Beberapa Prompt AI Dapat Menyebabkan Emisi CO2 50 Kali Lebih Banyak Daripada yang Lain “`

(SeaPRwire) –   Baik itu menulis email atau merencanakan liburan, sekitar mengatakan mereka berinteraksi dengan kecerdasan buatan beberapa kali sehari, sementara 28% lainnya mengatakan penggunaan mereka sekitar sekali sehari.

Namun, banyak orang mungkin tidak menyadari dampak lingkungan dari pencarian mereka. Permintaan yang dibuat menggunakan ChatGPT, misalnya, mengkonsumsi 10 kali lipat listrik dari pencarian Google, menurut . Selain itu, pusat data, yang penting untuk mendukung model AI, dari semua listrik yang dikonsumsi di AS pada tahun 2023—dan pada tahun 2028 mereka diperkirakan akan mengkonsumsi sekitar 6,7 hingga 12% dari listrik negara tersebut. Kemungkinan besar hanya akan meningkat dari sana: Jumlah pusat data di seluruh dunia telah meningkat dari 500.000 pada tahun 2012 menjadi lebih dari 8 juta pada .

Sebuah studi baru, yang diterbitkan di , bertujuan untuk menarik lebih banyak perhatian pada masalah ini. Para peneliti menganalisis jumlah “token”—unit data terkecil yang digunakan model bahasa untuk memproses dan menghasilkan teks—yang diperlukan untuk menghasilkan respons, dan menemukan bahwa perintah tertentu dapat melepaskan hingga 50 kali lebih banyak emisi CO2 daripada yang lain.

Model AI yang berbeda menggunakan jumlah parameter yang berbeda; mereka yang memiliki lebih banyak parameter sering . Studi ini meneliti 14 large language models (LLM) mulai dari tujuh hingga 72 miliar parameter, mengajukan pertanyaan patokan yang sama sebanyak 1.000 pertanyaan di berbagai subjek. Parameter adalah variabel internal yang dipelajari model selama pelatihan, dan kemudian digunakan untuk menghasilkan hasil.

Model yang mendukung penalaran, yang mampu melakukan tugas yang lebih kompleks, rata-rata membuat 543,5 token “berpikir” per pertanyaan (ini adalah unit data tambahan yang dihasilkan LLM penalaran sebelum menghasilkan jawaban). Itu dibandingkan dengan model yang lebih ringkas yang hanya membutuhkan 37,7 token per pertanyaan. Semakin banyak token yang digunakan, semakin tinggi emisinya—terlepas dari apakah jawabannya benar atau tidak.

Subjek dari topik tersebut memengaruhi jumlah emisi yang dihasilkan. Pertanyaan tentang topik langsung, seperti sejarah sekolah menengah, menghasilkan emisi hingga enam kali lebih sedikit daripada subjek seperti aljabar abstrak atau filsafat, yang membutuhkan proses penalaran yang panjang.

Saat ini, banyak model memiliki “trade-off akurasi-keberlanjutan” yang melekat, kata para peneliti. Model yang dianggap paling akurat oleh para peneliti, model Cogito yang mendukung penalaran, menghasilkan tiga kali lebih banyak emisi CO2 daripada model berukuran serupa yang menghasilkan jawaban yang lebih ringkas. Tantangan inheren kemudian, dalam lanskap model AI saat ini, adalah untuk dapat mengoptimalkan efisiensi energi dan akurasi. “Tidak ada model yang menjaga emisi di bawah 500 gram CO₂ equivalent yang mencapai akurasi lebih tinggi dari 80% dalam menjawab 1.000 pertanyaan dengan benar,” kata penulis pertama Maximilian Dauner, seorang peneliti di Hochschule München University of Applied Sciences, dalam siaran pers.

Bukan hanya jenis pertanyaan yang diajukan atau tingkat akurasi jawaban, tetapi model itu sendiri yang dapat menyebabkan perbedaan emisi. Para peneliti menemukan bahwa beberapa model bahasa menghasilkan lebih banyak emisi daripada yang lain. Untuk DeepSeek R1 (70 miliar parameter) untuk menjawab 600.000 pertanyaan akan menciptakan emisi CO2 yang setara dengan penerbangan pulang pergi dari London ke New York, sementara Qwen 2.5 (72 miliar parameter) dapat menjawab lebih dari tiga kali lebih banyak pertanyaan—sekitar 1,9 juta—dengan tingkat akurasi yang serupa dan jumlah emisi yang sama.

Para peneliti berharap agar pengguna lebih memperhatikan dampak lingkungan dari penggunaan AI mereka. “Jika pengguna mengetahui biaya CO₂ yang tepat dari output yang dihasilkan AI mereka, seperti mengubah diri mereka menjadi action figure secara santai,” kata Dauner, “mereka mungkin lebih selektif dan bijaksana tentang kapan dan bagaimana mereka menggunakan teknologi ini.”

“`