Новое исследование, опубликованное 19 июня в журнале Frontiers in Communication, показало, что некоторые запросы к моделям искусственного интеллекта, ориентированных на логическое рассуждение, приводят к выбросам углекислого газа в 50 раз выше, чем другие запросы.
![]()
Фото из открытых источников
В последние годы специализированные большие языковые модели (LLM) — например, Claude от Anthropic, o3 от OpenAI и R1 от DeepSeek — стали уделять больше ресурсов для повышения точности ответов. Они применяют метод «цепочки рассуждений», который разбивает сложные задачи на последовательные этапы, имитируя ход мыслей человека. Однако этот подход требует значительно больших вычислительных мощностей и, как следствие, увеличивает энергетические затраты.
Исследователи из Мюнхенского университета прикладных наук под руководством Максимилиана Даунера провели эксперимент, в котором 14 моделей с параметрами от 7 до 72 миллиардов получили по 1000 вопросов на разные темы. Анализ производился с помощью фреймворка Perun на графическом процессоре NVIDIA A100, а потребление энергии переводилось в эквивалент CO2, исходя из показателя 480 граммов углекислого газа на киловатт-час.
Результаты показали, что модели, использующие рассуждения, генерируют в среднем 543,5 токена на вопрос, тогда как модели с краткими ответами — около 37,7 токенов. Такое увеличение объёма вычислений приводит к существенному росту выбросов. При этом модель Cogito с 72 миллиардами параметров продемонстрировала наивысшую точность — 84,9% правильных ответов — и при этом смогла снизить выбросы CO2 в три раза по сравнению с аналогичными по размеру моделями, ориентированными на краткие ответы.
Максимилиан Даунер отметил, что существует очевидный компромисс между точностью и экологичностью: модели с выбросами менее 500 граммов CO2 не смогли превысить 80% точности при ответах на 1000 вопросов. Кроме того, вопросы, требующие более глубокого анализа, например в области алгебры или философии, приводили к выбросам примерно в шесть раз выше, чем при простом поиске информации.
Исследование также выявило различия в экологическом следе среди моделей. Для обработки 60 000 вопросов модель R1 от DeepSeek с 70 миллиардами параметров выделила бы количество CO2, сопоставимое с перелётом из Нью-Йорка в Лондон и обратно. В то же время модель Qwen 2.5 от Alibaba Cloud с 72 миллиардами параметров смогла бы обеспечить аналогичную точность при снижении выбросов на треть.
Авторы подчёркивают, что данные показатели могут меняться в зависимости от аппаратного обеспечения и источников энергии, используемых для вычислений. Тем не менее, результаты работы призывают пользователей ИИ учитывать экологические последствия при выборе и применении технологий.
«Осознание реальной стоимости углеродного следа, связанного с продуктами, созданными с помощью ИИ, может помочь пользователям более осознанно подходить к использованию этих инструментов», — отметил Максимилиан Даунер.
..
