasi layanan AI karena tingginya biaya pemeliharaan. Perusahaan seperti Microsoft dan Google menuntut tambahan $30 untuk mempertahankan model AI. Pembuat zoom juga berupaya menghemat uang dengan mengembangkan algoritme mereka sendiri dan meminjam algoritme lain untuk tugas-tugas kompleks. Adobe dan perusahaan lain membatasi penggunaan jaringan saraf berdasarkan rencana tarif. Perusahaan berharap biaya model AI akan turun seiring berjalannya waktu, namun sebelum hal itu terjadi, mereka harus mengeluarkan ratusan juta dolar.
Peningkatan efisiensi perangkat keras, arsitektur model, dan algoritme berpotensi mengurangi konsumsi listrik terkait AI dalam jangka panjang. Hal ini mungkin disebabkan oleh Paradoks Jevons, dimana peningkatan efisiensi menyebabkan peningkatan permintaan, yang menyebabkan peningkatan bersih dalam penggunaan sumber daya. Selain itu, penggunaan kembali GPU untuk tugas-tugas terkait AI, seperti “penambangan 2.0” Ethereum, dapat mengalihkan 16.1 TWh konsumsi listrik tahunan ke AI.
Konsumsi listrik terkait AI masih belum pasti, namun hal ini dapat meningkatkan aplikasi seperti Google Penelusuran. Namun, keterbatasan sumber daya dapat membatasi pertumbuhan. Upaya untuk meningkatkan efisiensi AI dapat memicu efek rebound, sehingga meningkatkan permintaan akan AI. Pengembang harus fokus pada optimalisasi AI dan mempertimbangkan kebutuhannya, sementara regulator juga mempertimbangkan persyaratan pengungkapan lingkungan.
Penolakan tanggung jawab
Sejalan dengan Percayai pedoman Proyek, harap dicatat bahwa informasi yang diberikan pada halaman ini tidak dimaksudkan untuk dan tidak boleh ditafsirkan sebagai nasihat hukum, pajak, investasi, keuangan, atau bentuk nasihat lainnya. Penting untuk hanya menginvestasikan jumlah yang mampu Anda tanggung kerugiannya dan mencari nasihat keuangan independen jika Anda ragu. Untuk informasi lebih lanjut, kami menyarankan untuk merujuk pada syarat dan ketentuan serta halaman bantuan dan dukungan yang disediakan oleh penerbit atau pengiklan. MetaversePost berkomitmen terhadap pelaporan yang akurat dan tidak memihak, namun kondisi pasar dapat berubah tanpa pemberitahuan.
Tentang Penulis
Damir adalah pemimpin tim, manajer produk, dan editor di Metaverse Post, mencakup topik seperti AI/ML, AGI, LLM, Metaverse, dan Web3-bidang terkait. Artikelnya menarik lebih dari satu juta pengguna setiap bulan. Dia tampaknya ahli dengan pengalaman 10 tahun dalam SEO dan pemasaran digital. Damir telah disebutkan dalam Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto, dan publikasi lainnya. Dia melakukan perjalanan antara UEA, Turki, Rusia, dan CIS sebagai pengembara digital. Damir memperoleh gelar sarjana dalam bidang fisika, yang menurutnya telah memberinya keterampilan berpikir kritis yang diperlukan untuk berhasil dalam lanskap internet yang selalu berubah.
lebih artikelDamir adalah pemimpin tim, manajer produk, dan editor di Metaverse Post, mencakup topik seperti AI/ML, AGI, LLM, Metaverse, dan Web3-bidang terkait. Artikelnya menarik lebih dari satu juta pengguna setiap bulan. Dia tampaknya ahli dengan pengalaman 10 tahun dalam SEO dan pemasaran digital. Damir telah disebutkan dalam Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto, dan publikasi lainnya. Dia melakukan perjalanan antara UEA, Turki, Rusia, dan CIS sebagai pengembara digital. Damir memperoleh gelar sarjana dalam bidang fisika, yang menurutnya telah memberinya keterampilan berpikir kritis yang diperlukan untuk berhasil dalam lanskap internet yang selalu berubah.