للتوصل إلى أرقام نموذجية ، قام الفريق الذي قام بالتحليل إلى تتبع الطلبات والأجهزة التي خدمتها لمدة 24 ساعة ، وكذلك وقت الخمول لتلك الأجهزة. هذا يمنحهم طاقة لكل طلب تقدير ، والذي يختلف بناءً على النموذج المستخدم. لكل يوم ، يحددون الوسيط المتوسط ويستخدمون ذلك لحساب التأثير البيئي.
النزول
باستخدام هذه التقديرات ، يجدون أن تأثير طلب النص الفردي صغير جدًا. “We estimate the median Gemini Apps text prompt uses 0.24 watt-hours of energy, emits 0.03 grams of carbon dioxide equivalent (gCO2e), and consumes 0.26 milliliters (or about five drops) of water,” يختتمون. لوضع ذلك في السياق ، يقدرون أن استخدام الطاقة يشبه حوالي تسع ثوان من مشاهدة التلفزيون.
الأخبار السيئة هي أن حجم الطلبات مرتفع للغاية. اختارت الشركة تنفيذ عملية الذكاء الاصطناعى مع كل طلب بحث واحد ، وهو طلب حسابية لم يكن موجودًا قبل عامين. لذلك ، في حين أن التأثير الفردي صغير ، من المحتمل أن تكون التكلفة التراكمية كبيرة.
الأخبار السارة؟ قبل عام واحد فقط ، كان من الممكن أن يكون الأمر أسوأ بكثير.
بعض هذا هو فقط إلى الظروف. مع”https://arstechnica.com/science/2025/05/us-solar-keeps-surging-generating-more-power-than-hydro-in-2025/”> طفرة في الطاقة الشمسية في الولايات المتحدة وأماكن أخرى ، أصبح من الأسهل على Google ترتيب الطاقة المتجددة. نتيجة لذلك ، شهدت انبعاثات الكربون لكل وحدة من الطاقة المستهلكة تخفيضًا 1.4x خلال العام الماضي. لكن أكبر انتصارات كانت على جانب البرنامج ، حيث أدت الأساليب المختلفة إلى انخفاض 33x في الطاقة المستهلكة لكل موجه.
معظم استخدام الطاقة في تقديم طلبات الذكاء الاصطناعي يأتي من الوقت الذي تقضيه في رقائق التسريع المخصصة. الائتمان: Elsworth ، وآخرون. آل.
يصف فريق Google عددًا من التحسينات التي قامت بها الشركة والتي تساهم في ذلك. أحدهما هو نهج يسمى الخبراء ، والذي يتضمن اكتشاف كيفية تنشيط جزء من نموذج الذكاء الاصطناعي اللازم فقط للتعامل مع طلبات محددة ، والتي يمكن أن تسقط الاحتياجات الحسابية بعامل من 10 إلى 100. لقد طوروا عددًا من الإصدارات المضغوطة من نموذجها الرئيسي ، مما يقلل أيضًا من الحمل الحسابي. تلعب إدارة مركز البيانات أيضًا دورًا ، حيث يمكن للشركة التأكد من استخدام أي أجهزة نشطة بالكامل ، مع السماح للباقي بالبقاء في حالة منخفضة الطاقة.