ChatGPT needs to ‘drink’ a water

0
1647

[Reading level: B2 – Upper Intermediate]

As the general public rushes to generative AI tools like ChatGDP, the environmental impact of the new technology is beginning to come to light.

 

While there’s still very little data on AI and sustainability, a recent study from researchers at the University of California, Riverside and the University of Texas, Arlington points to the water footprint (*) of AI models like OpenAI’s GPT-3 and GPT-4.

 

While training GPT-3 in its data centers, Microsoft was estimated to have used 700,000 liters — or about 185,000 gallons — of fresh water. That’s enough water to fill a nuclear reactor’s cooling tower, per Gizmodo, and the same amount that is used to produce 370 BMW cars or 320 Tesla vehicles, per the study.

 

Using these numbers, it was determined that ChatGPT would require 500 ml of water, or a standard 16.9 oz water bottle, for every 20 to 50 questions answered.

 

“While a 500 ml bottle of water might not seem too much, the total combined water footprint for inference is still extremely large” due to ChatGPT’s large user base, the study’s authors wrote.

 

Microsoft is “investing in research to measure the energy use and carbon impact of AI while working on ways to make large systems more efficient, in both training and application,” a Microsoft spokesperson told Insider in a statement.

 

“We are also continuing to invest in purchasing renewable energy and other efforts to meet our sustainability goals of being carbon negative, water positive and zero waste by 2030,” they added.

 

OpenAI did not respond to Insider’s requests for comment.

 

AI models like GPT-3 and GPT-4 are hosted in data centers, which are physical warehouses that store large swaths of computational servers. These servers identify patterns and linkages across massive datasets, which in turn, utilizes energy, whether that’s electricity, coal, nuclear power, or natural gas.

 

Significant expenditures of energy are used in the training process, which is then converted into heat. Water is then used on-site to keep temperatures in check across the entire infrastructure. Fresh water is required for proper humidity control and because saltwater can lead to “corrosion, clogged water pipes, and bacterial growth,” per the study.

 

Moving forward, these figures could “increase by multiple times for the newly-launched GPT-4 that has a significantly larger model size,” the researchers said.

 

Using their own methodology that computes on-site and off-site water usage effectiveness (WUE), in addition to energy usage, the team of researchers also developed water footprint estimates for Google’s large language model known as LaMDA.

 

Ultimately, though, a lack of transparency surrounding the water consumption numbers involved with AI training makes it difficult to pinpoint the actual footprint. When asked about LaMDA’s water usage, Google pointed to a November 2022 report that published 2021 data on the broad consumption of water across data centers.

 

“While it is impossible to know the actual water footprint without detailed information from Google, our estimate shows that the total water footprint of training LaMDA is in the order of million liters,” the researchers wrote.

 

While the carbon footprint involved with generative AI is beginning to ring alarm bells, researchers said their paper seeks to “highlight the necessity of holistically addressing water footprint along with carbon footprint to enable truly sustainable AI.”

 

Source: https://www.businessinsider.com/chatgpt-generative-ai-water-use-environmental-impact-study-2023-4?utm_medium=social&utm_source=facebook&utm_campaign=tech-sf&fbclid=IwAR2lIzUmNS3ajJLbcnIY34q0HeG0PTVW1v9vYwmzz7h3kZ4Tg0oi6XyAGno

WORD BANK:

come to light (v): được làm sáng tỏ

inference /ˈɪn.fɚ.əns/ (n): suy luận

on-site (adv): có sẵn

 humidity /hjuːˈmɪd.ə.ti/ (n): độ ẩm

 clog /klɑːɡ/ (v): gây tắc nghẽn

 newly-launched (adj): mới ra mắt

 transparency (n) /trænˈspær.ən.si/: minh bạch

 pinpoint /ˈpɪn.pɔɪnt/ (v): xác định

(as) per sb/sth (pre): theo như ai/cái gì

a swath of sth /swɑθ (quant): lượng lớn cái gì đó


NG HỘ READ TO LEAD!

Chào bạn! Có thể bạn chưa biết, Read to Lead là một trang giáo dục phi lợi nhuận với mục đích góp phần phát triển cộng đồng người học tiếng Anh tại Việt Nam. Chúng tôi không yêu cầu người đọc phải trả bất kỳ chi phí nào để sử dụng các sản phẩm của mình để mọi người đều có cơ hội học tập tốt hơn. Tuy nhiên, nếu bạn có thể, chúng tôi mong nhận được sự hỗ trợ tài chính từ bạn để duy trì hoạt động của trang và phát triển các sản phẩm mới.

Bạn có thể ủng hộ chúng tôi qua 1 trong 2 cách dưới đây.
– Cách 1: Chuyển tiền qua tài khoản Momo.
Số điện thoại 0947.886.865 (Chủ tài khoản: Nguyễn Tiến Trung)
Nội dung chuyển tiền: Ủng hộ Read to Lead
hoặc
– Cách 2: Chuyển tiền qua tài khoản ngân hàng.
Ngân hàng VIB chi nhánh Hải Phòng
Số tài khoản: 012704060048394 (Chủ tài khoản: Nguyễn Tiến Trung)
Nội dung chuyển tiền: Ủng hộ Read to Lead


Lớp luyện thi IELTS online

Bạn đang có nhu cầu thi chứng chỉ IELTS cho đầu vào đại học, đi du học, xin việc hay xin cư trú và đang phân vân chưa biết học ở đâu?

Nếu bạn đang tìm kiếm dịch vụ luyện thi IELTS online với giáo viên uy tín và chất lượng, cũng như học phí phải chăng, thì thầy Trung (Admin và dịch giả chính của Read to Lead) có thể là một lựa chọn phù hợp dành cho bạn. 

Hãy liên hệ (nhắn tin) tới trang Facebook cá nhân của mình (https://www.facebook.com/nguyen.trung.509) để tìm hiểu về lớp học và được tư vấn cũng như được học thử nha!

LEAVE A REPLY

Please enter your comment!
Please enter your name here