How Hyper-Datafication Impacts the Sustainability Costs in Frontier AI
Dit artikel betoogt dat de verschuiving naar "hyper-dataficatie" in grensverleggende AI aanzienlijke milieukosten met zich meebrengt en arbeidrisico's en representatieve schade systematisch herverdeelt naar het Mondiale Zuiden, wat aanleiding geeft tot een oproep voor een nieuw kader van Data PROOFS om deze duurzaamheidsuitdagingen te mitigeren.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je de wereld van Kunstmatige Intelligentie (AI) voor als een enorme, hongerige chef die probeert het perfecte gerecht te koken. Jarenlang keek deze chef alleen maar rond in de keuken, pakte wat er al op het aanrecht lag (bestaande internetdata) en kookte ermee. Maar onlangs heeft de chef van tactiek veranderd. In plaats van alleen te pakken wat er al is, bouwt de chef nu nieuwe fabrieken om ingrediënten te kweken die specifiek voor de pan bedoeld zijn, en gebruikt zelfs robots om nep-ingrediënten te synthetiseren die echt lijken. Het artikel noemt deze verschuiving "Hyper-Datafication."
De auteurs stellen dat hoewel deze nieuwe aanpak de AI slimmer maakt, het gepaard gaat met een verborgen "rekening" waar we geen aandacht aan besteden. Deze rekening bestaat uit drie delen: de energiekosten (milieu), de menselijke kosten (sociaal) en de geldkosten (economisch).
Hier is een uitsplitsing van wat het artikel heeft gevonden, met behulp van eenvoudige analogieën:
1. De Milieurekening: Het "Digitale Magazijn"
Denk aan AI-data als fysieke dozen in een magazijn.
- De Explosie: Het aantal van deze "dozen" (datasets) groeit zo snel dat het magazijn op een alarmerend tempo volloopt. Het artikel keek naar een populair publiek magazijn (Hugging Face) en stelde vast dat de hoeveelheid toegevoegde data geëxplodeerd is.
- De Verborgen Energie: De meeste mensen maken zich zorgen over de energie die het kost om het gerecht te bereiden (het trainen van het AI-model). Maar dit artikel wijst erop dat de energie die nodig is om de ingrediënten te bewaren enorm is.
- De Analogie: Stel je voor dat je een kopie van elk boek dat je ooit hebt gelezen in je eigen kelder moet bewaren, zelfs als je ze nooit meer leest. Dat is wat er gebeurt wanneer onderzoekers deze datasets downloaden. Het artikel schat dat de energie die wordt gebruikt voor alleen al het opslaan van deze gedownloade kopieën, gelijk staat aan de jaarlijkse CO2-voetafdruk van 217.000 mensen.
- Het Locatieprobleem: De meeste van deze magazijnen bevinden zich in de VS, waar de elektriciteit afkomstig is van vuilere bronnen (zoals kolen). Als ze in Europa zouden staan, waar de elektriciteit schoner is, zou de vervuiling veel lager zijn. Maar op dit moment bevindt het "digitale magazijn" zich in de meest vervuilende buurt.
2. De Sociale Rekening: De "Onzichtbare Fabrieksarbeiders"
Om deze ingrediënten klaar te maken voor de chef, moet iemand ze sorteren, schoonmaken en labelen.
- De Werkers: Het artikel interviewde 134 data-arbeiders in Kenia, een land dat bekend staat als een knooppunt voor dit soort digitale arbeid.
- De Omstandigheden: Deze werkers worden vaak heel weinig betaald (ongeveer 300 per maand, wat onder het nationale gemiddelde ligt) en werken lange dagen (40–60 uur per week).
- Het Trauma: Een belangrijke bevinding is dat veel van deze werkers dagelijks worden blootgesteld aan grafische, verontrustende of gewelddadige inhoud (zoals het sorteren van slechte afbeeldingen voor "veiligheid").
- De Analogie: Stel je een baan voor waarbij je door het afval moet zoeken om de goede items te vinden, maar het afval bestaat uit nachtmerries. Het artikel vond dat hoe traumatischer de inhoud die je moet bekijken is, hoe minder extra je ervoor krijgt betaald. Het is een "traumatabelasting" die niet wordt gecompenseerd.
- De Ongelijkheid: De werkers bevinden zich voornamelijk in het Mondiale Zuiden (zoals Kenia), terwijl de bedrijven die de AI maken (zoals Google of Meta) in het Mondiale Noorden zitten. De werkers dragen de mentale gezondheidsrisico's, terwijl de bedrijven de winsten houden.
3. De Economische Rekening: De "Goudkoorts"
- De Investering: Het bouwen van deze enorme data-magazijnen en de servers daarin kost een fortuin. Het artikel merkt op dat de wereldwijde investeringen in datacentra nu groter zijn dan de wereldwijde investeringen in olie.
- Het Monopolie: Net zoals een paar grote bedrijven de meeste oliebronnen bezitten, bezitten een paar grote techbedrijven de meeste data-infrastructuur.
- Het Onevenwicht: Het artikel wijst erop dat hoewel data over de hele wereld wordt gegenereerd (inclusief India en Afrika), de "fabrieken" die het verwerken voornamelijk in de VS zijn. Dit betekent dat de waarde die door de data wordt gecreëerd in de VS blijft, terwijl de mensen die de data genereerden er heel weinig van krijgen.
4. Het Representatieprobleem: De "Echokamer"
Het artikel keek ook naar wat er in deze data-magazijnen zit.
- De Bias: Hoewel het internet globaal is, is de data die gebruikt wordt om AI te trainen voornamelijk in het Engels.
- De Analogie: Stel je voor dat je een kind probeert te leren over de hele wereld, maar je geeft het alleen boeken die in het Engels zijn geschreven. Het kind zal denken dat de hele wereld Engels spreekt en dat de Engelse cultuur de enige is die ertoe doet. Het artikel vond dat Engels domineert, terwijl talen die door miljarden mensen worden gesproken nauwelijks vertegenwoordigd zijn. Dit maakt de AI bevooroordeeld richting Engelstaligen.
De Oplossing: "Data PROOFS"
De auteurs willen niet alleen de problemen aanwijzen; ze stellen een reeks regels voor genaamd Data PROOFS om dit op te lossen:
- Provenance (Herkomst): Weet waar de data vandaan komt en geef krediet aan de mensen die het gemaakt hebben.
- Resource-awareness (Bewustzijn van middelen): Stop met beweren dat data "gratis" is. Meet de energie en de menselijke kosten van elke dataset.
- Ownership (Eigendom): De mensen die data creëren zouden het moeten bezitten, niet de grote techbedrijven.
- Openness (Openheid): Wees transparant over de kosten.
- Frugality (Zuinigheid): Stop met het oppotten van data. Gebruik minder data als dat net zo goed werkt.
- Standards (Standaarden): Creëer regels voor hoe we deze kosten meten en rapporteren.
De Kernboodschap
Het artikel concludeert dat de race om "super-slimme" AI te bouwen door het verzamelen van oneindige hoeveelheden data geen neutrale weg naar vooruitgang is. Het is een systeem dat stilletjes de energie van de planeet leegzuigt, arbeiders in ontwikkelingslanden uitbuit en het idee versterkt dat alleen Engelstalige culturen ertoe doen. De auteurs dringen er bij ons op aan om te vertragen, naar de verborgen kosten te kijken en te beginnen met het bouwen van een systeem dat eerlijk en duurzaam is.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.