«Εκείνο το επιπλέον “παρακαλώ” που προσθέτεις μπορεί να κάνει τεράστια διαφορά», λέει ένας από τους συντάκτες της έκθεσης.
Το περιβαλλοντικό αποτύπωμα των κέντρων δεδομένων ανταγωνίζεται ήδη εκείνο ορισμένων από τις μεγαλύτερες χώρες του κόσμου, σύμφωνα με έκθεση του Πανεπιστημίου των Ηνωμένων Εθνών που δημοσιεύτηκε στις 3 Ιουνίου.
ΔΙΑΦΉΜΙΣΗ
ΔΙΑΦΉΜΙΣΗ
Η κατανάλωση νερού και ενέργειας, καθώς και η ρύπανση που προκαλούν, αναμένεται να διπλασιαστούν μέσα σε μόλις τέσσερα χρόνια, καθώς αυξάνεται η χρήση της τεχνητής νοημοσύνης.
Ένα μεγάλο μέρος της ανάπτυξης των κέντρων δεδομένων οφείλεται στην τεχνητή νοημοσύνη. Περίπου το 20% της ενέργειας που καταναλώνουν σήμερα τα κέντρα δεδομένων αποδίδεται στην τεχνητή νοημοσύνη, ποσοστό που μέχρι το 2030 αναμένεται να φτάσει το 40%, αναφέρει η έκθεση.
Οι χρήστες συστημάτων τεχνητής νοημοσύνης μπορούν να περιορίσουν το κλιματικό αποτύπωμα των ερωτημάτων τους αν είναι λιγότερο ευγενικοί και πιο λακωνικοί στις διατυπώσεις τους, συμβουλεύει ένας από τους συγγραφείς της έκθεσης.
Η πλειονότητα των ανθρώπων – το 70% – είναι ευγενική όταν αλληλεπιδρά με την τεχνητή νοημοσύνη, σύμφωνα με έρευνα που πραγματοποίησε το 2024 ο βρετανικός εκδοτικός οίκος Future. Από τους ερωτηθέντες, το 55% δήλωσε ότι το κάνει επειδή «είναι απλώς το σωστό», ενώ το 12% απάντησε ότι «όταν γίνει η εξέγερση των ρομπότ, δεν θέλω να είμαι ο πρώτος στόχος».
Κατανάλωση ηλεκτρικής ενέργειας όσο η Αργεντινή
Πέρυσι, τα παγκόσμια κέντρα δεδομένων κατανάλωσαν 448 τρισεκατομμύρια βατώρας (Wh) ηλεκτρικής ενέργειας, περισσότερες από όσες χρησιμοποιούν όλες οι χώρες του κόσμου πλην δέκα, σύμφωνα με την έκθεση. Αυτή η κατανάλωση ρεύματος παρήγαγε περίπου 189 εκατομμύρια τόνους διοξειδίου του άνθρακα, ποσότητα αντίστοιχη με εκείνη της Αργεντινής, ενώ για την παραγωγή αυτής της ενέργειας απαιτήθηκαν γύρω στα 4,5 τρισεκατομμύρια λίτρα νερού, αναφέρει η έκθεση για τις περιβαλλοντικές συνέπειες της ενεργειακής χρήσης της τεχνητής νοημοσύνης.
Έως το 2030, τα κέντρα δεδομένων αναμένεται να ευθύνονται για σχεδόν το 3% της προβλεπόμενης παγκόσμιας κατανάλωσης ηλεκτρικής ενέργειας, φτάνοντας τις 935 τρισεκατομμύρια βατώρας. Αν τα κέντρα δεδομένων ήταν χώρα, θα κατατάσσονταν έκτη σε κατανάλωση ρεύματος το 2030. Αυτό θα αντιστοιχούσε σε σχεδόν 399 εκατομμύρια τόνους διοξειδίου του άνθρακα, σύμφωνα με την έκθεση. Η μελέτη εστίασε στη χρήση ενέργειας και δεν εξέτασε τις τεράστιες ποσότητες νερού που χρησιμοποιούνται για την ψύξη των κέντρων δεδομένων.
«Αν κοιτάξουμε αυτούς τους αριθμούς, βλέπουμε κλίμακες συγκρίσιμες με χώρες», λέει ο συν-συγγραφέας της μελέτης Kaveh Madani, ειδικός στους υδατικούς πόρους και διευθυντής του Ινστιτούτου για το Νερό, το Περιβάλλον και την Υγεία του Πανεπιστημίου των Ηνωμένων Εθνών στον Καναδά. «Η ζήτηση είναι τεράστια».
Πρώτη παγκόσμια αποτίμηση του οικολογικού αποτυπώματος των κέντρων δεδομένων
Η έκθεση είναι σημαντική κυρίως λόγω της αξιοπιστίας και του κύρους του ΟΗΕ, και όχι απλώς εξαιτίας κάποιων εντυπωσιακών αριθμών, λέει ο Fengqi You, καθηγητής ενεργειακής μηχανικής στο Πανεπιστήμιο Κορνέλ, ο οποίος συντονίζει τα θέματα βιωσιμότητας της τεχνητής νοημοσύνης στο ίδρυμα.
«Η αξία της είναι ότι ένας θεσμός του ΟΗΕ βάζει σε ένα ενιαίο πλαίσιο τις επιπτώσεις στον άνθρακα, στο νερό, στη γη, στον κύκλο ζωής και στην περιβαλλοντική δικαιοσύνη» για ένα ζήτημα που συχνά περιβάλλεται από μυστικότητα και αποσπασματικές αποκαλύψεις, σημειώνει ο You, που δεν συμμετείχε στην έκθεση.
«Το ευρύ κοινό πρέπει να ανησυχεί, αλλά όχι να πανικοβάλλεται», προσθέτει.
Η Jean Su, διευθύντρια του Προγράμματος Ενεργειακής Δικαιοσύνης στο Center for Biological Diversity, δηλώνει ότι η έκθεση είναι σημαντική επειδή είναι η πρώτη έκθεση του ΟΗΕ – και γενικότερα σε παγκόσμιο επίπεδο – «που ρίχνει φως στις περιβαλλοντικές βλάβες της τεχνητής νοημοσύνης».
Ο πρόεδρος της Εθνικής Ένωσης Τεχνητής Νοημοσύνης (National Artificial Intelligence Association) Caleb Max υπογραμμίζει ότι ο κλάδος του γίνεται ολοένα και πιο αποδοτικός και ότι ωφελεί το κοινό: «Η τεχνητή νοημοσύνη ενσωματώνεται με ταχείς ρυθμούς στην καθημερινή μας ζωή και προσθέτει οφέλη που βελτιώνουν την ασφάλεια, βοηθούν τους ανθρώπους να ζουν περισσότερο, να εργάζονται πιο αποτελεσματικά, να ενισχύουν την παραγωγή τροφίμων και να μειώνουν τη φτώχεια. Τα στοιχεία που συσσωρεύονται καθημερινά δείχνουν ότι ο ενεργειακός λόγος απόδοσης της επένδυσης στην ανάπτυξη της τεχνητής νοημοσύνης είναι μετασχηματιστικός για τον κόσμο μας και, συνεπώς, περισσότερο από άξιος».
Ο Josh Levi, πρόεδρος του Data Center Coalition, αναφέρει ότι ο κλάδος αντιμετωπίζει σοβαρά τις περιβαλλοντικές του επιπτώσεις.
«Παραμένουμε προσηλωμένοι στη συνεργασία με τους φορείς χάραξης πολιτικής, τις τοπικές κοινότητες και τους εταίρους του κλάδου, ώστε, καθώς τα κέντρα δεδομένων αναπτύσσονται, αυτό να γίνεται με υπεύθυνο και διαφανή τρόπο και σύμφωνα με τις βέλτιστες διαθέσιμες πρακτικές», αναφέρει σε δήλωσή του.
Η έκθεση δημοσιοποιήθηκε λίγο αφότου η πόλη Monterey Park στην Καλιφόρνια έγινε η πρώτη στις ΗΠΑ που ψήφισε, την Τρίτη 2 Ιουνίου, μόνιμη απαγόρευση για τα κέντρα δεδομένων.
Πόση ενέργεια καταναλώνει το ερώτημά σας και πώς να τη μειώσετε
Ο Madani, που έχει επίσης τιμηθεί με το πιο πρόσφατο Βραβείο Νερού της Στοκχόλμης, αναφέρει ότι οι αριθμοί αποτυπώνουν το περιβαλλοντικό κόστος της τεχνητής νοημοσύνης, η οποία με την πρώτη ματιά μπορεί να φαίνεται καθαρότερη από άλλες μηχανικές συσκευές, όπως τα αυτοκίνητα και οι καυστήρες, που προκαλούν ορατή ρύπανση.
«Η τεχνητή νοημοσύνη δεν είναι κάτι καθαρά εικονικό. Μιλάμε για κάτι με φυσική υπόσταση, με πραγματικές επιπτώσεις. Υπάρχει υποδομή πίσω της. Καταναλώνεται ενέργεια», λέει ο Madani. «Πίσω από όλες αυτές τις λειτουργίες, που σε εμάς φαίνονται πολύ, πολύ “καθαρές” επειδή δεν βλέπουμε καπνό να βγαίνει από τις συσκευές μας, κρύβεται πολύς εξοπλισμός. Στο κινητό ή στον υπολογιστή μας δεν υπάρχει ορατός καπνός. Αλλά κάπου αλλού κάποιος υφίσταται τις συνέπειες».
Οι πολίτες μπορούν να μειώσουν τη μεγάλη ενεργειακή όρεξη της τεχνητής νοημοσύνης αν είναι λιγότερο ευγενικοί και πιο συνοπτικοί στα ερωτήματά τους, λέει ο Madani. Σύμφωνα με την έκθεση, η μείωση του αριθμού των λέξεων σε ένα αίτημα κατά 30% μπορεί να περιορίσει κατά 25% την ενέργεια που καταναλώνει η τεχνητή νοημοσύνη. Αυτό αντιστοιχεί περίπου στην ποσότητα ηλεκτρικής ενέργειας που χρησιμοποιούν σε ένα έτος περίπου 700.000 άνθρωποι στην Αφρική, αναφέρεται.
«Αν είστε υπερβολικά ευγενικοί, τότε αυτό το επιπλέον “παρακαλώ” που βάζετε μπορεί να κάνει μεγάλη διαφορά», λέει ο Madani. «Πρέπει να είστε πολύ συγκεκριμένοι και σύντομοι».
Ένα τυπικό ερώτημα σε ένα σύστημα τύπου ChatGPT είναι περίπου 200 φορές πιο ενεργοβόρο από μια βασική εργασία ταξινόμησης κειμένου, όπως αυτή που χρησιμοποιείται για τα φίλτρα ανεπιθύμητης αλληλογραφίας στα email. Οι εικόνες ή τα βίντεο που παράγονται από τεχνητή νοημοσύνη απαιτούν ακόμη περισσότερη ενέργεια.
Και όσο πιο περίπλοκο είναι ένα μοντέλο τεχνητής νοημοσύνης, τόσο περισσότερη ενέργεια απαιτείται για την εκπαίδευσή του. Σύμφωνα με την έκθεση, η εκπαίδευση του GPT-3 κατανάλωσε περίπου 1,3 δισεκατομμύρια βατώρας, ενώ η επόμενη έκδοση χρειάστηκε 50 έως 70 δισεκατομμύρια βατώρας.
Ωστόσο, δεν είναι η φάση της εκπαίδευσης αυτή που καταναλώνει την περισσότερη ενέργεια, σημειώνει η συν-συγγραφέας της μελέτης Miriam Aczel, ερευνήτρια περιβαλλοντικής πολιτικής στο Πανεπιστήμιο των Ηνωμένων Εθνών. Περίπου το 90% της ηλεκτρικής ενέργειας που καταναλώνει η τεχνητή νοημοσύνη οφείλεται στα αιτήματα κατά τη λειτουργία της, λέει. Μόνο το GPT επεξεργάζεται 2,5 δισεκατομμύρια προτροπές την ημέρα, προσθέτει.
Η αποδοτικότητα εξακολουθεί να σημαίνει μεγαλύτερη κατανάλωση ρεύματος
Παρότι οι υποστηρικτές της τεχνολογίας μπορούν να ισχυριστούν ότι τα συστήματά τους γίνονται ολοένα και πιο αποδοτικά, υπάρχει ένα γνωστό παράδοξο: όταν κάτι γίνεται πιο αποδοτικό, χρησιμοποιείται συχνότερα και η συνολική κατανάλωση ενέργειας εκτοξεύεται, ακόμη κι αν κάθε μεμονωμένη χρήση είναι πιο αποδοτική, επισημαίνει ο Madani.
Αν και ορισμένες εταιρείες διαφημίζουν τη χρήση ανανεώσιμων πηγών ενέργειας για τα κέντρα δεδομένων τους, ο Madani τονίζει ότι αυτό σημαίνει πως εξαντλείται η διαθέσιμη καθαρή ηλεκτρική ενέργεια και, κατά συνέπεια, σε άλλες χρήσεις καταναλώνεται πιο «βρώμικη» ενέργεια.
Ένα από τα προβλήματα που αντιμετώπισε η ομάδα, σύμφωνα με τους Aczel και Madani, είναι ότι πολλές εταιρείες και αρχές δεν είναι διαφανείς ούτε για το πόση ενέργεια καταναλώνουν τα κέντρα δεδομένων και η τεχνητή νοημοσύνη, ούτε καν για το πού βρίσκονται και πόσο μεγάλα είναι.
«Δεν μπορούμε να διαχειριστούμε αυτό που οι εταιρείες δεν αποκαλύπτουν», λέει ο You από το Cornell.