Agenci AI napędzają boom na centra danych i zużycie energii

Wired opublikował felieton autorstwa Molly Taft, starszej dziennikarki portalu, poświęcony energetycznemu głodowi agentów AI – systemów, które w przeciwieństwie do prostych chatbotów samodzielnie planują i wykonują wieloetapowe zadania. To właśnie przejście od zwykłych zapytań do autonomicznych agentów, jak wskazuje autorka, w dużej mierze wyjaśnia, dlaczego firmy technologiczne zaciągają miliardowe długi i budują gigantyczne elektrownie na potrzeby centrów danych.

Felieton powstał w ramach cyklu „Power Play”, w którym Taft na bieżąco analizuje temat centrów danych – jedną z głównych kwestii tegosezonowej kampanii wyborczej w USA. Punktem wyjścia było pytanie znajomej dziennikarki: po co w ogóle budować tyle centrów danych, jeśli AI już teraz radzi sobie z przełomowymi zadaniami?

Kluczowe wnioski

• Agenci AI, w przeciwieństwie do prostych chatbotów, generują sobie samodzielnie setki mikro-poleceń, by wykonać jedno zadanie – co drastycznie zwiększa zużycie energii.
• OpenAI ogłosiło, że rój ponad 10 000 agentów wysłał 2,7 miliona wiadomości, rozwiązując długo nierozwiązany problem matematyczny – matematycy zgłosili jednak zastrzeżenia do tych twierdzeń.
• Sam Altman porównał zużycie wody przez ChatGPT do uprawy migdałów, twierdząc, że jeden migdał wymaga tyle wody, co 38 000 zapytań do ChatGPT – ta kalkulacja została podważona.
• Klimatolog Zeke Hausfather oszacował, że jego dzienna sesja z Claude może zużywać więcej energii niż praca dwóch lodówek.
• Meta uruchomiła agenta Muse, dla którego firma zapewnia dedykowany „komputer w chmurze” działający nawet offline dla każdego użytkownika – co potencjalnie oznacza gigantyczny skok w skali zużycia energii.

Od zapytań do rojów agentów

Jak wyjaśnia Maxwell Zeff, autor newslettera Model Behavior cytowany w felietonie, agenci działają zupełnie inaczej niż klasyczny chatbot: „Zamiast zadać AI proste pytanie i otrzymać odpowiedź, te agenty mogą wygenerować sobie setki drobnych podpowiedzi na podstawie oryginalnego zapytania użytkownika”. Jeśli ktoś poprosi agenta o zbudowanie strony internetowej, system może działać godzinami, wielokrotnie sam siebie „poprawiając” i budując poszczególne podstrony, menu czy zbiory danych.

Najlepszym – choć skrajnym – przykładem jest niedawne ogłoszenie OpenAI o rozwiązaniu długo nierozwiązanego problemu matematycznego przez rój ponad 10 000 agentów, które wymieniły między sobą 2,7 miliona wiadomości. Choć matematycy zgłosili zastrzeżenia do tych twierdzeń, samo przetworzenie takiej liczby komunikatów pochłonęło ogromne zasoby obliczeniowe. Według szacunków Zeffa, cytowanego przez Taft, koszt energetyczny tego eksperymentu mógł wynieść dziesiątki milionów dolarów – choć precyzyjne dane trudno ustalić.

To pokazuje szerszy problem: prywatne firmy AI od dawna niechętnie ujawniają metryki środowiskowe swoich produktów. Szefowie firm często przywołują koszt jednostkowego zapytania jako miarę zużycia zasobów. W jednym z podcastów Sam Altman, CEO OpenAI, stwierdził, że zużycie wody potrzebne do wyprodukowania jednego migdała odpowiada 38 000 zapytań do ChatGPT, dodając: „Ludzie, którzy zjadają naraz 12 migdałów, w większości nie czują, że robią coś strasznego z perspektywy zużycia wody”. Ta kalkulacja została jednak zakwestionowana przez zewnętrznych obserwatorów.

Dlaczego liczyć agentów jest tak trudne

Wprowadzenie agentów do równania znacznie komplikuje wszelkie kalkulacje zużycia energii. Zadania wykonywane przez agentów mogą trwać od kilku sekund do całego dnia autonomicznego kodowania z zespołem równoległych „pomocniczych” agentów – a przepaść w zużyciu energii między tymi zastosowaniami jest ogromna i potencjalnie nieograniczona, wraz z rosnącą złożonością zadań.

Boris Gamazaychikov, współzałożyciel i CEO grupy badawczo-doradczej Sustainable AI, zwraca uwagę na fundamentalną różnicę wobec innych technologii: „W innych obszarach wzrostu technologicznego jesteśmy ograniczeni liczbą ludzi prowadzących samochód czy oglądających Netflixa. Teraz ta sprawa jest niejako odłączona od użytkowników – a jeśli słuchać liderów AI, to właśnie tego chcą. Mówią o jednorożcach z jednym pracownikiem”. W tej wizji jeden człowiek nadzoruje setki lub tysiące agentów AI działających w tle – co, jak zauważa Taft, tłumaczy pośpiech w budowie kolejnych centrów danych, opisywanych już wcześniej w kontekście inwestycji w Patagonii czy polityki administracji Trumpa wobec zanieczyszczeń związanych z tą branżą.

Wobec braku wiarygodnych danych od samych firm, część entuzjastów AI próbuje samodzielnie policzyć koszty. Klimatolog Zeke Hausfather w opublikowanym w zeszłym miesiącu wpisie na blogu oszacował zużycie energii wynikające z jego własnego korzystania z AI, które w dużej mierze opiera się na agentach. Wykorzystując różne źródła, ustalił, że jego przeciętna dzienna sesja z Claude może zużywać więcej energii niż zasilanie dwóch lodówek. Gamazaychikov, którego grupa jeszcze w tym miesiącu opublikuje badania z bardziej precyzyjnymi obliczeniami dotyczącymi środowiskowego wpływu agentów działających na zamkniętych modelach, ocenił wysiłek Hausfathera jako wartościowy, ale oparty na częściowo przestarzałych danych – co, jak zauważa Taft, wynika z tego, jak mało jest badań akademickich na ten temat i jak nieprzejrzyste są firmy technologiczne w zakresie ujawniania metryk emisji.

Skala, która dopiero nadchodzi

Sam Hausfather przyznaje, że korzysta z AI i narzędzi agentowych „bardziej niż większość ludzi” – ale to może się szybko zmienić. W jego podsumowaniu, cytowanym w felietonie, korzystanie z AI „stanowi też nowe źródło emisji, w momencie gdy globalne temperatury rosną w gwałtownym tempie, a nasze cele redukcji emisji są coraz bardziej rozjeżdżone” – i jest to skala znacznie większa niż ułamki migdała, o których mówi Altman.

W zeszłym tygodniu Meta zaprezentowała osobistego agenta AI, nazwanego Muse, który – jak podała firma w komunikacie prasowym – „został zbudowany, by działać dla miliardów ludzi na całym świecie”. Meta zapowiedziała, że dla każdego użytkownika utrzymywany będzie „dedykowany komputer w chmurze”, działający nawet gdy użytkownik jest offline; firma planuje zintegrować Muse z okularami AI jeszcze w tym roku. Jak zauważa Taft, jest bardzo prawdopodobne, że w najbliższej przyszłości skala korzystania z takich agentów – a wraz z nią zapotrzebowanie na energię – będzie rosła w tempie, którego dziś trudno sobie w pełni wyobrazić.

Felieton Wired pokazuje, że dyskusja o wpływie AI na środowisko przesuwa się z prostych porównań jednostkowych zapytań w stronę znacznie bardziej złożonego – i słabo zbadanego – problemu autonomicznych, wielogodzinnych działań agentów, które mogą zużywać zasoby na skalę wielokrotnie większą niż tradycyjne chatboty.