Gigantyczne zużycie zasobów do 2030 roku
Autorzy zwrócili uwagę, że koszt środowiskowy sztucznej inteligencji jest obecnie błędnie mierzony. Jego ocena nie może ograniczać się wyłącznie do emisji gazów cieplarnianych, ponieważ w takim podejściu pomija się zużycie wody i zajmowanie gruntów przez centra danych oraz infrastrukturę energetyczną.
AI obciąży wodę, energię i grunty
Według prognoz do 2030 r. globalne centra danych będą zużywać 945 terawatogodzin energii elektrycznej rocznie. To niemal trzykrotnie więcej niż łączne roczne zużycie energii przez Pakistan, Bangladesz i Nigerię. Powiązany z tym ślad wodny ma wynieść 9,3 biliona litrów, a ślad gruntowy przekroczyć 14,5 tys. km kw., czyli powierzchnię ok. dwukrotnie większą od aglomeracji Dżakarty, w której mieszka ponad 32 mln ludzi.
Dodatkowo do 2030 r. infrastruktura związana ze sztuczną inteligencją będzie generować nawet 2,5 mln ton elektroodpadów rocznie.
W raporcie podkreślono, że choć niektóre źródła energii ograniczają emisje dwutlenku węgla, to jednocześnie zwiększają zapotrzebowanie na wodę lub powierzchnię terenu. Niskoemisyjność nie zawsze oznacza więc brak presji na środowisko - jest ona po prostu przenoszona na inne zasoby.
Eksperci z UNU przypomnieli, że głównym źródłem zużycia energii przez sztuczną inteligencję nie jest już trenowanie modeli, lecz ich codzienne wykorzystywanie. Tzw. inferencja, czyli generowanie odpowiedzi na zapytania użytkowników, odpowiada obecnie za 80-90 proc. całkowitego zużycia energii przez systemy AI.
Miliony zapytań dziennie i rosnący rachunek energetyczny
Sam ChatGPT obsługuje ok. 2,5 mld zapytań dziennie, co przekłada się na zużycie około 383 GWh energii elektrycznej rocznie. Ślad wodny związany z jego funkcjonowaniem odpowiada natomiast minimalnym rocznym potrzebom domowym ok. 500 tys. mieszkańców Afryki Subsaharyjskiej.
Co ciekawe, badania wykazały, że pomiędzy poszczególnymi rodzajami zadań wykonywanych przez modele sztucznej inteligencji istnieją bardzo duże różnice. Np. wygenerowanie pojedynczego obrazu może wymagać ok. 1450 razy więcej energii niż prosta analiza tekstu, natomiast krótki film wygenerowany przez AI może zużyć tyle energii, co sprawdzenie 200 tys. wiadomości pod kątem spamu.
Różnice te wiążą się z tzw. paradoksem Jevonsa, mówiącym, że wzrost efektywności technologii często prowadzi do jej intensywniejszego wykorzystania. W praktyce oznacza to, że oszczędności wynikające z większej wydajności mogą zostać zniwelowane przez rosnącą liczbę użytkowników i zapytań.
Problemem, na który zwraca uwagę raport, jest również koncentracja infrastruktury AI. Ponad 90 proc. wyspecjalizowanych mocy obliczeniowych znajduje się w dwóch krajach: Stanach Zjednoczonych i Chinach. Jednocześnie ponad 150 państw nie dysponuje własną infrastrukturą obliczeniową, choć często ponosi koszty związane z wydobyciem surowców potrzebnych do produkcji sprzętu oraz z zagospodarowaniem odpadów elektronicznych.
Jak sprawiedliwie podzielić koszty i korzyści rozwoju AI?
W podsumowaniu raportu autorzy podkreślili, że nie jest on argumentem przeciwko sztucznej inteligencji, która poprawia życie miliardów ludzi na całym świecie, lecz wezwaniem do jej odpowiedzialnego rozwoju i użytkowania w granicach możliwości planety. Zwrócili uwagę, że kluczowe jest uwzględnianie pełnego wpływu AI na środowisko - nie tylko emisji gazów cieplarnianych, ale także zużycia wody, energii i gruntów w całym cyklu życia technologii.
Jednocześnie wskazali, że korzyści i koszty rozwoju sztucznej inteligencji są dziś nierównomiernie rozłożone. Dlatego konieczne jest, by w przyszłości dzielić je w sposób bardziej sprawiedliwy, a dostęp do nich miały również społeczności dostarczające surowce oraz ponoszące koszty związane z wydobyciem i odpadami elektronicznymi.
UNU to globalny ośrodek akademicki oraz think tank ONZ. Główna siedziba mieści się w Tokio (Japonia).
Katarzyna Czechowicz (PAP)
