Η τεχνητή νοημοσύνη αναδεικνύεται σε ένα πανίσχυρο εργαλείο για την αντιμετώπιση κρίσιμων παγκόσμιων προβλημάτων, αλλά η ραγδαία ανάπτυξή της έχει και μια σκοτεινή πλευρά: έναν ολοένα αυξανόμενο περιβαλλοντικό αντίκτυπο. Η εξάπλωση της παραγωγικής τεχνητής νοημοσύνης, προσβάσιμη πλέον σε όλους μετά την κυκλοφορία του ChatGPT, οδηγεί σε μια εκρηκτική αύξηση της κατανάλωσης ενέργειας και νερού.
Η λειτουργία της παραγωγικής τεχνητής νοημοσύνης βασίζεται σε μεγάλα γλωσσικά μοντέλα (LLMs) που χρειάζονται δισεκατομμύρια σημεία δεδομένων για την εκπαίδευσή τους, απαιτώντας τεράστιους πόρους. Η καρδιά αυτών των λειτουργιών είναι τα κέντρα δεδομένων. Αυτή τη στιγμή υπάρχουν περισσότερα από 6.000 παγκοσμίως, αριθμός που αναμένεται να φτάσει τις 8.400 μέχρι το 2030.
Ο Διεθνής Οργανισμός Ενέργειας υπολογίζει ότι μια απλή εντολή στο ChatGPT καταναλώνει σχεδόν 10 φορές περισσότερη ενέργεια από μια αναζήτηση στο Google. Με την υιοθέτηση της AI να γίνεται μαζική, τα κέντρα δεδομένων θα μπορούσαν να διπλασιάσουν την κατανάλωση ηλεκτρικής ενέργειας. Μελέτη της Goldman Sachs Research προβλέπει αύξηση 160% στη χρήση ενέργειας από τα κέντρα δεδομένων έως το 2030, ενώ για τις ΗΠΑ η κατανάλωση θα μπορούσε να φτάσει το 10% της συνολικής χρήσης ηλεκτρικής ενέργειας της χώρας μέσα στα επόμενα πέντε χρόνια.
Στην Ευρώπη, η ενεργειακή ζήτηση αναμένεται να αυξηθεί κατά 40% με 50% έως το 2033. Το ενεργειακό αποτύπωμα των κέντρων δεδομένων παγκοσμίως θα μπορούσε να ισοδυναμεί με τη συνολική κατανάλωση της Πορτογαλίας, της Ελλάδας και της Ολλανδίας μαζί. Χαρακτηριστικό παράδειγμα είναι η Ιρλανδία, όπου τα κέντρα δεδομένων καταναλώνουν ήδη το 21% της ηλεκτρικής ενέργειας της χώρας, περισσότερο από όλα τα αστικά σπίτια.
Διψασμένη για νερό
Πέρα από την ενέργεια, η τεχνητή νοημοσύνη καταναλώνει και το νερό του πλανήτη. Ένα μεγάλο μοντέλο AI μπορεί να χρησιμοποιήσει από μισό έως τρία λίτρα νερού για να γράψει ένα σύντομο email 100-250 λέξεων, καθώς το νερό είναι απαραίτητο για την ψύξη των υπερθερμαινόμενων διακομιστών.
Εταιρείες όπως η Microsoft και η Google έχουν παραδεχτεί την αυξημένη πίεση που ασκούν στους φυσικούς πόρους. Η Microsoft χρειάστηκε 52 εκατομμύρια λίτρα νερού για να εκπαιδεύσει το ChatGPT σε ένα κέντρο δεδομένων στην Αϊόβα, προκαλώντας αύξηση της ετήσιας κατανάλωσής της κατά 34%. Αντίστοιχα, η Google είδε τη χρήση νερού στα κέντρα δεδομένων της να αυξάνεται κατά σχεδόν 88% από το 2019, ενώ οι εκπομπές άνθρακα της εταιρείας αυξήθηκαν κατά 48% την ίδια περίοδο.
Οι ειδικοί επισημαίνουν ότι το πραγματικό κόστος νερού περιλαμβάνει όχι μόνο την άμεση χρήση για ψύξη, αλλά και το έμμεσο νερό που απαιτείται για την παραγωγή της ηλεκτρικής ενέργειας που τροφοδοτεί τα κέντρα δεδομένων. Ομοίως, οι εκπομπές ρύπων πρέπει να υπολογίζονται συνολικά, συμπεριλαμβάνοντας τόσο τις άμεσες όσο και τις έμμεσες.
Μια απειλή για τη δημόσια υγεία
Η περιβαλλοντική επιβάρυνση έχει και κόστος για τη δημόσια υγεία. Στις ΗΠΑ, το κόστος μπορεί να ξεπεράσει τα 20 δισεκατομμύρια δολάρια ετησίως. Η εκπαίδευση ενός μόνο μοντέλου AI, όπως το Llama 3.1 της Meta, μπορεί να παράγει ρύπους που ισοδυναμούν με περισσότερες από 10.000 διαδρομές μετ’ επιστροφής με αυτοκίνητο μεταξύ Λος Άντζελες και Νέας Υόρκης.
Παρότι οι μεγάλες εταιρείες τεχνολογίας έχουν θέσει στόχους για μηδενικές εκπομπές, συχνά βασίζονται στην αγορά πιστώσεων άνθρακα αντί να μειώσουν τις δικές τους εκπομπές. Ενώ στρέφονται προς τις ανανεώσιμες πηγές ενέργειας, αυτή η τάση αναδεικνύει μια νέα πρόκληση: οι εταιρείες αυτές γίνονται de facto φορείς χάραξης πολιτικής, αποφασίζοντας για το πού θα χτιστούν έργα ενέργειας, χωρίς απαραίτητα να υπάρχει δημοκρατική συμβολή.
Μπορεί η AI να γίνει βιώσιμη;
Υπάρχει τεχνογνωσία για να γίνει η AI πιο αποδοτική. Ερευνητές αναπτύσσουν μοντέλα που απαιτούν λιγότερους πόρους, βελτιώνουν τα συστήματα ψύξης και δημιουργούν πιο ενεργειακά αποδοτικά τσιπ. Ωστόσο, το πρόβλημα παραμένει ο τρόπος με τον οποίο τα μοντέλα έχουν πρόσβαση και επεξεργάζονται τα δεδομένα. Η μετακίνηση τεράστιων όγκων δεδομένων είναι μια εξαιρετικά ενεργοβόρα διαδικασία.
Καθώς οι εταιρείες επικεντρώνονται στο κέρδος, εγείρεται το ερώτημα αν θα υπάρχει όριο στην περιβαλλοντική επιβάρυνση. Ήδη, οι τοπικές κοινωνίες στις ΗΠΑ, την Ιρλανδία και το Μεξικό εκφράζουν την οργή τους για τις ελλείψεις νερού, τους υψηλότερους λογαριασμούς ενέργειας και τον θόρυβο που προκαλούν τα κέντρα δεδομένων. Ίσως φτάνουμε σε ένα σημείο καμπής όπου το αυξανόμενο κόστος της τεχνητής νοημοσύνης δεν θα είναι μόνο περιβαλλοντικό αλλά και κοινωνικό. Αυτό θα μπορούσε να υπονομεύσει την ίδια την υπόσχεση της AI για εκδημοκρατισμό της γνώσης και μείωση της ανισότητας.
