Z razmahom rabe umetne inteligence se vse več strokovnjakov sprašuje, koliko energije bo v prihodnjih letih potrebovala AI infrastruktura in kakšen bo njen vpliv na okolje.
Mednarodna agencija za energijo (IEA) opozarja, da podatkovni centri, umetna inteligenca in kriptovalute že danes predstavljajo pomemben del rasti porabe električne energije.
Podatkovni centri delujejo neprekinjeno. Poleg samega delovanja strežnikov potrebujejo tudi intenzivno hlajenje, rezervne sisteme in stalno internetno infrastrukturo.
Po podatkih IEA naj bi globalna poraba električne energije podatkovnih centrov do konca desetletja močno narasla, predvsem zaradi razvoja umetne inteligence. Nekateri veliki AI modeli za učenje potrebujejo enormne količine računalniške moči.
Tehnološka podjetja zato po svetu pospešeno gradijo nove podatkovne centre.
Velik problem postaja tudi poraba vode
Manj znan problem je poraba vode za hlajenje strežnikov. Raziskovalci opozarjajo, da lahko veliki podatkovni centri porabijo ogromne količine pitne vode, posebej v vročih obdobjih.
Raziskava Univerze California Riverside in University of Texas je pokazala, da generativna umetna inteligenca ni povezana le z visoko porabo elektrike, ampak tudi z velikim vodnim odtisom. Voda se uporablja predvsem za hlajenje strežnikov v podatkovnih centrih.
To odpira vprašanja o umeščanju podatkovnih centrov v regije, kjer se že pojavljajo težave z vročino in sušo.
Tehnološka podjetja vlagajo v jedrsko energijo in obnovljive vire
Velika tehnološka podjetja se zaradi rastočih energetskih potreb vse bolj usmerjajo v dolgoročne energetske pogodbe, obnovljive vire in celo jedrsko energijo.
Microsoft, Google in Amazon so v zadnjih letih napovedali več velikih energetskih projektov, povezanih z napajanjem podatkovnih centrov.
Hkrati pa okoljske organizacije opozarjajo, da rast AI infrastrukture pogosto prehiteva razpravo o njenem dejanskem okoljskem vplivu.
Vsaka uporaba AI sicer ni enako potratna
Strokovnjaki sicer ob tem poudarjajo, da ni vsaka uporaba umetne inteligence enako energetsko zahtevna. Velika razlika je med preprostimi algoritmi in generativnimi modeli, ki ustvarjajo slike, videe ali kompleksna besedila.
Posebej energetsko zahtevno je učenje velikih modelov, ki lahko traja tedne ali mesece na tisočih zmogljivih grafičnih procesorjih.
Ker podjetja o dejanski porabi energije pogosto ne objavljajo podrobnih podatkov, je natančno ocenjevanje vplivov oteženo.
Neoprijemljiva na prvi pogled, z močno infrastrukturo v ozadju
Umetna inteligenca se pogosto zdi nekaj digitalnega in neoprijemljivega. Toda v ozadju stoji fizična infrastruktura: strežniki, hladilni sistemi, električna omrežja, rudniki surovin in vedno več podatkovnih centrov.
Ker uporaba AI orodij hitro raste, bo v prihodnjih letih pomembno predvsem to, ali bo razvoj umetne inteligence spremljal tudi resen razmislek o porabi energije, vode in virov.
