Model AI: Antara Kecerdasan dan Dampak Lingkungan
Model bahasa besar (LLM) telah menjadi bagian tak terpisahkan dari kehidupan kita. Namun, di balik kemampuannya yang mengagumkan, tersembunyi dampak lingkungan yang signifikan. Sebuah studi terbaru menyoroti perbedaan mencolok dalam emisi karbon yang dihasilkan oleh berbagai model AI untuk menjawab pertanyaan yang identik.
Emisi Karbon yang Bervariasi Drastis
Penelitian yang dipublikasikan di Frontiers in Communication menemukan bahwa beberapa model AI menghasilkan emisi karbon hingga 50 kali lebih banyak dibandingkan model lainnya untuk menjawab pertanyaan yang sama. Ironisnya, model yang lebih akurat cenderung memiliki biaya energi yang lebih tinggi.
Akurasi vs. Keberlanjutan: Dilema Model AI
Para peneliti dari Hochschule München University of Applied Sciences di Jerman mengevaluasi 14 LLM dengan ukuran parameter yang bervariasi (7 hingga 72 miliar). Mereka memberikan 1.000 pertanyaan standar dan mengukur jumlah token yang dihasilkan oleh masing-masing model.
Model AI memproses setiap kata atau bagian kata dalam pertanyaan menjadi token. Model yang menggunakan penalaran (reasoning models) juga menyisipkan token khusus untuk perhitungan dan penalaran internal sebelum memberikan jawaban. Proses ini membutuhkan energi dan menghasilkan CO2.
Studi tersebut menemukan bahwa reasoning models menghasilkan rata-rata 543,5 token penalaran per pertanyaan, sementara concise models hanya membutuhkan 37,7 token. Contohnya, GPT-3.5 dikategorikan sebagai concise model, sedangkan GPT-4o adalah reasoning model.
Dampak Penalaran pada Jejak Karbon
Maximilian Dauner, peneliti dari Hochschule München University of Applied Sciences, menyatakan bahwa dampak lingkungan dari penggunaan model AI sangat dipengaruhi oleh pendekatan penalaran yang digunakan. Model dengan kemampuan penalaran menghasilkan emisi CO2 hingga 50 kali lebih banyak daripada model yang memberikan jawaban ringkas.
Studi ini juga menemukan bahwa semakin akurat suatu model, semakin besar pula emisi karbon yang dihasilkan. Model Cogito, dengan 70 miliar parameter, mencapai akurasi 84,9% tetapi menghasilkan emisi CO2 tiga kali lebih banyak daripada model seukuran yang memberikan jawaban lebih ringkas.
Dauner menambahkan bahwa saat ini terdapat trade-off yang jelas antara akurasi dan keberlanjutan dalam teknologi LLM. Model yang menghasilkan emisi di bawah 500 gram CO2 belum mampu mencapai akurasi di atas 80% dalam menjawab 1.000 pertanyaan dengan benar.
Faktor Lain yang Mempengaruhi Emisi
Topik pertanyaan juga memengaruhi emisi. Pertanyaan yang membutuhkan penalaran mendalam, seperti aljabar abstrak atau filsafat, menghasilkan emisi hingga enam kali lebih tinggi daripada pertanyaan yang lebih sederhana.
Implikasi dan Rekomendasi
Meskipun temuan ini bergantung pada struktur jaringan energi lokal dan model yang diuji, para penulis studi berharap bahwa penelitian ini akan mendorong orang untuk lebih selektif dan bijaksana dalam menggunakan model AI.
- Gunakan model AI yang ringkas: Meminta model AI untuk memberikan jawaban ringkas dapat mengurangi emisi secara signifikan.
- Batasi penggunaan model berkapasitas tinggi: Gunakan model yang lebih canggih hanya untuk tugas yang benar-benar membutuhkannya.
Dengan memilih pendekatan yang lebih berkelanjutan, kita dapat mengurangi dampak lingkungan dari penggunaan model AI tanpa mengorbankan manfaat yang ditawarkannya.
Leave a Reply