Politica 89.8
Τεχνητή νοημοσύνη: Μπορούμε να αντέξουμε το περιβαλλοντικό της κόστος;
Αλλά παραδόξως, καθώς η τεχνολογία AI γίνεται ολοένα και πιο περίπλοκη και καινοτόμα, το ίδιο έχει και ο περιβαλλοντικός της αντίκτυπος.
Επιπλέον, η γενική τεχνητή νοημοσύνη -σκεφτείτε τα chatbots όπως το ChatGPT ή τις γεννήτριες εικόνων και βίντεο τεχνητής νοημοσύνης- έχει αυξανόμενο τίμημα για τον πλανήτη και πιθανότατα θα συνεχίσει να έχει.
Η Tanya Berger-Wolf, οικολόγος και καθηγήτρια πληροφορικής και μηχανικής στο Πανεπιστήμιο του Οχάιο, έχει αφιερώσει πάνω από μια δεκαετία δημιουργώντας αλγοριθμικές λύσεις για τη διατήρηση της βιοποικιλότητας.
«Η πλειονότητα της τεχνητής νοημοσύνης που χρησιμοποιείται για τη βιοποικιλότητα και την κλιματική αλλαγή είναι τεχνητή νοημοσύνη παλιάς σχολής», λέει.
«Ο πιο χρήσιμος τύπος τεχνητής νοημοσύνης για την παρακολούθηση της βιοποικιλότητας, για παράδειγμα, είναι οι αλγόριθμοι ανίχνευσης που μπορούν να ανιχνεύσουν αντικείμενα σε εικόνες ή ήχους σε μια εγγραφή – και αυτοί είναι εξαιρετικά απλοί και προσιτοί».
Στη συνέχεια, όμως, ήρθε η γενική τεχνητή νοημοσύνη, με την γέννηση του ChatGPT του OpenAI το 2022 – και έγινε διαθέσιμη όχι μόνο σε επιστήμονες και αναλυτές αλλά και στο ευρύ κοινό.
Ένας κατακλυσμός από κέντρα δεδομένων
Τα κέντρα δεδομένων είναι εγκαταστάσεις που αποθηκεύουν εξοπλισμό υπολογιστή που χρησιμοποιείται για τη δημιουργία, διαχείριση και αποθήκευση δεδομένων. Περισσότερα από 6.000 έχουν εμφανιστεί σε ολόκληρο τον πλανήτη και ο εν λόγω αριθμός θα αυξηθεί σε σχεδόν 8.400 έως το 2030, κυρίως λόγω της ανάπτυξης της γενικής τεχνητής νοημοσύνης.
Οι περισσότερες παραγωγικές AI εκτελούνται σε μεγάλα μοντέλα γλώσσας που «λειτουργούν μόνο όταν έχετε δισεκατομμύρια σημεία δεδομένων για να τα εκπαιδεύσετε και τεράστιους πόρους», εξηγεί η Berger-Wolf.
Αυτοί οι πόροι περιλαμβάνουν την ηλεκτρική ενέργεια, η οποία παράγει πολλή θερμότητα, καθώς και το νερό που απαιτείται για την ψύξη του εξοπλισμού.
Οι ίδιες οι εταιρείες τεχνολογίας έχουν παραδεχτεί ότι τα προϊόντα τους ασκούν αυξανόμενη πίεση στους φυσικούς πόρους.
Τον Ιούλιο του 2022, η Microsoft χρησιμοποίησε 52 εκατομμύρια λίτρα νερού για να εκπαιδεύσει το ChatGPT στο West Des Moines της Αϊόβα. Αυτό ανήλθε στο 6% της χρήσης νερού ολόκληρης της πόλης εκείνοN τον μήνα και προκάλεσε την αύξηση της κατανάλωσης νερού της Microsoft κατά 34% εκείνο το έτος.
Μη θέλοντας να μείνει πίσω, η Google αγωνίστηκε για να φέρει το μοντέλο Gemini AI στην αγορά το 2023.
Στην Περιβαλλοντική Έκθεσή της για το 2024, αποκάλυψε ότι οι εκπομπές της άνθρακα είχαν αυξηθεί κατά 48% σε σύγκριση με το 2019, «κυρίως λόγω της αυξημένης κατανάλωσης ενέργειας του κέντρου δεδομένων και των εκπομπών της εφοδιαστικής αλυσίδας».
Η χρήση νερού του κέντρου δεδομένων, εν τω μεταξύ, αυξήθηκε κατά σχεδόν 88% κατά την ίδια περίοδο, «κυρίως λόγω των αναγκών ψύξης νερού στα κέντρα δεδομένων μας, τα οποία παρουσίασαν αυξημένη κατανάλωση ηλεκτρικής ενέργειας από έτος σε έτος».
Αν η τεχνητή νοημοσύνη ήταν χώρα…
Σύμφωνα με τον Διεθνή Οργανισμό Ενέργειας (IEA), η πιο απλή εντολή στο ChatGPT χρησιμοποιεί σχεδόν 10 φορές περισσότερη ηλεκτρική ενέργεια από μια αναζήτηση στο Google.
Αν και δεν είναι ακόμη σαφές πώς οι άνθρωποι θα υιοθετήσουν την τεχνητή νοημοσύνη για προσωπική χρήση -για παράδειγμα, τα βίντεο είναι πολύ πιο ενεργοβόρα στη δημιουργία από το κείμενο- η IEA προβλέπει ότι τα κέντρα δεδομένων θα μπορούσαν να διπλασιάσουν την κατανάλωση ηλεκτρικής ενέργειας μεταξύ 2022 και 2026.
Ομοίως, μια μελέτη του 2024 από την Goldman Sachs Research εκτιμά ότι η τεχνητή νοημοσύνη θα μπορούσε να προκαλέσει αύξηση της χρήσης ενέργειας από τα κέντρα δεδομένων κατά 160% έως το 2030.
Υποδηλώνει ότι τα κέντρα δεδομένων στις ΗΠΑ θα μπορούσαν να απορροφήσουν σχεδόν το 10% της συνολικής χρήσης ηλεκτρικής ενέργειας της χώρας τα επόμενα 5 χρόνια, από 4% το 2023. Οι επιχειρήσεις κοινής ωφέλειας θα πρέπει να επενδύσουν περίπου 50 δισεκατομμύρια δολάρια σε δυναμικότητα νέας παραγωγής για να καλύψουν τη συγκεκριμένη ζήτηση.
Στην Ευρώπη, η μελέτη προβλέπει ότι η ζήτηση ενέργειας θα μπορούσε να αυξηθεί κατά 40 έως 50% μεταξύ 2023 και 2033 «χάρη τόσο στην επέκταση των κέντρων δεδομένων όσο και στην επιτάχυνση της ηλεκτροδότησης».
Οι ανάγκες ενέργειας μόνο των κέντρων δεδομένων, λέει, «θα ταιριάζουν με την τρέχουσα συνολική κατανάλωση της Πορτογαλίας, της Ελλάδας και της Ολλανδίας μαζί» έως το 2030.
Για ορισμένες χώρες, τα κέντρα δεδομένων ήδη ασκούν πίεση στους πόρους. Στην Ιρλανδία, ήδη καταναλώνουν το 21% της ηλεκτρικής ενέργειας – περισσότερο από όλα τα αστικά σπίτια της χώρας μαζί.
Η κατανάλωση ηλεκτρικής ενέργειας της Ιρλανδίας αυξήθηκε κατά σχεδόν 1/4 μεταξύ 2012 και 2022, ο δεύτερος ταχύτερος ρυθμός στην ΕΕ. Αυτό οφείλεται σχεδόν εξ ολοκλήρου στην επέκταση των κέντρων δεδομένων, σύμφωνα με πρόσφατη έκθεση των Friends of the Earth.
Σε παγκόσμιο επίπεδο, τα κέντρα δεδομένων αναμένεται να παράγουν περίπου 2,5 δισεκατομμύρια τόνους εκπομπών ισοδύναμων με διοξείδιο του άνθρακα από τώρα έως το 2030 – που αντιστοιχεί περίπου στο 40% των ετήσιων εκπομπών των ΗΠΑ.
Στεγνώνοντας τη Γη
Η τεχνητή νοημοσύνη δεν προκαλεί απλώς έκρηξη στην κατανάλωση ενέργειας και τις εκπομπές άνθρακα. Αποστραγγίζει και τα αποθέματα νερού του πλανήτη.
Ο Shaolei Ren, αναπληρωτής καθηγητής μηχανικής υπολογιστών στο Πανεπιστήμιο της Καλιφόρνια, στο Riverside, ηγήθηκε πολλαπλών μελετών για τις περιβαλλοντικές επιπτώσεις της τεχνητής νοημοσύνης.
Υπολογίζει ότι ένα μεγάλο μοντέλο παραγωγής τεχνητής νοημοσύνης χρησιμοποιεί από μισό λίτρο έως τρία λίτρα νερού για να γράψει ένα σύντομο email 100 έως 250 λέξεων, ανάλογα με το πού βρίσκεται ο διακομιστής και τη θερμοκρασία περιβάλλοντος.
«Το νερό είναι ένα περιφερειακό ζήτημα», λέει. «Αν κοιτάξετε συγκεκριμένες περιοχές -ας πούμε την Αριζόνα, την Ισπανία, την Ταϊβάν ή τη Σιγκαπούρη- δεν έχουν πραγματικά πολλούς πόρους γλυκού νερού. Δεν μπορούμε να κοιτάξουμε αποκλειστικά ολόκληρη την ήπειρο».
Τα κέντρα δεδομένων δεν χρησιμοποιούν νερό μόνον επί τόπου για ψύξη, προσθέτει, αλλά και για την αλυσίδα εφοδιασμού γενικότερα.
«Οι περισσότερες εταιρείες επικεντρώνονται απλώς στην αναφορά της άμεσης κατανάλωσης νερού τους, αλλά το πραγματικό κόστος νερού των κέντρων δεδομένων περιλαμβάνει τόσο το νερό στις εγκαταστάσεις για την ψύξη των διακομιστών όσο και το νερό που χρησιμοποιείται για την παραγωγή ηλεκτρικής ενέργειας εκτός έδρας».
Τόσο η άμεση όσο και η έμμεση χρήση του νερού πρέπει να λαμβάνονται υπ’ όψιν κατά την αξιολόγηση του συνολικού αντίκτυπου στους υδάτινους πόρους, επισημαίνει ο Ren.
Ομοίως, κατά τον υπολογισμό των εκπομπών, είναι σημαντικό να συμπεριλάβετε τόσο την άμεση εκφόρτιση από την εγκατάσταση όσο και την έμμεση εκφόρτιση από τον προμηθευτή του ηλεκτρικού δικτύου.
«Πρέπει να έχουμε μια πιο ολοκληρωμένη ανάλυση κόστους-οφέλους για να πάρουμε μια τεκμηριωμένη απόφαση, η οποία νομίζω ότι είναι ζωτικής σημασίας», λέει ο Ren. «Σε αυτό το σημείο, υπάρχουν πολύ λίγες πληροφορίες».
Γι’ αυτόν τον σκοπό, έχει εξετάσει μια άλλη μέτρηση AI: τις επιπτώσεις στη δημόσια υγεία από την καύση ορυκτών καυσίμων.
Είναι η τεχνητή νοημοσύνη κίνδυνος για τη δημόσια υγεία;
Σε ένα έγγραφο που συνέταξε από κοινού πέρυσι, υπολογίζει ότι τα κέντρα δεδομένων θα μπορούσαν να κοστίζουν στις ΗΠΑ πάνω από 20 δισεκατομμύρια δολάρια ετησίως – διπλάσιος από τον αντίκτυπο στη δημόσια υγεία από τη χαλυβουργία της χώρας με βάση τον άνθρακα και «συγκρίσιμος με αυτόν των εκπομπών στον δρόμο της Καλιφόρνια».
Εκτιμά επίσης ότι μόνο η εκπαίδευση ενός μοντέλου τεχνητής νοημοσύνης στο μέγεθος του Llama 3.1 της Meta «μπορεί να παράγει ατμοσφαιρικούς ρύπους που ισοδυναμούν με περισσότερες από 10.000 διαδρομές μετ’ επιστροφής με αυτοκίνητο μεταξύ Λος Άντζελες και Νέας Υόρκης».
Οι περισσότερες μεγάλες εταιρείες τεχνολογίας έχουν θέσει καθαρούς μηδενικούς στόχους, αλλά βασίζονται κυρίως στην αγορά πιστώσεων άνθρακα -που συχνά παράγονται σε διαφορετική περιοχή με καθαρότερο ενεργειακό δίκτυο- αντί να μειώσουν τις δικές τους εκπομπές.
Για τον Sebastián Lehuedé, επίκουρο καθηγητή στο Τμήμα Ψηφιακών Ανθρωπιστικών Επιστημών στο King’s College του Λονδίνου, αυτό είναι θλιβερά ανεπαρκές.
«Υπάρχουν τόσα πολλά ζητήματα σχετικά με τις πιστώσεις άνθρακα από οικολογική άποψη», λέει.
«Εάν καταναλώνετε νερό κάπου σε σημείο που να επηρεάζει τη βιοποικιλότητα σε μια περιοχή, αυτό δεν μπορεί να αντισταθμιστεί με ένα ωραίο έργο αλλού. Θα προκαλέσετε μη αναστρέψιμη ζημιά αν τηρήσετε αυτήν τη λογική».
Οι μεγάλες εταιρείες τεχνολογίας γνωρίζουν τις συγκεκριμένες παγίδες, γι’ αυτό και στρέφονται ολοένα και περισσότερο στις ανανεώσιμες πηγές ενέργειας. Η Microsoft υπέγραψε μάλιστα συμφωνία με την Constellation Energy για την αναγέννηση μιας μονάδας στον πυρηνικό σταθμό Three Mile Island στην Πενσυλβάνια, πέντε χρόνια μετά από το κλείσιμό της.
Ωστόσο, για τον Lehuedé, ο οποίος εργάζεται με κοινότητες που επηρεάζονται από την τεχνητή νοημοσύνη, αυτές οι επενδύσεις δείχνουν ότι οι εταιρείες τεχνολογίας γίνονται de facto υπεύθυνοι χάραξης πολιτικής, αποφασίζοντας πού θα βρίσκονται τα έργα και ποια πρότυπα θα χρησιμοποιήσουν.
«Αυτό είναι πολύ επικίνδυνο», λέει. Η κατασκευή εγκαταστάσεων ανανεώσιμων πηγών ενέργειας «είναι κάτι που πρέπει να σχεδιαστεί με δημοκρατική συμβολή. Το πώς θα λειτουργήσουν τα εν λόγω συστήματα δεν πρέπει να αφεθεί στην αγορά».
Μπορούμε να κάνουμε την τεχνητή νοημοσύνη βιώσιμη;
Μπορούν λοιπόν οι εταιρείες τεχνολογίας να χρησιμοποιήσουν όλη τους την υπολογιστική ικανότητα για να κάνουν τα προϊόντα τους πιο ενεργειακά αποδοτικά;
Η συγκεκριμένη τεχνογνωσία υπάρχει και «οι άνθρωποι εργάζονται πάνω σε αυτήν», λέει η Berger-Wolf, «αναπτύσσοντας μοντέλα αποδοτικά ως προς τους πόρους και υπολογιστικές προσεγγίσεις για την εξάλειψη της ανάγκης για επανεκπαίδευση κάθε φορά που ενημερώνετε τα σύνολα δεδομένων σας».
Γίνονται επίσης εργασίες για καλύτερα συστήματα ψύξης, ενεργειακά αποδοτικά τσιπ υπολογιστών και αποθήκευση δεδομένων – τα οποία ήταν πολύ φθηνά, λέει.
«Αλλά το πρόβλημα είναι ο τρόπος με τον οποίο τα εν λόγω μοντέλα έχουν πρόσβαση σε δεδομένα. Η μετακίνηση δεδομένων είναι δαπανηρή. Τα συγκεκριμένα μοντέλα έχουν πρόσβαση σε δεδομένα για εκπαίδευση και εξαγωγή συμπερασμάτων, τα οποία είναι επίσης ενεργοβόρα. Έτσι, όλες αυτές οι πτυχές μηχανικής εργάζονται».
