Οι νέες τεχνολογίες, όπως τα ταχέως εξελισσόμενα μοντέλα βαθιάς μάθησης, έχουν οδηγήσει σε ολοένα και πιο εξελιγμένα μοντέλα τεχνητής νοημοσύνης (AI) με εφαρμογές από το εμπόριο μέχρι την ιατρική.

Όταν η Siri καταλαβαίνει τι λέτε, όταν το Facebook αναγνωρίζει τον ξάδερφό σας από μία φωτογραφία, όταν οι Χάρτες Google σας επαναδρομολογούν, το πιθανότερο είναι ότι εμπλέκεται ένα σύστημα βαθιάς μάθησης.

Από αυτόνομα οχήματα -στεριά, αέρας και θάλασσας- μέχρι την εξαιρετικά εξειδικευμένη ανάκτηση και δημιουργία πληροφοριών όπως το ChatGPT, οι δυνατότητες φαίνονται απεριόριστες.

Έχουμε όμως αναλογιστεί τι απαιτείται για να παραχθεί και να λειτουργήσει κάθε ένα από αυτά τα νέα συστήματα τελευταίας τεχνολογίας;

Η δημιουργία κάθε νέου chatbot και εργαλείων παραγωγής εικόνας απαιτεί σημαντική ηλεκτρική ενέργεια, πράγμα που σημαίνει ότι η αυτή τεχνολογία μπορεί να είναι υπεύθυνη για ένα τεράστιο και αυξανόμενο ποσό εκπομπών άνθρακα που θερμαίνουν τον πλανήτη.

Η Microsoft Corp., η Google της Alphabet Inc. και ο κατασκευαστής ChatGPT OpenAI χρησιμοποιούν υπολογιστικό νέφος (cloud computing) που βασίζεται σε χιλιάδες τσιπ μέσα σε διακομιστές σε τεράστια κέντρα δεδομένων σε όλο τον κόσμο για να εκπαιδεύουν αλγόριθμους τεχνητής νοημοσύνης που ονομάζονται μοντέλα, αναλύοντας δεδομένα για να τους βοηθήσουν να «μάθουν» να εκτελούν εργασίες .

Κάθε λειτουργία που εκτελεί ένας υπολογιστής αντιστοιχεί σε ηλεκτρικά σήματα που ταξιδεύουν μέσω του υλικού του και καταναλώνουν ενέργεια.

Το κόστος σε ενέργεια και εκπομπές διοξειδίου του άνθρακα φαίνεται να έιναι τεράστιο, και σύμφωνα με τους ειδικούς, αναμένεται να αυξηθεί στο άμεσο μέλλον καθιστώντας αυτή την επανάσταση σε μία μαύρη τρύπα για το περιβάλλον.

Σύμφωνα με τον Deep Jariwala της Σχολής Μηχανικών και Εφαρμοσμένων Επιστημών, επίκουρο καθηγητή ηλεκτρολογίας και μηχανικής συστημάτων του πανεπιστημίου της Pennsylvania:

«Το θεωρούμε δεδομένο, αλλά όλες οι εργασίες που εκτελούν τα μηχανήματα μας είναι συναλλαγές μεταξύ μνήμης και επεξεργαστών, και κάθε μία από αυτές τις συναλλαγές απαιτεί ενέργεια.

Καθώς αυτές οι εργασίες γίνονται πιο περίπλοκες και απαιτούν δεδομένα, δύο πράγματα αρχίζουν να κλιμακώνονται εκθετικά: η ανάγκη για περισσότερη αποθήκευση μνήμης και η ανάγκη για περισσότερη ενέργεια».

Όσον αφορά τη μνήμη, μια εκτίμηση από την Semiconductor Research Corporation, υποστηρίζει ότι εάν συνεχίσουμε να κλιμακώνουμε δεδομένα με αυτόν τον ρυθμό, που αποθηκεύονται σε μνήμη από πυρίτιο, θα ξεπεράσουμε την παγκόσμια ποσότητα πυριτίου που παράγεται κάθε χρόνο.

Έτσι, πολύ σύντομα θα χτυπήσουμε έναν τοίχο όπου οι αλυσίδες εφοδιασμού πυριτίου μας δεν θα μπορούν να συμβαδίσουν με τον όγκο των δεδομένων που παράγονται.

Το 2018 οι υπολογιστές μας κατανάλωναν περίπου το 1-2% της παγκόσμιας παροχής ηλεκτρικής ενέργειας και το 2020, το ποσοστό αυτό εκτιμήθηκε ότι ήταν περίπου 4-6%.

Εάν συνεχίσουμε με αυτόν τον ρυθμό, μέχρι το 2030, προβλέπεται ότι θα αυξηθεί μεταξύ 8-21%, επιδεινώνοντας περαιτέρω την τρέχουσα ενεργειακή κρίση.

Εγκαταστάσεις υπολογιστικών συστημάτων και εκπομπές άνθρακα

Τα συστήματα τεχνητής νοημοσύνης, όπως τα μεγάλα μοντέλα γλώσσας που τροφοδοτούν δημοφιλή chatbot, όπως το ChatGPT του OpenAI και το Bard της Google, απαιτούν αποθήκες γεμάτες εξειδικευμένους υπολογιστές – που ονομάζονται κέντρα δεδομένων – για να λειτουργήσουν.

Ο Benjamin C. Lee, καθηγητής ηλεκτρολογίας και μηχανικής συστημάτων και επιστήμης υπολογιστών και πληροφοριών υποστηρίζει ότι υπάρχει «ανησυχία για τις λειτουργικές εκπομπές άνθρακα από τα υπολογιστικά συστήματα».

Η άνοδος της τεχνητής νοημοσύνης οδήγησε πολλές εταιρείες (όπως η Amazon, η Google και η Meta)  να αγωνίζονται να κυκλοφορήσουν τα δικά τους ανταγωνιστικά συστήματα με αποτέλεσμα να επενδύουν σε κέντρα δεδομένων, εγκαταστάσεις αφιερωμένες στη στέγαση υποδομών πληροφορικής για επεξεργασία, διαχείριση και αποθήκευση δεδομένων σε όλον τον πλανήτη.

Στην πραγματικότητα, η ισχύς του κέντρου δεδομένων και οι εκπομπές άνθρακα που σχετίζονται με τα κέντρα δεδομένων διπλασιάστηκαν μεταξύ 2017 και 2020.

Κάθε εγκατάσταση καταναλώνει ισχύ της τάξης των 20 μεγαβάτ έως και 40 μεγαβάτ, και τις περισσότερες φορές τα κέντρα δεδομένων λειτουργούν με 100% χρήση, που σημαίνει όλοι οι επεξεργαστές είναι απασχολημένοι με κάποια δουλειά.

Έτσι, μια εγκατάσταση 20 μεγαβάτ πιθανώς αντλεί 20 μεγαβάτ σταθερά – αρκετά για να τροφοδοτήσει περίπου 16.000 νοικοκυριά – υπολογίζοντας όσο περισσότερο μπορεί για να αποσβέσει το κόστος του κέντρου δεδομένων, των διακομιστών του και των συστημάτων παροχής ενέργειας.

Και μετά υπάρχει το ενσωματωμένο αποτύπωμα άνθρακα, το οποίο σχετίζεται με τις κατασκευές και την βιομηχανική παραγωγή.

Αυτό σημαίνει την κατασκευή νέων χυτηρίων ημιαγωγών και τη συσκευασία όλων των τσιπ που θα χρειαστεί να παράγουμε για να συμβαδίσει η αγορά με την αυξανόμενη υπολογιστική ζήτηση.

Αυτές οι διαδικασίες από μόνες τους είναι εξαιρετικά ενεργοβόρες, δαπανηρές και έχουν αντίκτυπο στο αποτύπωμα άνθρακα σε κάθε βήμα.

Για να καταλάβουμε τα νούμερα, αξίζει να το δούμε αναλογικά, όπως έκανε μία νέα μελέτη που αναφέρει ότι η βιομηχανία τεχνητής νοημοσύνης (AI) θα μπορούσε να καταναλώνει τόση ενέργεια όση μια χώρα στο μέγεθος της Ολλανδίας έως το 2027.

Οι υπηρεσίες τεχνητής νοημοσύνης χρησιμοποιούν πολύ περισσότερη ισχύ από τις συμβατικές εφαρμογές, καθιστώντας τη σύνδεση στο διαδίκτυο πολύ πιο ενεργοβόρα.

Πολλοί ειδικοί, συμπεριλαμβανομένου του συγγραφέα της έκθεσης, λένε ότι μια τέτοια έρευνα είναι εικαστική, καθώς οι εταιρείες τεχνολογίας δεν αποκαλύπτουν αρκετά δεδομένα για να γίνει ακριβής πρόβλεψη.

Η μελέτη, που δημοσιεύτηκε στο περιοδικό Joule από τον Alex De Vries, υποψήφιο διδάκτορα στο VU Amsterdam School of Business and Economics, βασίζεται σε ορισμένες παραμέτρους που παραμένουν αμετάβλητες – όπως ο ρυθμός με τον οποίο αυξάνεται η τεχνητή νοημοσύνη, η διαθεσιμότητα των τσιπ  και οι διακομιστές που συνεχίζουν να εργάζονται σε φουλ επίπεδα όλη την ώρα.

Πόση ενέργεια – και νερό – χρησιμοποιεί η τεχνητή νοημοσύνη;

Ο κ. De Vries θεώρησε ότι ο σχεδιαστής chip Nvidia εκτιμάται ότι προμηθεύει περίπου το 95% των απαιτήσεων επεξεργασίας AI που απαιτείται από τον κλάδο.

Εξετάζοντας την ποσότητα αυτών των υπολογιστών που αναμένεται να παραδώσει μέχρι το 2027, μπόρεσε να προσεγγίσει ένα εύρος για την κατανάλωση ενέργειας της τεχνητής νοημοσύνης από 85-134 τεραβατώρες (TWh) ηλεκτρικής ενέργειας κάθε χρόνο.

Στην κορυφή αυτή είναι περίπου η ποσότητα ισχύος που χρησιμοποιείται ετησίως από μια μικρή χώρα.

Στα κέντρα δεδομένω ο εξοπλισμός είναι πιο απαιτητικός και, όπως οι παραδοσιακοί υπολογιστές, πρέπει επίσης να διατηρείται δροσερός, χρησιμοποιώντας συστήματα νερού.

Η έρευνα δεν συμπεριέλαβε την ενέργεια που απαιτείται για την ψύξη. Πολλές από τις μεγάλες εταιρείες τεχνολογίας δεν ποσοτικοποιούν αυτή τη συγκεκριμένη κατανάλωση ενέργειας ή τη χρήση νερού. Ο κ. de Vries είναι μεταξύ εκείνων που ζητούν ο τομέας να είναι πιο διαφανής ως προς αυτό.

Στην τελευταία της έκθεση βιωσιμότητας, η Microsoft, η οποία επενδύει πολλά στην ανάπτυξη τεχνητής νοημοσύνης, αποκάλυψε ότι η κατανάλωση νερού της είχε αυξηθεί κατά 34% μεταξύ 2021 και 2022, στα 6,4 εκατομμύρια κυβικά μέτρα, περίπου στο μέγεθος των 2.500 ολυμπιακών πισινών.

Είναι η πυρηνική ενέργεια μια λύση;

Η Microsoft πιστεύει ότι η πυρηνική ενέργεια είναι το κλειδί για τον περιορισμό των τεράστιων ποσοτήτων εκπομπών θερμοκηπίου που παράγονται από τις βιομηχανίες ορυκτών καυσίμων και έχει κάνει αυτή την πεποίθηση εξαιρετικά γνωστή τους τελευταίους μήνες.

Πρόσφατα μάλιστα ανάρτησαν μία θέση εργασίας σχετική, καθώς αναζητούν«κύριο διαχειριστή προγράμματος» για την πυρηνική τεχνολογία με αποστολή την «ωρίμανση και εφαρμογή μιας παγκόσμιας ενεργειακής στρατηγικής μικροαντιδραστήρα, Small Modular Reactor (SMR)».

Τον Μάιο μάλιστα, η Microsoft ανακοίνωσε μια συνεργασία για την αγορά ενέργειας με την startup πυρηνικής σύντηξης που ονομάζεται Helion, η οποία προωθεί έναν εξαιρετικά φιλόδοξο στόχο να φέρει την πρώτη της γεννήτρια στο διαδίκτυο το 2028.

Μόλις δημιουργηθεί, η υποδομή πυρηνικής ενέργειας που θα εποπτεύεται από τη νέα πρόσληψη θα βοηθήσει στην ενίσχυση των εκτεταμένων σχεδίων της Microsoft τόσο για το cloud computing όσο και για την τεχνητή νοημοσύνη.

Στην τρέχουσα τροχιά της, η τεχνητή νοημοσύνη θα επιταχύνει μόνο την κλιματική κρίση.

Αυτά τα ενεργοβόρα συστήματα απαιτούν τεράστιες ποσότητες ηλεκτρικής ενέργειας, αλλά και τεράστιες ποσότητες νερού για να ψύχουν αυτούς τους γιγάντιους υπερυπολογιστές τεχνητής νοημοσύνης. Επομένως, εξετάζουμε πραγματικά μια τεράστια εξορυκτική βιομηχανία για τον 21ο Αιώνα. Dr. Kate Crawford

Ο κ. De Vries είπε ότι τα ευρήματά του έδειξαν ότι η τεχνητή νοημοσύνη πρέπει να χρησιμοποιείται μόνο όπου είναι πραγματικά απαραίτητο ώστε  να μειωθούν οι εκπομπές αερίων του θερμοκηπίου. 

Οι υπολογιστές και οι άλλες συσκευές μας γίνονται ακόρεστα ενεργειακά θηρία που συνεχίζουμε να ταΐζουμε.

Αυτό δεν σημαίνει ότι η τεχνητή νοημοσύνη και η προώθησή της πρέπει να σταματήσει επειδή είναι απίστευτα χρήσιμη για σημαντικές εφαρμογές όπως η ιατρική και η ανακάλυψη σημαντικών θεραπειών

Απλώς πρέπει να παραμείνουμε ενήμεροι για τις αρνητικές συνέπειες και τους κινδύνους και να συνεχίσουμε να πιέζουμε για πιο βιώσιμες προσεγγίσεις στο σχεδιασμό, την κατασκευή και την κατανάλωση.

➪ Με πληροφορίες από BBC, Harvard Business Review, Bloomberg

Ακολουθήστε το OLAFAQ
στο Google News