W skrócie
Najpierw należy zmierzyć punkt odniesienia, a potem wyznaczyć razem dwa rodzaje celów: cel intensywności (energia lub emisje na użyteczne zadanie) oraz cel bezwzględny lub limit całkowity. Intensywność pokazuje efektywność; wartość bezwzględna pokazuje, czy wzrost korzystania nie pochłania oszczędności. Cele należy przeglądać co najmniej raz w roku, w miarę jak zmieniają się modele i sposób korzystania.
Kroki
- Należy zmierzyć lub oszacować punkt odniesienia dla głównych zastosowań AI, według spisanej metody.
- Należy wybrać jednostkę funkcjonalną, np. energię na zapytanie lub na przetworzony dokument.
- Należy wyznaczyć cel intensywności na jednostkę oraz cel bezwzględny lub limit całkowity.
- Należy dodać cele procesowe, na które ma się bezpośredni wpływ, np. udział zapytań obsługiwanych przez małe modele.
- Co roku należy przeglądać postępy i metodę oraz przeliczać punkt odniesienia, jeśli metoda się zmieni.
Cel intensywności i cel bezwzględny należy wyznaczać razem, na podstawie zmierzonego punktu odniesienia. Każdy z nich osobno może wprowadzać w błąd: wartości na zadanie mogą spadać, gdy suma rośnie, a suma może wyglądać dobrze tylko dlatego, że korzystanie jeszcze nie wzrosło.
Dlaczego dwa cele?
Efektywność na zapytanie może poprawiać się bardzo szybko. Google podaje, że energia medianowego tekstowego promptu Gemini spadła w ciągu roku 33-krotnie. Tańsza AI bywa jednak używana częściej, co Luccioni, Strubell i Crawford omawiają jako efekt odbicia, czyli paradoks Jevonsa. Cel intensywności obejmuje pierwsze zjawisko, a cel bezwzględny lub limit – drugie.
Jak powinny wyglądać cele?
| Rodzaj | Przykład |
|---|---|
| Intensywność | Energia na przetworzony dokument obniżona o ustalony odsetek względem punktu odniesienia |
| Bezwzględny | Całkowite zużycie energii elektrycznej przez AI lub szacowane emisje utrzymane na poziomie limitu lub poniżej |
| Procesowy | Udział zapytań obsługiwanych przez małe modele; udział dostawców podających dane na zapytanie |
Specyfikacja Software Carbon Intensity organizacji Green Software Foundation daje gotową miarę intensywności: emisje na jednostkę funkcjonalną, z wykorzystaniem danych o sieci liczonych metodą lokalizacyjną. Zob. jak obliczyć wskaźnik SCI.
Częste błędy
- Brak punktu odniesienia. Zob. jak ustalić punkt odniesienia.
- Cele osiągane certyfikatami. Zakup certyfikatów może zmienić wartość liczoną metodą rynkową bez zmiany zużycia energii. Co najmniej jeden cel należy wyrażać w kilowatogodzinach.
- Ciche zmiany metody. Jeśli metoda się poprawi, należy przeliczyć punkt odniesienia.
- Cele, na które nikt nie ma wpływu. Cele wynikowe należy łączyć z celami procesowymi, na które zespoły mogą działać.
Metoda stojąca za liczbami jest opisana na stronie jak mierzyć energię AI.
Źródła
- Software Carbon Intensity specification, Green Software Foundation (2024)
- From efficiency gains to rebound effects: the problem of Jevons' paradox in AI's polarized environmental debate, Luccioni, Strubell and Crawford, ACM FAccT (2025)
- Measuring the environmental impact of delivering AI at Google Scale, Elsworth et al., Google (2025)
Powiązane
Jak ustalić punkt odniesienia, aby udowodnić oszczędność energii w AI?
Jak wykazać rzeczywistą oszczędność energii w AI: pomiar przed zmianą przy tej samej konfiguracji, powtórzenia, wynik na jednostkę pracy i kontrola jakości.
Jak śledzić zużycie energii przez AI na zadanie, a nie tylko łącznie?
Należy wybrać jednostkę funkcjonalną, na przykład na dokument lub na udane zadanie, rejestrować względem niej energię i jakość i podawać ją obok sumy.
Jak nie dopuścić, by wzrost wydajności AI zniwelował większy poziom jej używania?
Jak sprawić, by oszczędności z wydajności AI nie zniknęły przez rosnące użycie: śledzić sumy, ustalać budżety lub limity, wycofywać zwolnione zasoby i pytać o potrzebę.
Jak mierzyć zużycie energii i emisje AI
Praktyczny przewodnik po pomiarze lub szacowaniu energii i emisji AI: narzędzia, granice systemu, wskaźniki na zadanie i uczciwa niepewność.