• IT-Karriere:
  • Services:

Kohlendioxid-Ausstoß: Künstliche Intelligenz braucht viel Strom

Der Stromverbrauch und CO2-Ausstoß bei der Erstellung von Deep-Learning-Modellen ist erheblich, wie eine jetzt veröffentlichte Studie zeigt.

Artikel veröffentlicht am ,
Aufwendige Berechnungen brauchen viel Strom - und der kommt nach wie vor häufig aus besonders klimaschädlichen Kohlekraftwerken.
Aufwendige Berechnungen brauchen viel Strom - und der kommt nach wie vor häufig aus besonders klimaschädlichen Kohlekraftwerken. (Bild: Arnold Paul/Wikimedia Commons/CC-BY-SA 2.5)

Mit Hilfe von Deep-Learning-Algorithmen können Computer inzwischen Menschen in Go besiegen, Sprache besser verstehen und täuschend echt aussehende Fake-Videos erstellen. Doch die Durchbrüche bei der sogenannten künstlichen Intelligenz brauchen viel Rechenpower - und sind damit auch für erhebliche Treibhausgasemissionen verantwortlich. In einer jetzt veröffentlichten Studie versuchen Wissenschaftler, die ökologischen Kosten zu beziffern.

Stellenmarkt
  1. QUNDIS GmbH, Erfurt
  2. medneo GmbH, Berlin

Die Wissenschaftler betrachten dabei Modelle aus der Verarbeitung natürlicher Sprache. Für ein beispielhaft durchgerechnetes Modell kommen sie zu dem Schluss, dass dafür etwa 280.000 Tonnen Kohlendioxidemissionen verursacht wurden. Das entspricht in etwa den Emissionen von fünf Autos in ihrer gesamten Betriebsdauer.

Tunen von Hyperparametern mit Brute-Force-Algorithmen braucht viel Strom

Für eine einzelne Berechnung eines Deep-Learning-Modells sind die Stromkosten vergleichsweise gering. Was aber viel Energie verbraucht, ist das Tunen der sogenannten Hyperparameter. Üblich ist es dabei, eine große Zahl verschiedener Parameter mit einer Bruteforce-Suche durchzuprobieren, um die besten Ergebnisse zu erzielen.

An dieser Stelle sehen die Autoren der Studie auch Ansatzpunkte, künftig den Energieverbrauch zu reduzieren. So gebe es etwa einige Algorithmen, die deutlich intelligenter als eine reine Bruteforce-Suche arbeiten, die dafür verfügbaren Softwareimplementierungen sind aber demnach bisher nicht gut in bestehende Software wie Tensorflow integriert.

In einem Bericht von MIT Technology Review zeigen sich mehrere Forscher überrascht über die hohen Zahlen. "Weder ich noch die Wissenschaftler, mit denen ich darüber diskutiert habe, hätten erwartet, dass die ökologischen Folgen so substanziell sind", zitiert Technology Review Carlos Gómez-Rodríguez von der Universität A Coruña in Spanien.

Viele Fragen bleiben unbeantwortet

Eine Diskussion über die ökologischen Kosten des maschinellen Lernens dürfte die Studie mit Sicherheit befördern. Doch viele Fragen bleiben auch unbeantwortet. Die Autoren betrachten zwar die Einzelberechnungen für verschiedene Modelle, doch die sind vergleichsweise gering. Eine ausführliche Analyse des Parameter-Tunings haben sie nur für ein einziges Modell durchgeführt. Keine Antwort liefert die Studie auch auf die Frage, wie häufig solche Modellberechnungen mit Parameter-Tuning überhaupt durchgeführt werden.

In vielen Fällen werden heute Berechnungen nicht mehr auf klassischer Hardware durchgeführt, sondern auf speziell dafür entwickelten Chips, etwa den von Google entwickelten TPUs (Tensor Processing Unit). Für TPUs stand den Autoren aber keine Information über den Energieverbrauch zur Verfügung.

Die Autoren schlagen vor, dass bei künftigen Veröffentlichungen Informationen über die genutzte Rechenpower transparenter gemacht werden sollen. Insbesondere bei Modellen, die für weiteres Training genutzt werden sollen, sei dies sinnvoll, um einen Vergleich über die Stromkosten erstellen zu können.

Neben dem reinen Stromverbrauch ist für die ökologischen Folgen natürlich auch relevant, wo die Betreiber der Infrastruktur ihren Strom beziehen. Die Autoren zitieren dabei einen Vergleich von Greenpeace. Dabei gibt es ganz erhebliche Unterschiede. Bei Amazon ist trotz ökologischer Versprechen der Strommix vergleichbar mit dem Durchschnitt in den USA, knapp ein Drittel kommt aus Kohlekraftwerken. In Googles Rechenzentren kommt immerhin schon etwas mehr als die Hälfte des Stroms aus erneuerbaren Energien.

Bitte aktivieren Sie Javascript.
Oder nutzen Sie das Golem-pur-Angebot
und lesen Golem.de
  • ohne Werbung
  • mit ausgeschaltetem Javascript
  • mit RSS-Volltext-Feed


Anzeige
Top-Angebote
  1. (aktuell u. a. Netzteile von be quiet! zu Bestpreisen)
  2. 47€
  3. (u. a. NieR Automata für 13,99€ und PSN Card 25 Euro [DE] für 21,99€ - Bestpreise!)
  4. (u. a. 3 Spiele für 49€ und SanDisk Ultra 400 GB microSDXC + Adapter für 47€)

Hugo1of2 14. Jun 2019

Dass sich woanders Menschen keine Gedanken um Klima machen sollte für uns keine Ausrede...

KOTRET 12. Jun 2019

Ich habe arge Probleme deiner Argumentation zu folgen... schreib mal sinnvolle und...

simotroon 11. Jun 2019

Dass die Klima-Supercomputer unglaublich viel Energie brauchen. Selbst wenn diese aus...

HarryG 11. Jun 2019

Tzz. Da sieht jemand noch Werbung. ;)

schap23 11. Jun 2019

... wurde auch CO2 völlig sinnfrei erzeugt, obwohl die "Wissenschaftler" ihre Hirne im...


Folgen Sie uns
       


Amazons FireTV Cube mit Sprachsteuerung - Test

Der Fire TV Cube ist mehr als ein Fire-TV-Modell. Er kann auf Zuruf gesteuert werden und wir zeigen im Video, wie gut das gelöst ist.

Amazons FireTV Cube mit Sprachsteuerung - Test Video aufrufen
Lovot im Hands-on: Knuddeliger geht ein Roboter kaum
Lovot im Hands-on
Knuddeliger geht ein Roboter kaum

CES 2020 Lovot ist ein Kofferwort aus Love und Robot: Der knuffige japanische Roboter soll positive Emotionen auslösen - und tut das auch. Selten haben wir so oft "Ohhhhhhh!" gehört.
Ein Hands on von Tobias Költzsch

  1. Orcam Hear Die Audiobrille für Hörgeschädigte
  2. Viola angeschaut Cherry präsentiert preiswerten mechanischen Switch
  3. Consumer Electronics Show Die Konzept-Messe

Mr. Robot rezensiert: Domo Arigato, Mr. Robot!
Mr. Robot rezensiert
Domo Arigato, Mr. Robot!

Wie im Achtziger-Klassiker Mr. Roboto von Styx hat auch Elliot in Mr. Robot Geheimnisse. Die Dramaserie um den Hacker ist nicht nur wegen Rami Malek grandios. Sie hat einen ganz eigenen beeindruckenden visuellen Stil und zeigt Hacking, wie es wirklich ist. Wir blicken nach dem Serienfinale zurück.
Eine Rezension von Oliver Nickel und Moritz Tremmel

  1. Openideo-Wettbewerb Die fünf besten Hacker-Symbolbilder sind ausgewählt
  2. Cyberangriffe Attribution ist wie ein Indizienprozess
  3. Double Dragon APT41 soll für Staat und eigenen Geldbeutel hacken

Computer Vision: Mehr Durchblick beim maschinellen Sehen
Computer Vision
Mehr Durchblick beim maschinellen Sehen

Mit den Services von Amazon, IBM, Microsoft und Google kann jeder recht einfach Bilder analysieren, ohne die genauen Mechanismen dahinter zu kennen. Die Anwendungen unterscheiden sich aber stark - vor allem im Funktionsumfang.
Von Miroslav Stimac

  1. Überwachung Bündnis fordert Verbot von Gesichtserkennung
  2. Videoüberwachung SPD-Chefin gegen Pläne für automatische Gesichtserkennung
  3. China Bürger müssen für Mobilfunkverträge ihre Gesichter scannen

    •  /