Образ кота, верхом на банане, сгенерированный искусственным интеллектом, кажется забавным и безобидным развлечением, но за его созданием скрывается гораздо более глубокая и тревожная проблема. Когда мы видим такие изображения, мы не задумываемся о том, какие ресурсы и человеческий труд стоят за подготовкой данных для обучения AI. Каждая такая картинка — результат сложного, порой экстремального и социально этически проблемного процесса, который включает добычу редких минералов, эксплуатацию детей и работяг в неблагополучных регионах, а также огромные расходы энергии и воды.

Чтобы понять, почему генерация изображения кота на банане не является просто вопросом творчества, необходимо рассмотреть цепочку производства и обучения современных ИИ-технологий. Для обучения крупных языковых моделей (Large Language Models, LLMs) требуется огромное количество данных, а также мощные вычислительные системы, которые работают на энергоемких серверах. Эти серверы — настоящие энергетические монстры, потребляющие сотни мегаватт электроэнергии, что зачастую приводит к увеличению выбросов парниковых газов и ухудшению экологической ситуации.

Основные компоненты этой цепочки — редкоземельные минералы, такие как литий, кобальт, уран и другие. Они используются для производства аккумуляторов, процессоров и систем охлаждения серверных ферм. В большинстве случаев эти минералы добываются в странах с трагической историей эксплуатации и конфликта — Демократическая Республика Конго, Россия, Китай. В этих регионах многолетние войны, коррупция и нарушение прав человека делают добычу ресурсов особенно жестокой и непредсказуемой.

Добыча минералов зачастую происходит при использовании труда детей и pobres. В Демократической Республике Конго, которая обеспечивает примерно 60% мировых запасов кобальта, работают тысячи детей, зачастую без средств защиты и под угрозой жизни. По данным международных неправительственных организаций, многие шахты работают в условиях опасных для здоровья, а смертность горняков достигает 10 случаев на 1000 за год — в разы выше среднеафриканских показателей.

Такие условия не только нарушают права человека, но и создают проблему отслеживания происхождения минералов. В результате, невозможно точно определить, какие ресурсы были добыты под этическими или неэтичными условиями, что усугубляет проблему «пряди» цепочек поставок и повышает риск финансирования конфликтов и незаконной деятельности.

Производство и обучение ИИ требует не только минералов, но и огромных затрат энергии. Для охлаждения серверных ферм по всему миру создаются искусственные засушливые районы — например, в Неваде или на границе Аризоны, — где вода и энергия обходятся дешевле. Однако такие центры потребляют миллионы литров воды в день, что в засушливых регионах вызывает локальные экологические проблемы.

По оценкам ученых, один запрос к ИИ-системе, например, для составления письма или генерации изображения, потребляет около 0,5 литров воды. Это может казаться ничтожным, если рассматривать отдельные случаи, но при масштабном использовании таких систем — например, в миллионах операций ежедневно — эти расходы становятся катастрофическими.

По данным Международного энергетического агентства, дата-центры по всему миру выбрасывают порядка 4-5% всех глобальных углеродных выбросов. В будущем эта цифра может увеличиться еще больше, если не предпринять меры по снижению потребления энергии, ведь развитие AI идет очень быстрыми темпами. Стремление к быстрому развитию и расширению вычислительных мощностей зачастую идет вразрез с целями климатической устойчивости.

Создавая и используя AI, мы сталкиваемся с моральными вопросами: стоит ли ради развлечений или повышения эффективности жертвовать состоянием окружающей среды и благополучием людей? Поддержка технологий, которые требуют эксплуатации слабых и маргинализированных сообществ, вызывает глубокое моральное недоумение и требует критического осмысления.

Несмотря на очевидные преимущества — автоматизация, массовое создание контента, ускорение научных исследований — мы должны задать себе вопрос: действительно ли эти выгоды стоят той ценности, которую платят трудящиеся и окружающая среда?

«Потребление энергии для обучения крупных моделей выросло в десятки раз за последние пять лет, и без системных изменений в области энергетической эффективности, мы рискуем столкнуться с экологическим кризисом, который не вместится в рамки технологий»

«Исторический опыт показывает, что ресурсы на добычу минералов и энергии обычно используют наиболее уязвимые слои населения. Это создает цепочки ответственности и вопросы этики, которые не должны оставаться без внимания»

Итак, генерация изображения кота, едущего на банане — это лишь вершина айсберга. За этим стоит целая система, которая, несмотря на свои технологические достижения, имеет тяжелые социальные, экологические и этические последствия. Каждый раз, когда мы нажимаем кнопку «сгенерировать», стоит вспомнить о людях, чья судьба и здоровье затрагиваются добычей минералов, о природе, которая страдает от этого, и о будущем, которое мы создаем.

Социальное и экологическое значение таких простых, на первый взгляд, действий требует переоценки наших приоритетов. Время осознанного подхода к развитию технологий, честности в цепочках поставок и заботы о планете — ключ к тому, чтобы искусственный интеллект стал действительно инструментом прогресса, а не источником новых бед.

Пора задуматься: действительно ли нам нужны все эти цифровые забавы и картинки, если их создание подпитывается страданиями невинных и разрушением окружающей среды? Или можно найти баланс, который не разрушит наш мир и не угрожает будущим?