Altman reagiert auf die Wasserverbrauch-Debatte bei KI: ChatGPT Wasserverbrauch ist „völlig unrealistisch“, Energieherausforderungen sind der Schlüssel

Die rasante Entwicklung künstlicher Intelligenz hat den Wasser- und Stromverbrauch in Rechenzentren zu einem globalen Fokus gemacht. Als Reaktion auf Behauptungen, dass KI-Systeme bei jeder Anfrage viele Wasserressourcen verbrauchen, wies OpenAI-CEO Sam Altman dies kürzlich öffentlich als “völlig unwahr” zurück und betonte, dass die Gerüchte nichts mit der Realität zu tun haben. Er räumte jedoch auch ein, dass mit dem explosionsartigen Anstieg der weltweiten Nutzung von KI der gesamte Energieverbrauch tatsächlich eine Herausforderung ist, der angegangen werden muss.

In einem exklusiven Interview mit “The Indian Express” am Rande des AI Impact Summit in Indien gab Altman eine vollständige Antwort auf das Thema des Ressourcenverbrauchs von KI, was hitzige Diskussionen im Technologiekreis und auf sozialen Plattformen auslöste.

Altman widerlegte die Behauptung “Gallonen Wasser pro Abfrage”

Im Interview wies Altman darauf hin, dass die im Internet kursierende Behauptung, dass “ChatGPT bei jeder Anfrage Liter Wasser verbraucht”, “völlig unwahr und lächerlich” sei, und sagte, dass diese Daten “nichts mit der Realität zu tun haben”.

Rechenzentren sind seit langem auf Wasserkühlsysteme angewiesen, um Überhitzung elektronischer Geräte zu verhindern, doch mit dem Fortschritt der Kühltechnologie haben viele Rechenzentren der nächsten Generation ihre Wasserabhängigkeit schrittweise reduziert, und einige Anlagen haben die Wasserkühlung sogar ganz eingestellt.

Trotz der Effizienzgewinne kann der Gesamttrend jedoch nicht ignoriert werden. Laut einem im letzten Monat veröffentlichten Bericht der Wassertechnologieunternehmen Xylem und Global Water Intelligence wird sich angesichts des anhaltenden Wachstums der weltweiten Nachfrage nach Rechenleistung voraussichtlich die Menge an Wasser, die für die Kühlung der Rechenzentren entnommen wird, in den nächsten 25 Jahren mehr als verdreifachen, was den Druck auf die Wassersysteme erhöht.

Altmans Rede zeigt, dass er glaubt, dass die Aussage “Wasserverbrauch pro Abfrage” übertrieben ist, aber der Ressourcenbedarf der gesamten Infrastruktur dennoch rational bewertet werden muss.

KI-Energieverbrauch ist das Kernproblem

Im Vergleich zu Wasserkontroversen stellte Altman unverblümt fest, dass der Energieverbrauch Gegenstand vernünftigerer Kritik an der KI-Entwicklung ist.

“Nicht eine einzige Anfrage, sondern im Allgemeinen – weil die Welt KI sehr stark einsetzt. Wir müssen sehr schnell auf Kernenergie, Wind und Solarenergie umsteigen.”

Diese Worte verdeutlichen das praktische Dilemma, dem sich die KI-Branche gegenübersieht: Mit wachsender Modellgröße und zunehmender Beliebtheit von Anwendungsszenarien steigt die Nachfrage nach Rechenleistung exponentiell, und die Stromversorgung wird zwangsläufig gleichzeitig steigen. Wie man ein Gleichgewicht zwischen der Förderung von Innovation und dem Erreichen von CO2-Reduktionszielen findet, ist zu einem schwierigen Problem geworden, das Regierungen und Unternehmen lösen müssen.

Laut einem Bericht des Internationalen Währungsfonds (IWF) im Mai dieses Jahres hat der Stromverbrauch globaler Rechenzentren im Jahr 2023 ein Niveau erreicht, das mit dem Deutschlands oder Frankreichs vergleichbar ist. Der Zeitpunkt dieser Daten liegt kurz nachdem OpenAI ChatGPT eingeführt hat, was darauf hindeutet, dass die Nachfrage nach Rechenleistung, die durch generative KI angetrieben wird, mit erstaunlichem Tempo wächst.

KI vs. menschliches Gehirn? Altman entgegnete Bill Gates’ Ansicht

Während des Interviews wurde Altman auch nach den früheren Ansichten des Microsoft-Gründers Bill Gates gefragt. Gates hat gesagt, dass das menschliche Gehirn extrem gut in der Energieeffizienz ist, was beweist, dass KI in Zukunft energieeffizienter werden könnte.

In dieser Hinsicht schlug Altman verschiedene Vergleichsmethoden vor. Er wies darauf hin, dass viele Menschen beim Thema KI-Energieverbrauch oft auf die enorme Energie konzentrieren, die in der “Modelltrainingsphase” verbraucht wird, aber die Zeit und Ressourcen ignorieren, die für die Kultivierung eines Menschen erforderlich sind.

“Es kostet zwar viel Energie, ein KI-Modell zu trainieren, aber es kostet auch viel Energie, eine Person zu trainieren – das sind 20 Jahre Leben und all das Essen, das man davor gegessen hat.” sagte Altman.

Er wies weiter darauf hin, dass ein fairerer Vergleich zwischen “einer einzigen Antwort nach Abschluss des Modelltrainings” und “der Energie, die ein Mensch benötigt, um dieselbe Frage zu beantworten” erfolgen sollte. Auf diese Weise glaubt er, dass KI “den Menschen in Bezug auf Energieeffizienz aufgeholt” haben könnte.

Der Prozess, den Altman bezeichnet, ist die “Inferenz”-Stufe im KI-Bereich, also der Prozess, neue Ausgaben mit einem trainierten Modell zu erzeugen. Im Allgemeinen erfordert die Inferenz deutlich weniger Leistung als während der Trainingsphase.

Die Gemeinschaftskontroverse heizt sich auf: Können Menschen und Technologie gleichermaßen gemessen werden?

Altmans Behauptung, dass KI Energieeffizienz mit Menschen vergleicht, löste schnell Kontroversen auf sozialen Plattformen aus.

Sridhar Vembu, Mitbegründer und Chefwissenschaftler des indischen Softwareunternehmens Zoho Corporation, äußerte Kritik auf X (ehemals Twitter) und sagte: “Ich will keine Welt sehen, in der eine Technologie der Menschen gleichgestellt ist.”

Vor dem Hintergrund der Angst, die durch den rasanten Fortschritt generativer KI-Technologie und den Ersatz einiger menschlicher Arbeitsfähigkeiten ausgelöst wird, berühren solche Vergleiche eindeutig tiefere ethische und gesellschaftliche Fragen.

Die globale Expansion von Rechenzentren ist auf Widerstand gestoßen

Während Regierungen und Technologieunternehmen Milliarden von Dollar in den Bau neuer Rechenzentren investieren, um die Nachfrage nach KI-Rechenleistung zu decken, nimmt auch der Widerstand zu.

Einige Regierungen vereinfachen den Genehmigungsprozess, um die Einführung neuer Stromversorgung zu beschleunigen, doch Umweltgruppen warnen, dass dies mit dem globalen Ziel der Netto-Null-Kohlenstoffemissionen kollidieren könnte.

Auch in den Vereinigten Staaten haben einige lokale Gemeinden Bedenken hinsichtlich groß angelegter Rechenzentrumsentwicklungen geäußert, da sie glauben, dass diese das Netz unter Druck setzen und die Gesamtstrompreise in die Höhe treiben könnten. Letzte Woche lehnte der Stadtrat von San Marcos, Texas, einen 1,5 Milliarden Dollar teuren Rechenzentrumsbauplan ab, der monatelang von der Öffentlichkeit auf Widerstand stieß.

Angesichts dieser Hindernisse haben mehrere Technologieführer, darunter Altman, argumentiert, dass Rechenzentren in Zukunft auf vielfältigere Energiequellen angewiesen sein müssen, insbesondere auf erneuerbare Energien und Kernenergie.

Altmans neueste Rede spiegelt das zentrale Paradoxon der generativen KI-Ära wider: die Spannung zwischen technologischem Fortschritt und Ressourcenverbrauch.

Einerseits bestreitet er Übertreibungen und falsche Behauptungen über den Wasserverbrauch; Andererseits räumte er auch ein, dass die Energienachfrage mit der Einführung von KI weiter steigen wird, und forderte eine Beschleunigung der Energieumstellung. Da der weltweite Stromverbrauch in Rechenzentren sich dem nationalen Maßstab nähert, ist der nächste Schritt in der KI-Branche nicht nur ein Wettlauf um Modellleistungen, sondern auch ein Wettlauf zur Neugestaltung der Energiestruktur. Seit dem Aufkommen von ChatGPT ist KI zur Kerninfrastruktur der digitalen Wirtschaft geworden. Ob wir ein Gleichgewicht zwischen der Förderung von Innovation und der Sicherstellung der Nachhaltigkeit in der Zukunft finden können, wird zu einem langfristigen Problem für die Branche und die Regierung werden.

Der Artikel Altman reagiert auf die KI-Wasserverbrauchskontroverse: ChatGPTs Wasserverbrauch ist ‘völlig unwirklich’, Energieherausforderungen sind entscheidend erschien zuerst auf Chain News ABMedia.