レポート:データセンターは人工知能を生成するサーバーを冷却するために大量の水を消費している

レポート:データセンターは人工知能を生成するサーバーを冷却するために大量の水を消費している

ChatGPT のような生成 AI モデルが大量のエネルギーを消費することはよく知られていますが、それを実行し続けるには大量の水も必要であることを認識している人は少ないです。

最近の環境報告書では、人工知能業界の大手2社であるマイクロソフトとグーグルが、データセンターの水消費量が大幅に増加したと報告しており、専門家はこれをAIモデルの人気の高まりによるものとしている。

Microsoft のデータセンターの水使用量は、2021 年から 2022 年にかけて 34% 増加しました。同社は昨年、64億リットル以上の水を消費したが、これはオリンピックサイズのプール2,500個分以上に相当すると言われている。

Google でも状況は同様で、同時期に水の消費量が 20% 増加したと報告されています。水使用量の増加の多くは、AI ワークロードの増加によるものです。ほとんどの人は ChatGPT の背後にあるリソースの使用状況を認識していません。リソースがどのように使用されているかがわからなければ、リソースを保護することはできません。

注目すべきは、水使用量の増加が Google のすべてのデータセンターで均一ではないということです。以前は消費量の多さで悪評を呼んでいたオレゴン工場の水使用量は安定していた。しかし、アイオワ州カウンシルブラッフスのデータセンターでは、他のどのデータセンターよりも多くの飲料水が必要です。データセンターの水使用量は、データセンターの場所、季節、使用されるデータセンターの冷却技術など、いくつかの要因によって決まります。

問題は、多くのデータセンターが、AI 計算を実行するサーバーの過熱を防ぐために大規模な冷却システムを使用していることです。ほとんどは大量の水を必要とする HVAC を使用していますが、他のシステムでは大量の水を必要とする冷却塔を使用しています。火力発電所などの一部のクリーンエネルギー源も、冷却に大量の水に依存しています。

データセンターで使用される水のほとんどは、たとえ自然にリサイクルされるだけであってもリサイクルされますが、エネルギーについては同じことが言えません。また、クラウド データ センターに多くの注目が集まっていますが、これらのデータ センターは利用率が高いため、効率の面でオンプレミスの施設を上回ることが多いことも注目に値します。さらに、Microsoft と Google の両社には、エネルギーと水の使用量を削減するビジネス上のインセンティブがあります。

マイクロソフトは以前、2030年までに「水効率」、「カーボンネガティブ」、「廃棄物ゼロ」を目指す意向を表明していた。 「ウォーター・ポジティブ」の意味についての公式な定義はありませんが、一般的には、水を節約するだけでなく、より多くの水を環境に還元するという取り組みを意味します。

例えば、ペプシコは、「水リスクの高い地域」であるメキシコシティのスナック食品工場で、水にプラスとなる数々の戦略を報告した。水はプラントの機械を通過した後、集められ、飲用に安全な状態になるように処理されます。その後、9マイル離れた別の施設に輸送され、そこで同社のサブリタスポテトチップスを作るためのジャガイモの洗浄に使用されます。

マイクロソフトは、節水をどのように達成する予定なのかまだ明らかにしていないが、持続可能性報告書の中で、排出量の分析を継続し、データセンターの電力供給にクリーンエネルギーの利用を増やし、再生可能エネルギーを購入し、その他の環境に優しい技術に投資すると述べた。同社は、AIトレーニングには大量のエネルギーと水が必要であることを認識しており、これらの分野での効率改善に積極的に取り組んでいると述べている。

この問題の解決策としては、AI モデルのエネルギー要件を削減することが含まれますが、これにはより効率的なアルゴリズムとハードウェアの構築が含まれますが、これには時間がかかります。マイクロソフトは、海中にデータセンターを設置するなどのさらなるアイデアも模索している。同社は2018年にスコットランドのオークニー諸島沖に施設を沈め、2年間かけてその性能を研究した結果、エネルギー効率が大幅に向上したことを発見した。

海底データセンターの利点は、冷却に海水を使用できることです。マイクロソフトは、施設全体を水中に沈めることによって冷却効果も得られ、冷却システムの負担が軽減されると述べている。

<<:  AIチップ分野におけるNvidiaの優位性により、スタートアップ企業の資金調達は困難になっており、資金調達取引件数は80%減少した。

>>:  ML と AI の違い: 詳細ガイド

ブログ    

推薦する

時系列予測におけるディープラーニングの概要と今後の方向性の分析

2023年は大きな言語モデルと着実な普及の年です。時系列の分野ではそれほど大きな成果は得られていませ...

レゴブロックを積み上げるように: ニューラルネットワークの数学をゼロから説明する

ニューラル ネットワークは、線形モジュールと非線形モジュールを巧みに組み合わせたものです。これらのモ...

人工知能の代表的な応用分野トップ10の一覧と技術原理の図解

[[329146]]この記事では、「アルゴリズム」という単語を非常に簡略化して使用し、単一のアルゴリ...

人工知能を理解していないかもしれませんが、次の3つのポイントを知っておく必要があります

人工知能は人間の弱点を補うものであり、人間に代わるものではない多くの人が「人工知能が人間に取って代わ...

大国同士が競争する中、なぜ彼らは人工知能で優位に立とうとするのでしょうか?

不確実性が人間関係を形作ります。感染症は、かつては直線的でスムーズで予測可能だった社会を予期せぬ形で...

あなたは人工知能/機械学習についてどれくらい知っていますか?

[[188835]]クイズ番組やマンマシン囲碁で人間に勝ったり、広告で人種差別的な偏見を示したとし...

自動運転ユニコーンは詐欺的すぎて、ルカン氏でさえ確信している

これは普通の自動運転ビデオだと思いますか?写真いいえ、いいえ、いいえ...これは実際には AI によ...

2,000 ドル相当のコースノートをオープンソース化しました。講演者はKaggleの元チーフサイエンティストです!

数日前、fast.ai の創設者であり、Kaggle の元主任科学者である Jeremy Howar...

ロボット革命はビジネス環境を変えている

今世紀の前半には、巨大な片腕の巨人のような産業用ロボットがロボット工学の分野を支配していました。産業...

チャットボットのアーキテクチャモデルと応答メカニズムについての簡単な説明

[51CTO.com クイック翻訳] 気付きましたか? 人工知能はもはや、少数のテクノロジー企業の単...

新しいアルゴリズムとアーキテクチャ メトリックを備えた Lattix 5.0 アーキテクチャ管理ソフトウェアがリリースされました

Lattix は最近、インフラストラクチャ管理ソフトウェアのバージョン 5.0 をリリースしました。...

AIは教育の問題を解決できないが、メンターツールにはなり得る

今、これまで以上に、教師たちは助けを必要としています。数週間のうちにすべての授業をオンラインに移行す...

...

バックエンド開発にとってどれほど恥ずかしいことでしょうか?フロントエンドプログラマーの給与が明らかに

最近、バックエンドで数年間働いてきたプログラマーが、かなり混乱を招く質問をオンラインで提起しました。...

Python が機械学習に最適な理由は何ですか?

[[395543]] Python AI プロジェクトは、あらゆる形態や規模の企業の間で非常に人気...