Στις 945 τεραβατώρες αναμένεται να φτάσει έως το 2030 η παγκόσμια κατανάλωση ηλεκτρικής ενέργειας από τα data centres που τροφοδοτούν την τεχνητή νοημοσύνη, με το περιβαλλοντικό τους αποτύπωμα να επεκτείνεται πέρα από τις εκπομπές άνθρακα, όπως αναφέρει νέα έκθεση του United Nations University Institute for Water, Environment and Health. Η μελέτη υπολογίζει ότι η ζήτηση αυτή θα αντιστοιχεί σε σχεδόν 3% της προβλεπόμενης παγκόσμιας κατανάλωσης ηλεκτρικής ενέργειας και περίπου στο διπλάσιο της κατανάλωσης της Γαλλίας το 2025.
Η έκθεση, με τίτλο «Environmental Cost of AI’s Energy Use: Carbon, Water and Land Footprints», εξετάζει από κοινού το αποτύπωμα άνθρακα, νερού και γης της ηλεκτρικής ενέργειας που χρησιμοποιείται για την AI. Οι ερευνητές εκτιμούν ότι το σχετικό υδατικό αποτύπωμα θα φτάσει τα 9,3 τρισ. λίτρα το 2030, ποσότητα ισοδύναμη με τις βασικές ετήσιες οικιακές ανάγκες νερού 1,3 δισ. ανθρώπων στην υποσαχάρια Αφρική, ενώ το αποτύπωμα γης θα ξεπεράσει τα 14.500 τετραγωνικά χιλιόμετρα.
Το κόστος πέρα από τις εκπομπές άνθρακα
Οι επιστήμονες του UNU-INWEH αναφέρουν ότι η περιβαλλοντική επίπτωση της AI συχνά μετράται με ελλιπή τρόπο, καθώς οι περισσότερες αξιολογήσεις εστιάζουν στις εκπομπές άνθρακα από την εκπαίδευση μεγάλων μοντέλων. Κάθε κιλοβατώρα που χρησιμοποιείται για την εκπαίδευση ή τη λειτουργία ενός συστήματος AI έχει και υδατικό αποτύπωμα, από την ψύξη και την παραγωγή ενέργειας, καθώς και αποτύπωμα γης, από τις ενεργειακές υποδομές και τις εφοδιαστικές αλυσίδες.
Η έκθεση σημειώνει ότι οι τρεις αυτές κατηγορίες αποτυπώματος μπορούν να κινούνται σε διαφορετικές κατευθύνσεις. Η μετάβαση από τον άνθρακα στη βιοενέργεια, για παράδειγμα, μπορεί κατά μέσο όρο να μειώσει το ανθρακικό αποτύπωμα της ηλεκτρικής ενέργειας κατά 70%, αλλά να αυξήσει το υδατικό αποτύπωμα πάνω από τριάντα φορές και το αποτύπωμα γης εκατό φορές. Με βάση αυτή την ανάγνωση, η έννοια του «low-carbon» δεν αρκεί για την αξιολόγηση της βιωσιμότητας των υποδομών AI.
Η inference οδηγεί την ενεργειακή χρήση
Η δημόσια συζήτηση έχει επικεντρωθεί κυρίως στην ενέργεια που απαιτείται για την εκπαίδευση μεγάλων μοντέλων, όμως η έκθεση δίνει μεγαλύτερο βάρος στην inference, δηλαδή στη συνεχή λειτουργία των μοντέλων μετά την ανάπτυξή τους. Κατά τους ερευνητές, η inference αντιστοιχεί στο 80% έως 90% της συνολικής ενεργειακής χρήσης AI, καθώς κάθε καθημερινό ερώτημα χρήστη ενεργοποιεί υπολογιστικούς πόρους.
Το ChatGPT εκτιμάται ότι επεξεργάζεται περίπου 2,5 δισ. prompts ημερησίως, αριθμός που μεταφράζεται σε περίπου 383 GWh ηλεκτρικής ενέργειας ετησίως για ένα μόνο προϊόν. Η έκθεση αναφέρει ότι η αντιστάθμιση των αντίστοιχων εκπομπών άνθρακα θα απαιτούσε 2,6 εκατ. δενδρύλλια να αναπτυχθούν για 10 χρόνια, σε έκταση ίση με το Μανχάταν. Το υδατικό αποτύπωμα αυτής της χρήσης αντιστοιχεί στις ελάχιστες ετήσιες οικιακές ανάγκες νερού περίπου 500.000 ανθρώπων στην υποσαχάρια Αφρική.
Τα βίντεο ανεβάζουν το ενεργειακό αποτύπωμα
Οι απαιτήσεις ανά ερώτημα διαφοροποιούνται σημαντικά ανάλογα με τη χρήση. Ένα τυπικό conversational chat query είναι περίπου 200 φορές πιο ενεργοβόρο από τη βασική ταξινόμηση κειμένου, ενώ η παραγωγή μίας εικόνας με AI μπορεί να απαιτεί περίπου 1.450 φορές περισσότερη ενέργεια από αυτό το βασικό σημείο αναφοράς. Ένα σύντομο AI-generated video μπορεί να καταναλώσει ηλεκτρική ενέργεια αντίστοιχη με 200.000 ταξινομήσεις spam.
Οι επιλογές μοντέλου, το μήκος του prompt, η μορφή εξόδου και η ανάλυση επηρεάζουν άμεσα το περιβαλλοντικό αποτύπωμα, παρότι συνήθως καθορίζονται από προεπιλογές προϊόντων που ο χρήστης δεν βλέπει. Η έκθεση επικαλείται επίσης το φαινόμενο rebound, γνωστό και ως Jevons Paradox, υποστηρίζοντας ότι όσο τα μοντέλα γίνονται αποδοτικότερα και φθηνότερα, τόσο αυξάνεται η χρήση τους. Για τον λόγο αυτό, οι ερευνητές προτείνουν όρια σε tokens, ανάλυση και προεπιλεγμένο μήκος απαντήσεων.
Τοπικές πιέσεις και νέο ψηφιακό χάσμα
Το UNU-INWEH εστιάζει και στην άνιση κατανομή κόστους και οφέλους. Στην Ιρλανδία, τα data centres αντιστοιχούσαν στο 21% της συνολικής μετρούμενης ηλεκτρικής ενέργειας το 2023, υπερβαίνοντας την κατανάλωση όλων των αστικών νοικοκυριών. Ο εθνικός διαχειριστής του δικτύου έχει παγώσει νέες εγκρίσεις γύρω από το Δουβλίνο έως το 2028, εξέλιξη που η έκθεση παρουσιάζει ως παράδειγμα πίεσης όταν η ανάπτυξη υποδομών ξεπερνά τον ενεργειακό σχεδιασμό.
Αντίστοιχα, η έκθεση αναφέρεται στην Querétaro του Μεξικού, όπου η επέκταση των υπολογιστικών υποδομών αντλεί υδάτινους πόρους σε συνθήκες παρατεταμένης ξηρασίας, καθώς και στην Ουρουγουάη, όπου σχέδια για data centre υψηλής κατανάλωσης νερού συνέπεσαν με την ξηρασία του 2023 που εξάντλησε τα αποθέματα γλυκού νερού του Μοντεβιδέο. Παράλληλα, η AI υποδομή θα μπορούσε να παράγει έως 2,5 εκατ. τόνους ηλεκτρονικών αποβλήτων ετησίως έως το 2030.
Έξι αρχές για υπεύθυνη ανάπτυξη AI
Η συγκέντρωση των υποδομών AI αποτελεί ακόμη ένα σημείο της έκθεσης. Μόνο 32 χώρες φιλοξενούν AI-specialised data centres, ενώ πάνω από 90% της σχετικής δυναμικότητας συγκεντρώνεται σε δύο χώρες, τις Ηνωμένες Πολιτείες και την Κίνα. Περισσότερες από 150 χώρες έχουν σήμερα μικρή ή καθόλου πρόσβαση σε κυρίαρχη υπολογιστική υποδομή AI, στοιχείο που το UNU συνδέει με οικονομικά, περιβαλλοντικά ζητήματα και ζητήματα ισότητας.
Η έκθεση προτείνει ένα πλαίσιο υπεύθυνου οικοσυστήματος AI με έξι αρχές: διαφάνεια, αποδοτικότητα by design, ισότητα και περιβαλλοντική δικαιοσύνη, ευθύνη κύκλου ζωής, διεθνή συνεργασία και βιώσιμη χρήση. Οι συστάσεις απευθύνονται σε κυβερνήσεις, εταιρείες AI, φορείς που χρησιμοποιούν την τεχνολογία, παρόχους data centres, επενδυτές, κοινότητες και διεθνείς οργανισμούς. Κεντρικό αίτημα είναι η τυποποιημένη αναφορά του αποτυπώματος άνθρακα, νερού και γης, ώστε οι αποφάσεις για τις υποδομές AI να ενταχθούν στον ενεργειακό σχεδιασμό, τη διαχείριση υδάτων και τις διαδικασίες αδειοδότησης.
