محاسبه ردپای آب هوش مصنوعی (با تأکید بر ChatGPT-3)
پذیرفته شده برای پوستر
کد مقاله : 1230-SCWMCCAN
نویسندگان
استادیار بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کرمانشاه، ایران، g.ghaffari@areeo.ac.ir, golale.ghafari@gmail.com
چکیده
هوش مصنوعی (AI) به سرعت در حال پیشرفت است و یکی از مهمترین دستاوردهای اخیر، ایجاد مدلهای زبانی بزرگ مانند ChatGPT-3 است. ChatGPT-3 که توسط OpenAI توسعه یافته، یک مدل پردازش زبان طبیعی (NLP) پیشرفته است که میتواند در طیف گستردهای از موضوعات، متن شبیه به انسان تولید کند. در حالی که ChatGPT-3 کاربردهای متعددی دارد و پتانسیل انقلاب در صنایع مختلف را داراست، ضروری است تا تأثیر آن بر محیط زیست مورد توجه قرار گیرد. آموزش و اجرای چنین مدلهای زبانی بزرگی نیازمند منابع محاسباتی قابل توجه و مصرف انرژی زیاد است و میتواند به انتشار گازهای گلخانهای و تخریب محیط زیست کمک کند. امروزه علیرغم مزایا و پتانسیلهای فراوان هوش مصنوعی، ردپای زیست محیطی مدلهای هوش مصنوعی، به ویژه ردپای کربن، مورد بررسی عمومی قرار گرفته است که منجر به پیشرفت اخیر در کارایی کربن هوش مصنوعی شده است. اما متاسفانه ردپای آب مدلهای هوش مصنوعی عمدتاً نادیده گرفته شدهاند که اگر این موضوع به درستی مورد توجه قرار نگیرد، افزایش مصرف آب میتواند یک مانع بزرگ و بالقوه برای هوش مصنوعی از نظر زیست محیطی در آینده باشد. لذا در این تحقیق اقدام به بررسی روشهای برآورد ردپای آب در هوش مصنوعی ChatGPT-3 و روشهای کاهش میزان مصرف آب در هوش مصنوعی شده است.
کلیدواژه ها
Title
Calculating the Water Footprint of Artificial Intelligence (with emphasis on ChatGPT-3)
Authors
Golaleh Ghaffari
Abstract
Artificial Intelligence (AI) is rapidly advancing, and one of the most significant recent developments is the creation of large language models like ChatGPT-3. Developed by OpenAI, ChatGPT-3 is a state-of-the-art natural language processing (NLP) model that can generate human-like text on a wide range of topics. While ChatGPT-3 has numerous applications and the potential to revolutionize various industries, it is essential to consider its impact on the environment. The training and operation of such large language models require significant computational resources and high energy consumption, which can contribute to greenhouse gas emissions and environmental degradation. Despite the numerous advantages and potential of AI, the environmental footprint of AI models, particularly the carbon footprint, has been under public scrutiny, leading to recent advancements in carbon efficiency for AI. However, the water footprint of AI models has largely been overlooked. If this issue is not properly addressed, increased water consumption could become a significant and potential environmental barrier for AI in the future. Therefore, this research aims to investigate methods for estimating the water footprint of the ChatGPT-3 AI model and explore ways to reduce water consumption.
Keywords
Water Footprint, Climate Change, Water resource management, Artificial Intelligence (AI), ChatGPT-3