- +381 63 66 97 96
- office@tsiprevodi.com
- Stražilovska 14, 21000 Novi Sad, Srbija
U poslednje vreme, rapidan razvoj veštačke inteligencije (AI), uključujući neuronski mašinski prevod (NMT) i velike jezičke modele (LLMs), nametnuo se kao jedna od najaktuelnijih tema u prevodilačkoj zajednici. Razgovori se najčešće vode o etici, kvalitetu i transparentnosti korišćenja ovih tehnologija, ali sve više stručnjaka upozorava i na njihove ekološke aspekte. U samoj srži nalazi se pitanje: kako usavršavanje prevodilačkih usluga putem AI modela zapravo utiče na životnu sredinu i koliko su te „nevidljive“ posledice ozbiljne?
U nastavku ćemo se detaljno osvrnuti na ključne ekološke izazove povezane s upotrebom AI u prevodilačkoj industriji. Cilj je da se pokaže zašto je važno da svi akteri – od samostalnih prevodilaca i tumača, preko prevodilačkih agencija, do krajnjih klijenata – prepoznaju i adresiraju ove izazove, čineći tako značajan korak ka odgovornijoj i održivijoj budućnosti prevodilačkog sektora.
Kada se govori o veštačkoj inteligenciji, većina ljudi pomisli na softver, algoritme i virtuelni prostor. Međutim, u pozadini stoje ogromni materijalni resursi koji omogućavaju obuku (trening) i eksploataciju (inference) AI sistema. Iako se većina AI modela razvija i radi pomoću servisa u oblaku (cloud computing), sve se oslanja na data centre (centre sa podacima.
Ovi centri sadrže hiljade međusobno povezanih procesorskih čipova na serverskim jedinicama, što je ključ za obradu ogromne količine podataka. Međutim, kako sve više kompanija i organizacija uvodi AI rešenja, raste i potražnja za novim data centrima, čija je izgradnja i rad povezana s nizom ekoloških izazova – od emisije štetnih gasova, preko potrošnje vode i energije, do eksploatacije prirodnih resursa neophodnih za izradu hardvera.
Ovi „skriveni” troškovi ne zaustavljaju se na podacima i serverima. Oni se protežu širom kompleksnih globalnih lanaca snabdevanja, u kojima se obavljaju iskopavanje retkih metala, njihova prerada, transport, kao i proizvodnja neophodne opreme. Nedostatak transparentnosti u ovim lancima otežava precizno merenje i kontrolu ekološkog otiska.
Jedan od najkritičnijih elemenata ekološkog otiska AI tehnologija jesu upravo emisije ugljen-dioksida (CO₂). Data centri koji pokreću AI sisteme troše ogromne količine energije, a ona se i dalje u mnogim delovima sveta dominantno dobija iz fosilnih goriva. To znači da se, povećanjem obima obrade podataka, proporcionalno povećava i emisija ugljen-dioksida.
Kada je reč o AI modelima, postoje dve faze u kojima dolazi do najveće emisije CO₂:
Situaciju dodatno komplikuje takozvani “embodied” (utkani) ugljenični otisak, koji uključuje sav ugljen-dioksid nastao prilikom vađenja sirovina, izrade i transporta neophodnog hardvera. Čak i kada se unapređenjem hardvera smanji emisija tokom rada modela, to može da poveća „embodied” emisije, jer je sam tehnološki razvoj zahtevan i troši dodatne materijalne resurse.
Osim emisija CO₂, Data centri povezani sa AI modelima intenzivno troše vodu, uglavnom za procese hlađenja serverske opreme. Veštačka inteligencija, posebno kod obrade masivnih skupova podataka, dovodi do značajnog zagrevanja hardvera. Da bi se sprečilo pregrevanje, najčešće se koriste sistemi zasnovani na isparavanju vode u rashladnim tornjevima.
Neka istraživanja ukazuju da je samo za obuku modela GPT-3, u jednom data centru na teritoriji SAD, direktno potrošeno oko 700.000 litara čiste vode, uz dodatnih 2,8 miliona litara koji su indirektno iskorišćeni u proizvodnji energije. Zamislimo, dakle, hiljade takvih treninga širom sveta i stalno korišćenje od strane miliona korisnika: lako je uočiti kako ova potražnja može postati preveliki teret za zajednice koje već imaju ograničen pristup vodi.
Pritom, lokacija samog data centra igra značajnu ulogu: ukoliko se nalazi u sunčanim i toplim oblastima (gde je solarna energija dostupnija, a emisija CO₂ niža), potreba za vodom može biti veća zbog visokih temperatura koje zahtevaju intezivnije hlađenje. Tako se javlja „kompromis” između uštede fosilnih goriva i prevelike potrošnje vode.
Još jedna manje vidljiva, a izuzetno važna komponenta ekološkog otiska AI tehnologija tiče se rudarenja retkih metala neophodnih za proizvodnju računarske opreme. Procesorski čipovi, memorijski moduli i druge komponente, između ostalog, zahtevaju minerale poput kobalta, bakra, galijuma, litijuma i volframa.
Kobalt je jedan od najilustrativnijih primera: njegovo iskopavanje se najvećim delom odvija u Demokratskoj Republici Kongo, gde su uslovi rada često veoma rizični, a povrede ljudskih prava široko rasprostranjene. Slično se dešava i sa eksploatacijom litijuma u zemljama takozvanog „Litijumskog trougla” (Argentina, Bolivija i Čile). Intenzivno rudarenje u tim regionima dovelo je do zagađenja ekosistema i doprinelo dodatnoj nestašici vode.
Upravo zato, čak i kada određeni data centar smanji emisiju CO₂ prelaskom na „čistiju” energiju, ostaje problem porekla retkih materijala neophodnih za njegov rad. Rast potražnje za AI uslugama samo povećava globalnu potrebu za ovim resursima, produbljujući ekološke i socijalne probleme u regionima u kojima se oni eksploatišu.
Iako slika deluje prilično sumorno, postoje načini na koje prevodilačka industrija može da umanji ili barem delimično kontroliše negativne efekte korišćenja AI tehnologija:
Transparentnost i praćenje ekološkog otiska
Jezičke kompanije (LSPs) i AI razvojni timovi mogu biti otvoreniji po pitanju potrošnje energije i resursa vezanih za obuku i rad AI modela. Postoji nekolicina digitalnih alata, poput CodeCarbon, ML CO2 Impact, Green Algorithms, kao i python biblioteka (energy-usage, cumulator), koji pomažu u proceni emisija ugljen-dioksida tokom razvoja modela i daju savete kako ih smanjiti. Iako su ti alati trenutno ograničeni i ne obuhvataju sve vidove ekoloških posledica (npr. „embodied” emisije i socijalne efekte rudarenja), mogu poslužiti kao prvi korak ka većoj odgovornosti.
Odgovorno donošenje odluka
I prevodilačke agencije i samostalni prevodioci mogu preispitati svoju upotrebu AI modela. Dok je u nekim slučajevima korišćenje AI neophodno (zbog brzine ili obima posla), treba razmisliti da li je svaki proces automatizacije opravdan u odnosu na ekološku cenu. Često je rešenje u kombinovanju ljudskog i AI pristupa, kako bi se optimizovala efikasnost, a smanjilo prekomerno trošenje resursa.
Lokalno delovanje i globalna svest
Prevodilačke agencije i prevodioci mogu istražiti gde se nalaze data centri koji podržavaju AI alate koje koriste. Ako se ti centri nalaze u oblastima sa velikim nedostatkom vode ili visokom stopom oslanjanja na fosilna goriva, to znači da je ekološki uticaj veći. Razumevanje lokalnih uslova omogućava konkretne akcije – od zagovaranja za transparentnost do pokretanja inicijativa za očuvanje voda u kritičnim regionima.
Aktivno zagovaranje promena
Strukovna udruženja, poput onih koja okupljaju prevodioce i tumače, mogu služiti kao platforma za širu diskusiju o ekološkim izazovima veštačke inteligencije. Kroz zajednički rad mogu se definisati smernice i standardi kojima bi se obezbedilo da industrija ide u pravcu dugoročne održivosti.
Transparentnost je ključna, ali predstavlja samo početnu tačku u rešavanju ekoloških izazova koje donosi masovna primena AI modela u prevodilačkoj industriji. Potrebno je ići dalje od pukog objavljivanja podataka o potrošnji energije: postavlja se pitanje u kojoj meri su pojedine AI primene – naročito one koje možda nisu neophodne – zaista vredne celokupne cene koju plaćamo u smislu životne sredine i ljudskih prava.
Razvoj neuronskog mašinskog prevoda (NMT) i velikih jezičkih modela (LLMs) otvorio je vrata mnogobrojnim pogodnostima u prevodilačkoj industriji – od ubrzanog procesa rada do jednostavnijeg rukovanja velikim obimom teksta. Međutim, iako se u javnim diskusijama najčešće spominju etički i ekološki aspekti veštačke inteligencije, ne sme se zanemariti ni činjenica da automatizovani prevodi često gube ljudsku komponentu koja je ključna za precizan, kontekstualno adekvatan i kulturno osetljiv prevod.
U našem uvodnom tekstu, ističe se da raste broj pitanja o etici, transparentnosti i kvalitetu kada su u pitanju AI rešenja u jezičkim uslugama. Ovo nije slučajno: mašinski sistemi, ma koliko sofisticirani, i dalje prvenstveno „razumeju“ jezik kroz matematičke obrasce i statističke verovatnoće. Rezultat je da, iako mogu biti impresivno brzi i efikasni u obradi velikog broja rečenica, oni neretko previđaju:
Kulturne i jezičke nijanse
Svaki jezik poseduje idiomatske fraze, regionalizme i specifičnu terminologiju koja zavisi od društvenog i kulturnog konteksta. Ljudski prevodioci u stanju su da ove suptilnosti prepoznaju i prilagode, dok mašine često generišu rešenja koja su gramatički „tačna“, ali stilski ili po značenju neprimereni.
Stilske i emotivne tonove
U tekstovima koji zahtevaju određeni ton – bilo da je reč o marketinškim materijalima, književnim delima ili pravnim dokumentima – mašinski prevod često zvuči „ravno“ i generički. Nedostatak intuicije i empatije može dovesti do gubitka suštinskih elemenata originalnog sadržaja.
Kontekstualno razumevanje
Čak i kada AI sistemi postižu visoku preciznost na nivou rečenica, oni se mogu izgubiti u širem kontekstu teksta. Ljudski prevodioci, s druge strane, mogu da uzmu u obzir celokupan narativ, povezane dokumente ili nameru klijenta, što je često presudno za kvalitetan i konzistentan prevod.
Iako ove manjkavosti ne znače da je AI beskoristan u prevodilačkoj sferi – naprotiv, mnogi prevodioci ga koriste kao pomoćni alat za ubrzanje određenih zadataka – važno je naglasiti da automatizovani sistemi ne mogu u potpunosti zameniti stručnost, kreativnost i osećaj za nijansu koje donosi ljudski faktor.
Pitanje kvaliteta prevoda usko je povezano i sa ekološkim izazovima koje AI nameće. Evo kako se ova dva aspekta prepliću:
Česta reobuka i intenzivno korišćenje modela
Da bi AI modeli ostvarili viši nivo preciznosti i što bolje „razumeli“ kontekst, često ih je potrebno dodatno obučavati (retraining). Svaki takav proces troši ogromne resurse – od energije do vode za hlađenje podatkovnih centara. Tako se u trci za sve boljim kvalitetom mašinskog prevoda povećava i ekološko opterećenje.
Rizik od „prekomernog oslanjanja“ na AI
Kada se kompanije i pojedinci isključivo oslone na AI, verujući da će automatizovani sistemi samostalno dostići savršenstvo, može doći do masovne i kontinuirane potrošnje resursa. Drugim rečima, želja za konstantnim usavršavanjem modela i brzim, „besplatnim“ prevodima ponekad maskira činjenicu da svaka AI interakcija ima svoju ekološku cenu (potrošnja energije, emisija CO₂, eksploatacija retkih metala itd.) o kojima smo već govorili u uvodnom delu teksta.
Razlike u upotrebi – različit ekološki efekat
Nisu svi prevodilački projekti jednako zahtevni. Neki zahtevaju samo grub ili orijentacioni prevod (gde AI može uštedeti vreme i biti dovoljan), dok drugi iziskuju duboko poznavanje konteksta i kreativno prilagođavanje koje samo čovek može pružiti. U slučajevima gde je visoki kvalitet neophodan, preterana upotreba AI zapravo je kontraproduktivna i može rezultovati dodatnim ekološkim troškovima, jer se model uzaludno angažuje a krajnji kvalitet ipak neće biti adekvatan.
Rešenje leži u odgovornom i uravnoteženom korišćenju tehnologije:
Pravilna procena potreba
Prevodilačke agencije i klijenti treba da razmotre da li je mašinski prevod zaista optimalan u svakom projektu ili segmentu teksta. Neke vrste prevoda (npr. marketinški slogani, književna dela ili pravni dokumenti) zahtevaju ljudski pristup zbog nijansiranog jezika i mogućih posledica pogrešnog tumačenja.
Kombinacija mašinske i ljudske obrade
U situacijama gde je brzina važna, AI može obezbediti osnovnu verziju prevoda koju kasnije čovek lektoriše i unapređuje. Tako se koristi prednost AI-a u pogledu efikasnosti, a pritom se čuva visok kvalitet koji obezbeđuje ljudska stručnost.
Manja „rasipnička“ upotreba modela
Umesto stalnog generisanja novih modela i beskrajnog poboljšavanja, stručnjaci u prevodilačkoj industriji mogu razmotriti optimizaciju postojećih alata i selektivno treniranje modela samo kada je to neophodno. Na taj način se smanjuje ekologški otisak, a prelazak na AI ostaje u racionalnim granicama.
Iako veštačka inteligencija značajno unapređuje efikasnost prevodilačkih usluga, neophodno je prepoznati da postoji cena – i u pogledu kvaliteta, zbog izostanka ljudskog faktora, i u pogledu ekologije, zbog visokih zahteva za energijom i resursima. Kao što smo već naglasili, pravac u kome se kreće prevodilačka industrija treba da bude odgovoran, transparentan i usmeren na održivost.
Ma koliko AI bio moćan, uvek će postojati kontekst, stil i kulturne specifičnosti koje samo ljudski prevodilac može na pravi način da prenese. S druge strane, prekomerno usavršavanje i korišćenje AI modela radi postizanja apsolutne perfekcije može uzaludno trošiti prirodne resurse i dodatno povećavati zagađenje životne sredine. Zato je krajnji cilj pronaći efikasnu ravnotežu, u kojoj tehnologija pomaže ljudima, a ne zamenjuje ih u potpunosti, i pri tom ne nosi nesrazmerno veliki ekološki teret.
