Ζούμε στην εποχή του «χρυσού πυρετού» της Τεχνητής Νοημοσύνης (AI). Από τη βελτιστοποίηση των δικτύων ενέργειας μέχρι την πρόβλεψη ακραίων καιρικών φαινομένων, η AI προβάλλεται ως ο απόλυτος σύμμαχος της ανθρωπότητας στη μάχη κατά της κλιματικής αλλαγής. Ωστόσο, πίσω από τις εντυπωσιακές απαντήσεις του ChatGPT και τις αναλύσεις των μεγάλων γλωσσικών μοντέλων, κρύβεται ένα δυσεπίλυτο παράδοξο βιωσιμότητας.
Ενώ η AI μπορεί να «πρασινίσει» άλλους κλάδους, η ίδια είναι μια βιομηχανία εξαιρετικά ενεργοβόρα, με «δίψα» για φυσικούς πόρους που τρομάζει τους επιστήμονες.
Ένα ποτήρι νερό για κάθε 20 ερωτήσεις
Το πιο σοκαριστικό στοιχείο της πρόσφατης έρευνας δεν αφορά το ρεύμα, αλλά το νερό. Τα τεράστια κέντρα δεδομένων (data centers) που φιλοξενούν την υπολογιστική ισχύ της AI παράγουν τρομακτικές ποσότητες θερμότητας. Για να μην «λιώσουν» οι επεξεργαστές, χρησιμοποιούνται εξελιγμένα συστήματα ψύξης που καταναλώνουν εκατομμύρια λίτρα γλυκού νερού.
Σύμφωνα με τα στοιχεία, κάθε φορά που ένας χρήστης κάνει 20 έως 50 ερωτήσεις σε ένα μεγάλο γλωσσικό μοντέλο, το σύστημα «καταναλώνει» περίπου 500 ml νερού. Αν αναλογιστεί κανείς τα εκατομμύρια των καθημερινών χρηστών, το νούμερο προκαλεί ίλιγγο. Ήδη, οι κολοσσοί της τεχνολογίας, όπως η Microsoft και η Google, είδαν την κατανάλωση νερού τους να αυξάνεται κατά 34% και 20% αντίστοιχα μέσα σε ένα έτος, κυρίως λόγω της επέκτασης των υποδομών AI.
Από την εκπαίδευση στην καθημερινή χρήση
Αν το νερό είναι το «αίμα» της ψύξης, το ρεύμα είναι η τροφή της AI. Η εκπαίδευση ενός και μόνο μεγάλου μοντέλου, όπως το GPT-3, εκτιμάται ότι κατανάλωσε περίπου 1,287 MWh ηλεκτρικής ενέργειας. Για να το θέσουμε σε προοπτική, αυτή η ενέργεια ισοδυναμεί με το αποτύπωμα άνθρακα 550 πτήσεων μεταξύ Νέας Υόρκης και Λονδίνου.
Ωστόσο, η εκπαίδευση είναι μόνο η αρχή. Το μεγαλύτερο μέρος της ενέργειας καταναλώνεται κατά τη φάση της «εξαγωγής συμπερασμάτων» (inference), δηλαδή κάθε φορά που η AI απαντά σε έναν χρήστη. Σε αντίθεση με μια απλή αναζήτηση στη Google, η παραγωγική AI απαιτεί πολλαπλάσια υπολογιστική ισχύ, γεγονός που θέτει σε κίνδυνο τους στόχους «Net Zero» των κρατών.
Αυτή τη στιγμή λειτουργούν παγκοσμίως περίπου 6.000 data centers, ενώ αναμένονται ακόμη 2.000 μέχρι το τέλος της δεκαετίας. Το πρόβλημα εντοπίζεται στο γεγονός ότι κάθε μία από αυτές τις εγκαταστάσεις απαιτεί καθημερινά τεράστιες ποσότητες νερού (1,4 εκατομμύρια λίτρα), με το 50% σχεδόν των κέντρων να βρίσκεται σε περιοχές που ήδη υποφέρουν από λειψυδρία.
Η παγίδα των υλικών και τα «βρώμικα» μέταλλα
Η βιωσιμότητα της AI δεν κρίνεται μόνο στις οθόνες μας, αλλά και στα ορυχεία. Η παραγωγή των εξειδικευμένων τσιπ (όπως οι GPU της Nvidia) απαιτεί σπάνιες γαίες, λίθιο και κοβάλτιο. Η εξόρυξη αυτών των υλικών συνδέεται συχνά με:
-
Περιβαλλοντική υποβάθμιση ολόκληρων οικοσυστημάτων.
-
Ηθικά ζητήματα σχετικά με τις συνθήκες εργασίας.
-
Τεράστιες ποσότητες ηλεκτρονικών αποβλήτων (e-waste), καθώς ο ρυθμός απαξίωσης του υλικού είναι ταχύτατος· οι κάρτες γραφικών που θεωρούνται σήμερα «αιχμής» θα είναι άχρηστες σε 2-3 χρόνια, καταλήγοντας σε χωματερές του αναπτυσσόμενου κόσμου.
Υπάρχει «Πράσινη» Λύση;
Το ερώτημα που τίθεται είναι αν μπορούμε να έχουμε τα οφέλη της AI χωρίς το περιβαλλοντικό κόστος. Οι ειδικοί προτείνουν τρεις βασικούς πυλώνες:
-
TinyML και αποδοτικοί αλγόριθμοι: Αντί για γιγαντιαία μοντέλα που απαιτούν υπερυπολογιστές, η βιομηχανία πρέπει να στραφεί σε μικρότερα, εξειδικευμένα μοντέλα που «τρέχουν» τοπικά σε συσκευές με ελάχιστη ενέργεια.
-
Τοποθεσία και Ανανεώσιμες Πηγές: Τα data centers πρέπει να χτίζονται σε περιοχές με ψυχρό κλίμα (π.χ. σκανδιναβικές χώρες) για φυσική ψύξη και να τροφοδοτούνται αποκλειστικά από αιολικά και ηλιακά πάρκα.
-
Κυκλική Οικονομία στο Hardware: Οι εταιρείες πρέπει να δεσμευτούν για την ανακύκλωση και την επαναχρησιμοποίηση των πολύτιμων μετάλλων από τα παλιά τσιπ.
Η Διαφάνεια είναι το πρώτο βήμα
Η Τεχνητή Νοημοσύνη δεν είναι ούτε ο σωτήρας ούτε ο καταστροφέας του περιβάλλοντος, είναι ένα εργαλείο. Το αν θα βοηθήσει στην επίλυση της κλιματικής κρίσης ή αν θα την επιταχύνει εξαρτάται από τη διαφάνεια των εταιρειών τεχνολογίας.
Δεν αρκεί να διαφημίζουν πόσο διοξείδιο του άνθρακα «γλίτωσαν» μέσω της AI στη γεωργία, αν την ίδια στιγμή οι δικές τους εγκαταστάσεις εξαντλούν τους υδροφόρους ορίζοντες. Η θέσπιση αυστηρών προτύπων για το «Πράσινο Λογισμικό» και η υποχρεωτική αναφορά του περιβαλλοντικού αποτυπώματος κάθε μοντέλου είναι πλέον επιτακτική ανάγκη. Η AI πρέπει να μάθει να «σκέφτεται» με λιγότερο νερό και λιγότερο άνθρακα, πριν η ίδια γίνει μέρος του προβλήματος που κλήθηκε να λύσει.
