Warum KI der Umwelt schadet

Sprach- und Texterkennung, automatisierte Diagnoseverfahren, Deep Fakes und Co. Machine Learning macht so einiges möglich, schadet dabei aber auch der Umwelt. Wie gemäss "Golem.de" eine Studie der University of Massachusetts ergeben hat, erzeugte ein beispielhaft durchgerechnetes Modell für natürliche Sprachverarbeitung rund 280'000 Tonnen Kohlendioxid-Emissionen. Das entspräche ungefähr den Emissionen, die fünf Durchschnitts-Autos während ihrer gesamten Betriebsdauer erzeugten.

Eher gering ist dagegen der Stromverbrauch für eine einzelne Berechnung eines Deep-Learning-Modells. Besonders viel Energie werde für das Tunen der Hyperparameter benötigt. Dabei werden laut Golem eine grosse Anzahl unterschiedlicher Parameter mit einer Bruteforce-Suche durchprobiert, um die besten Ergebnisse zu erzielen.

Andere Forscher sind überrascht

Hier gebe es Potenzial, um den Energieverbrauch zu reduzieren. Denn es existierten Algorithmen, die intelligenter arbeiteten, als eine reine Bruteforce-Suche. Allerdings sollen die dafür verfügbaren Softwareimplementierungen bisher nicht gut in bestehende Software integriert sein.

Golem merkt an, dass es einige Fragen gibt, die die Studie offen lässt. So würde nicht beantwortet, wie häufig Modellberechnungen mit Parameter-Tuning durchgeführt würden.

Andere Wissenschaftler zeigten sich ausserdem überrascht über die hohen CO2-Emissionen. "Weder ich noch die Wissenschaftler, mit denen ich darüber diskutiert habe, hätten erwartet, dass die ökologischen Folgen so substanziell sind", zitiert Golem Carlos Gómez-Rodríguez von der Universität A Coruña in Spanien.

Der Datenverkehr im Internet ist in den vergangenen Jahren explodiert, die Verbreitung von Smartphones nimmt ständig zu. Diese Entwicklungen sorgen auch für einen wachsenden Ressourcenverbrauch, wobei die Energienutzung digitaler Technologien viel stärker ausfällt als oft angenommen. Lesen Sie hier, wie Video-Streaming die Umwelt verpestet.