Temna stran umetne inteligence: cena, ki jo plača okolje

Ogljični odtis umetne inteligence bi lahko letos dosegel raven emisij New Yorka ali manjše evropske države, poraba vode pa bi lahko bila primerljiva z globalno industrijo ustekleničene vode, kaže nova študija.

Tako obstajajo ocene, da bodo sistemi umetne inteligence, ki delujejo v podatkovnih centrih, leta 2025 odgovorni za od 32,6 milijona do 79,7 milijona ton proizvedenega ogljikovega dioksida.

To je primerljivo z emisijami New Yorka, ki naj bi na letni ravni proizvedel okoli 52,2 milijona ton ogljikovega dioksida, poroča portal Euronews.

Nižja meje ocene je podobna celotnim emisijam Norveške v letu 2023; skupna ocena znaša okoli 31,5 milijona ton ogljikovega dioksida glede na podatke Evropske agencije za okolje.

Podatkovni centri gostijo strežnike za poganjanje spletnih storitev, kot so računalniški oblaki, pretočne video vsebine in umetna inteligenca. Ti strežniki ustvarjajo veliko toplote in pogosto uporabljajo hladilne sisteme, ki temeljijo na vodi, da lahko varno delujejo.

Z razmahom umetne inteligence in drugih tehnologij narašča tudi povpraševanje po podatkovnih centrih, ki potrebujejo energijo za delovanje in vodo za hlajenje. Študija ocenjuje, da bi lahko vodni odtis umetne inteligence v letu 2025 dosegel razpon med 312,5 in 764,6 milijarde litrov, kar je primerljivo z globalno letno porabo ustekleničene vode.

Poraba vode vključuje tako neposredno rabo za hlajenje podatkovnih centrov kot tudi posredno porabo pri proizvodnji električne energije. Ugotovitve kažejo, da je lahko posredna poraba tudi do štirikrat višja od neposredne.

Evropa uporablja precej bolj čisto energijo

Evropa gosti približno 15 odstotkov števila vseh podatkovnih centrov na svetu, kar jo uvršča na drugo mesto za ZDA, kjer naj bi bilo okoli 45 odstotkov podatkovnih centrov. V omenjeni študiji pa je navedeno, da Evropa uporablja precej bolj čisto proizvodnjo električne energije.

Evropska elektroenergetska omrežja imajo ogljično intenzivnost ocenjeno na približno 174 gramov ogljikovega dioksida na kilovatno uro (gCO₂/kWh), kar je manj kod polovica svetovnega povprečja, ki znaša 445 gCO₂/kWh, medtem ko ta v ZDA znaša okoli 321 gCO₂/kWh.

To pomeni, da imajo podatkovni centri v Evropi precej manjši ogljični odtis na enoto porabljene električne energije.

Pomanjkanje preglednosti

Študija je analizirala okoljska poročila devetih večjih tehnoloških podjetij in ugotovila stalne pomanjkljivosti pri preglednosti. Nobeno podjetje ne poroča o okoljskih metrikah, specifičnih za umetno inteligenco, čeprav več njih priznava, da umetna inteligenca predstavlja ključen dejavnik naraščajoče porabe energije.

V raziskavi so uporabili pristop "od zgoraj navzdol", ki je združeval javno dostopna poročila o trajnostnem razvoju velikih podjetjih, kot so Amazon, Google in Meta, z ocenami porabe električne energije za umetno inteligenco ter intenzivnostjo električnih omrežij, da bi lahko ocenili okoljski odtis umetne inteligence. Analizirana so bila tudi podjetja Baidu, Microsoft, Oracle, Tesla in Tencent.

Avtor študije pa ob tem opozarja, da okoli teh številk sicer vlada precejšnja negotovost, saj podjetja redko ločujejo med dejavnostmi, povezanimi z umetno inteligenco, in drugimi računalniškimi obremenitvami.

"Nujno bi bilo pridobiti še podatke s strani upravljalcev podatkovnih centrov, da bi lahko izboljšali točnost ocen in odgovorno upravljali naraščajoči okoljski vpliv sistemov umetne inteligence," piše v študiji.

Čeprav nobeno podjetje ne poroča o specifičnih metrikah za področje umetne inteligence, so podjetja Google, Meta in Microsoft v letih 2023 in 2024 poročala o znatnem porastu porabe elektrike, ki so ga pripisali prav umetni inteligenci.

"Ker okoljski vpliv podatkovnih centrov hitro narašča, raste tudi nujnost po večji preglednosti v tehnološkem sektorju," piše v študiji.

Ob tem poziva tudi k novim politikam, ki bi zahtevale razkritje dodatnih okoljskih podatkov, vključno z lokacijami, kjer sistemi umetne inteligence delujejo, obsegom dejavnosti na posameznih lokacijah ter vrednostni učinkovitosti porabe vode za posamezne objekte.