Sprachgeneratoren benötigen sehr viel Energie

Insbesondere das erstmalige Training von Sprachgeneratoren ist sehr rechen- und damit energieintensiv. Derzeit wird aber intensiv nach sparsameren Trainingsverfahren geforscht, so dass dieser Aspekt mittelfristig an Bedeutung verlieren könnte.

Beim Energiebedarf von Sprachgeneratoren müssen zwei Phasen unterschieden werden:

  • Das Training der Sprachmodelle
  • Die Nutzung der Sprachmodelle.

Insbesondere das erstmalige Training von Sprachmodellen benötigt sehr viel Energie. Da aber Sprachmodelle nur einmal trainiert und danach millionenfach genutzt werden, spielt auch der Energiebedarf bei der Nutzung eine grosse Rolle.

Eruierung des Energiebedarfs

Es ist derzeit nicht einfach, verlässliche Aussagen zum Energiebedarf von grossen Sprachmodellen zu erhalten, da die Unternehmen keine entsprechenden Zahlen publizieren. Zudem ist zu erwarten, dass unterschiedliche Sprachmodelle je nach Grösse einen unterschiedlichen Energiebedarf haben.

Weitere Entwicklung

Derzeit ist die weitere Entwicklung des Energiebedarfs schwer vorauszusagen. Die Tatsache, dass erste Sprachmodelle lokal verfügbar sind mit einer Leistungsfähigkeit, die bis vor kurzem nur serverbasiert verfügbar war, zeigt, dass Energiesparpotenzial vorhanden ist.

Weiterführende Informationen

Kommentare

 
PHSZ Logo

Die Website gmls.phsz.ch ist eine seit Dezember 2022 laufend erweiterte Sammlung von Einordnungen der Professur "Digitalisierung und Bildung" der Pädagogischen Hochschule Schwyz zur Frage, welche Auswirkungen generative Machine-Learning-Systeme wie ChatGPT auf die Schule haben.

Lizenz: Die Website steht unter einer CC-BY-ND-Lizenz, Bilder und Texte dürfen somit unter Quellenangabe an anderen Orten verwendet werden.

Zitationsvorschlag: Döbeli Honegger, Beat (2023). ChatGPT & Co. und Schule. Einschätzungen der Professur "Digitalisierung und Bildung" der Pädagogischen Hochschule Schwyz. https://gmls.phsz.ch/ (abgerufen am 21 Nov 2024)