Brzi razvoj i integracija umjetne inteligencije u svakodnevni život donose ogromne, a možda čak i podcijenjene, ekološke izazove koji uvelike nadilaze samu raspravu o emisijama stakleničkih plinova. Prema najnovijem izvješću Instituta za vodu, okoliš i zdravlje Sveučilišta Ujedinjenih naroda, objavljenom prigodom njegove 30. obljetnice, umjetna inteligencija nije samo digitalna tehnologija već i materijalni sustav s mjerljivim posljedicama za okoliš. Svaki kilovatsat električne energije koji se potroši za obuku ili rad AI modela sa sobom nosi trostruki "otisak": ugljični, vodeni i kopneni.

Potrošnja resursa do 2030.

Znanstvenici upozoravaju da se rasprave o ekološkoj održivosti prečesto fokusiraju isključivo na emisije ugljičnih spojeva, čime se zanemaruje šira slika. Sustavi hlađenja podatkovnih centara i proizvodnja električne energije zahtijevaju goleme količine vode, dok elektroenergetska infrastruktura, rezervoari i ekstrakcija goriva zauzimaju goleme kopnene površine. Izračunato je da su podatkovni centri diljem svijeta u 2025. godini potrošili oko 448 TWh električne energije. Do 2030. godine ta bi brojka mogla narasti na 945 TWh, što čini gotovo tri posto ukupne svjetske potrošnje struje.

Projekcije za kraj desetljeća ukazuju na dramatičan porast pritiska na prirodne resurse. Očekuje se da će godišnji vodeni otisak povezan s umjetnom inteligencijom dosegnuti 9,3 bilijuna litara. Ta je količina jednaka minimalnim godišnjim potrebama za kućanstva oko 1,3 milijarde ljudi koji žive u supsaharskoj Africi. Istodobno, predviđa se da će kopneni otisak energetskih sustava i infrastrukture potrebne za potporu umjetnoj inteligenciji premašiti 14.500 četvornih kilometara, što je površina, za usporedbu, veća od Sjeverne Irske.

Nadalje, emisije ugljičnog dioksida povezane s ovom potrošnjom mogle bi dosegnuti 399 milijuna tona godišnje, što je usporedivo s ukupnim nacionalnim emisijama Ujedinjenog Kraljevstva. Udio umjetne inteligencije u potrošnji električne energije unutar samih podatkovnih centara trebao bi skočiti s trenutačnih 20 na čak 40 posto do 2030. godine. Autori izvješća naglašavaju i problem elektroničkog otpada – predviđa se da će infrastruktura umjetne inteligencije do kraja desetljeća generirati do 2,5 milijuna tona e-otpada godišnje, čiji će teret zbrinjavanja najvjerojatnije pasti na siromašnije zemlje.

Svakodnevni upiti kao pokretači

UN-ovi znanstvenici ističu da svakodnevno korištenje sustava, odnosno proces generiranja odgovora (inferencija), troši između 80 i 90 posto ukupne energije, dok su troškovi treniranja modela zaslužni za ostatak. Potrošnja resursa pritom dramatično varira ovisno o vrsti zadatka. Standardni tekstualni upit koristi oko 200 puta više energije od jednostavne klasifikacije teksta, dok generiranje samo jedne slike visoke rezolucije zahtijeva gotovo 1.450 puta više energije od prosječne obrade teksta.

Izvješće donosi i važno upozorenje glede tehnološkog napretka. Profesor Kaveh Madani, koautor studije, ističe kako se u javnosti pogrešno pretpostavlja da će povećanje učinkovitosti hardvera riješiti problem. Naime, poboljšanje performansi i smanjenje cijena usluga umjetne inteligencije zapravo dovode do takozvanog efekta povrata (rebound): pristupačnija tehnologija potiče masovniju upotrebu, što u konačnici rezultira znatno većom ukupnom potrošnjom resursa nego što se uštedi tehnološkim inovacijama.

Konačno, znanstvenici ukazuju na problem nejednakosti u distribuciji koristi i tereta. Dok ekonomske i tehnološke koristi od umjetne inteligencije prelaze granice i obogaćuju razvijene sektore, ekološki tereti – poput crpljenja vode, zauzimanja zemljišta, ekstrakcije minerala i gomilanja otpada – ostaju koncentrirani u specifičnim lokalnim zajednicama i regijama koje su često već pod ekološkim stresom. Cilj ovog izvješća, zaključno, jest učiniti ove skrivene troškove vidljivima kako bi se umjetna inteligencija napokon integrirala u globalno planiranje klime, energetike i upravljanja zemljištem, poručuju iz Sveučilišta UN-a.