เรื่องเล่าจากเบื้องหลังโมเดล: เมื่อ AI ไม่ได้แค่ฉลาด แต่ก็ “กินไฟ กินน้ำ และกินโลก”
Mistral AI ได้ร่วมมือกับบริษัทที่ปรึกษาด้านความยั่งยืน Carbone 4 และหน่วยงานสิ่งแวดล้อมของฝรั่งเศส (ADEME) เพื่อวิเคราะห์ผลกระทบสิ่งแวดล้อมของโมเดล Mistral Large 2 ตลอด 18 เดือนแรกของการใช้งาน โดยแบ่งออกเป็น 3 หมวดหลัก: การปล่อยก๊าซเรือนกระจก, การใช้น้ำ, และการใช้ทรัพยากรแร่หายาก
ผลลัพธ์ที่ได้ชวนตกใจ: การฝึกโมเดลเพียงอย่างเดียวปล่อย CO₂ เทียบเท่า 20,400 ตัน และใช้น้ำถึง 281,000 ลูกบาศก์เมตร—เท่ากับสระโอลิมปิก 112 สระ! ส่วนการใช้งานจริง (inference) ก็ไม่เบา: การถาม Le Chat 1 ครั้ง (400 tokens) ปล่อย CO₂ 1.14 กรัม และใช้น้ำ 45 มิลลิลิตร—เท่ากับการดูวิดีโอ 10 วินาทีในสหรัฐฯ
ที่สำคัญคือ 85.5% ของการปล่อย CO₂ และ 91% ของการใช้น้ำเกิดจากการฝึกและใช้งานโมเดล ไม่ใช่จากการสร้างศูนย์ข้อมูลหรือฮาร์ดแวร์ ทำให้ผลกระทบสะสมต่อเนื่องทุกครั้งที่มีคนใช้ AI
Mistral AI เปิดเผยผลการวิเคราะห์สิ่งแวดล้อมของโมเดล Mistral Large 2
ร่วมมือกับ Carbone 4 และ ADEME
ผ่านการตรวจสอบโดย Resilio และ Hubblo
ผลกระทบจากการฝึกโมเดลใน 18 เดือนแรก
ปล่อย CO₂ เทียบเท่า 20,400 ตัน
ใช้น้ำ 281,000 ลูกบาศก์เมตร
ใช้ทรัพยากรแร่หายาก 660 กิโลกรัม Sb eq
ผลกระทบจากการใช้งาน (inference) ต่อคำถาม 1 ครั้ง (400 tokens)
ปล่อย CO₂ 1.14 กรัม
ใช้น้ำ 45 มิลลิลิตร
ใช้ทรัพยากรแร่หายาก 0.16 มิลลิกรัม Sb eq
85.5% ของ CO₂ และ 91% ของน้ำเกิดจากการฝึกและใช้งานโมเดล
ไม่ใช่จากการสร้างศูนย์ข้อมูลหรือฮาร์ดแวร์
สะท้อนว่าการใช้งานต่อเนื่องคือภาระหลักต่อสิ่งแวดล้อม
Mistral เสนอแนวทางลดผลกระทบสิ่งแวดล้อมของ AI
เลือกใช้โมเดลขนาดเล็กที่เหมาะกับงาน
รวมคำถามเป็นชุด (batching) เพื่อลดการคำนวณซ้ำ
ใช้ศูนย์ข้อมูลที่ใช้พลังงานหมุนเวียน
เรียกร้องให้มีมาตรฐานการรายงานผลกระทบสิ่งแวดล้อมของ AI
เพื่อให้ผู้ใช้และองค์กรตัดสินใจได้อย่างมีข้อมูล
เสนอให้ใช้ตัวชี้วัด 3 ตัว: ผลกระทบจากการฝึก, ผลกระทบจากการใช้งาน, และสัดส่วนการใช้งานต่อวงจรชีวิต
การใช้งาน AI อย่างต่อเนื่องมีผลกระทบสะสมต่อสิ่งแวดล้อม แม้แต่คำถามเดียวก็มีต้นทุน
การใช้ AI หลายล้านครั้งต่อวันทำให้ผลกระทบเพิ่มขึ้นอย่างรวดเร็ว
ผู้ใช้ควรตระหนักถึงต้นทุนที่มองไม่เห็นของการใช้ AI
https://www.techspot.com/news/108838-how-much-pollution-does-ai-create-mistral-breaks.html
Mistral AI ได้ร่วมมือกับบริษัทที่ปรึกษาด้านความยั่งยืน Carbone 4 และหน่วยงานสิ่งแวดล้อมของฝรั่งเศส (ADEME) เพื่อวิเคราะห์ผลกระทบสิ่งแวดล้อมของโมเดล Mistral Large 2 ตลอด 18 เดือนแรกของการใช้งาน โดยแบ่งออกเป็น 3 หมวดหลัก: การปล่อยก๊าซเรือนกระจก, การใช้น้ำ, และการใช้ทรัพยากรแร่หายาก
ผลลัพธ์ที่ได้ชวนตกใจ: การฝึกโมเดลเพียงอย่างเดียวปล่อย CO₂ เทียบเท่า 20,400 ตัน และใช้น้ำถึง 281,000 ลูกบาศก์เมตร—เท่ากับสระโอลิมปิก 112 สระ! ส่วนการใช้งานจริง (inference) ก็ไม่เบา: การถาม Le Chat 1 ครั้ง (400 tokens) ปล่อย CO₂ 1.14 กรัม และใช้น้ำ 45 มิลลิลิตร—เท่ากับการดูวิดีโอ 10 วินาทีในสหรัฐฯ
ที่สำคัญคือ 85.5% ของการปล่อย CO₂ และ 91% ของการใช้น้ำเกิดจากการฝึกและใช้งานโมเดล ไม่ใช่จากการสร้างศูนย์ข้อมูลหรือฮาร์ดแวร์ ทำให้ผลกระทบสะสมต่อเนื่องทุกครั้งที่มีคนใช้ AI
Mistral AI เปิดเผยผลการวิเคราะห์สิ่งแวดล้อมของโมเดล Mistral Large 2
ร่วมมือกับ Carbone 4 และ ADEME
ผ่านการตรวจสอบโดย Resilio และ Hubblo
ผลกระทบจากการฝึกโมเดลใน 18 เดือนแรก
ปล่อย CO₂ เทียบเท่า 20,400 ตัน
ใช้น้ำ 281,000 ลูกบาศก์เมตร
ใช้ทรัพยากรแร่หายาก 660 กิโลกรัม Sb eq
ผลกระทบจากการใช้งาน (inference) ต่อคำถาม 1 ครั้ง (400 tokens)
ปล่อย CO₂ 1.14 กรัม
ใช้น้ำ 45 มิลลิลิตร
ใช้ทรัพยากรแร่หายาก 0.16 มิลลิกรัม Sb eq
85.5% ของ CO₂ และ 91% ของน้ำเกิดจากการฝึกและใช้งานโมเดล
ไม่ใช่จากการสร้างศูนย์ข้อมูลหรือฮาร์ดแวร์
สะท้อนว่าการใช้งานต่อเนื่องคือภาระหลักต่อสิ่งแวดล้อม
Mistral เสนอแนวทางลดผลกระทบสิ่งแวดล้อมของ AI
เลือกใช้โมเดลขนาดเล็กที่เหมาะกับงาน
รวมคำถามเป็นชุด (batching) เพื่อลดการคำนวณซ้ำ
ใช้ศูนย์ข้อมูลที่ใช้พลังงานหมุนเวียน
เรียกร้องให้มีมาตรฐานการรายงานผลกระทบสิ่งแวดล้อมของ AI
เพื่อให้ผู้ใช้และองค์กรตัดสินใจได้อย่างมีข้อมูล
เสนอให้ใช้ตัวชี้วัด 3 ตัว: ผลกระทบจากการฝึก, ผลกระทบจากการใช้งาน, และสัดส่วนการใช้งานต่อวงจรชีวิต
การใช้งาน AI อย่างต่อเนื่องมีผลกระทบสะสมต่อสิ่งแวดล้อม แม้แต่คำถามเดียวก็มีต้นทุน
การใช้ AI หลายล้านครั้งต่อวันทำให้ผลกระทบเพิ่มขึ้นอย่างรวดเร็ว
ผู้ใช้ควรตระหนักถึงต้นทุนที่มองไม่เห็นของการใช้ AI
https://www.techspot.com/news/108838-how-much-pollution-does-ai-create-mistral-breaks.html
🌍 เรื่องเล่าจากเบื้องหลังโมเดล: เมื่อ AI ไม่ได้แค่ฉลาด แต่ก็ “กินไฟ กินน้ำ และกินโลก”
Mistral AI ได้ร่วมมือกับบริษัทที่ปรึกษาด้านความยั่งยืน Carbone 4 และหน่วยงานสิ่งแวดล้อมของฝรั่งเศส (ADEME) เพื่อวิเคราะห์ผลกระทบสิ่งแวดล้อมของโมเดล Mistral Large 2 ตลอด 18 เดือนแรกของการใช้งาน โดยแบ่งออกเป็น 3 หมวดหลัก: การปล่อยก๊าซเรือนกระจก, การใช้น้ำ, และการใช้ทรัพยากรแร่หายาก
ผลลัพธ์ที่ได้ชวนตกใจ: การฝึกโมเดลเพียงอย่างเดียวปล่อย CO₂ เทียบเท่า 20,400 ตัน และใช้น้ำถึง 281,000 ลูกบาศก์เมตร—เท่ากับสระโอลิมปิก 112 สระ! ส่วนการใช้งานจริง (inference) ก็ไม่เบา: การถาม Le Chat 1 ครั้ง (400 tokens) ปล่อย CO₂ 1.14 กรัม และใช้น้ำ 45 มิลลิลิตร—เท่ากับการดูวิดีโอ 10 วินาทีในสหรัฐฯ
ที่สำคัญคือ 85.5% ของการปล่อย CO₂ และ 91% ของการใช้น้ำเกิดจากการฝึกและใช้งานโมเดล ไม่ใช่จากการสร้างศูนย์ข้อมูลหรือฮาร์ดแวร์ ทำให้ผลกระทบสะสมต่อเนื่องทุกครั้งที่มีคนใช้ AI
✅ Mistral AI เปิดเผยผลการวิเคราะห์สิ่งแวดล้อมของโมเดล Mistral Large 2
➡️ ร่วมมือกับ Carbone 4 และ ADEME
➡️ ผ่านการตรวจสอบโดย Resilio และ Hubblo
✅ ผลกระทบจากการฝึกโมเดลใน 18 เดือนแรก
➡️ ปล่อย CO₂ เทียบเท่า 20,400 ตัน
➡️ ใช้น้ำ 281,000 ลูกบาศก์เมตร
➡️ ใช้ทรัพยากรแร่หายาก 660 กิโลกรัม Sb eq
✅ ผลกระทบจากการใช้งาน (inference) ต่อคำถาม 1 ครั้ง (400 tokens)
➡️ ปล่อย CO₂ 1.14 กรัม
➡️ ใช้น้ำ 45 มิลลิลิตร
➡️ ใช้ทรัพยากรแร่หายาก 0.16 มิลลิกรัม Sb eq
✅ 85.5% ของ CO₂ และ 91% ของน้ำเกิดจากการฝึกและใช้งานโมเดล
➡️ ไม่ใช่จากการสร้างศูนย์ข้อมูลหรือฮาร์ดแวร์
➡️ สะท้อนว่าการใช้งานต่อเนื่องคือภาระหลักต่อสิ่งแวดล้อม
✅ Mistral เสนอแนวทางลดผลกระทบสิ่งแวดล้อมของ AI
➡️ เลือกใช้โมเดลขนาดเล็กที่เหมาะกับงาน
➡️ รวมคำถามเป็นชุด (batching) เพื่อลดการคำนวณซ้ำ
➡️ ใช้ศูนย์ข้อมูลที่ใช้พลังงานหมุนเวียน
✅ เรียกร้องให้มีมาตรฐานการรายงานผลกระทบสิ่งแวดล้อมของ AI
➡️ เพื่อให้ผู้ใช้และองค์กรตัดสินใจได้อย่างมีข้อมูล
➡️ เสนอให้ใช้ตัวชี้วัด 3 ตัว: ผลกระทบจากการฝึก, ผลกระทบจากการใช้งาน, และสัดส่วนการใช้งานต่อวงจรชีวิต
‼️ การใช้งาน AI อย่างต่อเนื่องมีผลกระทบสะสมต่อสิ่งแวดล้อม แม้แต่คำถามเดียวก็มีต้นทุน
⛔ การใช้ AI หลายล้านครั้งต่อวันทำให้ผลกระทบเพิ่มขึ้นอย่างรวดเร็ว
⛔ ผู้ใช้ควรตระหนักถึงต้นทุนที่มองไม่เห็นของการใช้ AI
https://www.techspot.com/news/108838-how-much-pollution-does-ai-create-mistral-breaks.html
0 ความคิดเห็น
0 การแบ่งปัน
43 มุมมอง
0 รีวิว