Megoldás vagy probléma? Az AI klímavédelmi paradoxona

Két tény rögzítése fontos. Első: az AI megkerülhetetlen. Lehet fanyalogni vagy elmenni tech-nélküli remetének, de az AI az életünk meghatározó része, már most, és pláne így lesz a (közel)jövőben. Második: Az AI egy hatalmas ellentmondás hordozója: egyfelől, korlátlan lehetőségeket nyithat meg a klímavédelemben is, másfelől, elképesztő új környezeti terhelést is jelenthet.

A mesterséges intelligencia az energiahálózatok elképesztően precíz optimalizálásától az éghajlati minták előrejelzéséig (és ez még csak valószínűleg a jéghegy csúcsa) hihetetlenül sok mindenben támogathatja a klímaharcot, miközben döbbenetes energiaigényével csapást is jelenthet ugyanerre. Az a technológia, amely sok szempontból megmenthet minket, egyben fel is gyorsíthatja környezetünk pusztulását.

Lássuk a számokat!

A mesterséges intelligencia gyors terjedése drámai mértékben növeli az áramigényt. Az AI rendszerek működtetéséhez szükséges kapacitások 2024-ben körülbelül 415 TWh áramot igényeltek, ami nagyjából a globális áramigény 1,5 százaléka. Egy nagy nyelvi modell betanítása nagyságrendileg 1000 MWh (1 GWh) áramot fogyaszthat – ami körülbelül 100 átlagos amerikai otthon éves energiafogyasztásának felel meg. Az előrejelzések szerint a globális adatközpontok áramfogyasztása már 2030-ra több mint kétszeresére, azaz körülbelül 945 TWh-ra fog nőni. Egyes iparági forgatókönyvek szerint a mesterséges intelligencia energiaigénye az évtized végére elérheti a globális villamosenergia-fogyasztás 3-4 százalékát! Ennek az igénynek a kielégítése hatalmas termelési kapacitásbővítést igényel, ami könnyen lehet, hogy aláássa a dekarbonizációs célokat, hiszen a klímaválság szempontjából épp az lenne a cél, hogy csökkentsük az energiafelhasználást.

A „láthatatlan” költségek:

Az AI környezeti hatása elsősorban két összefüggő területen jelentkezik: az energiafogyasztás és az erőforrás-kimerülés.

1.       Kielégíthetetlen energiaéhség? Az AI modellek betanítása.

Minden számítás, minden iteráció elektromosságot fogyaszt. Hatalmas mennyiségű adatról és számítási kapacitásról beszélünk, amely gyakran napokig, hetekig vagy akár hónapokig fut erőteljes szerverfarmokon.

A modern AI modellek, különösen a nagy nyelvi modellek (LLM-ek), mint a GPT-4 vagy az összetett képgeneráló AI, exponenciálisan nagyobbak elődeikhez képest. Az AI betanítást működtető grafikus feldolgozó egységek (GPU-k) és alkalmazásspecifikus integrált áramkörök (ASIC-ok) hatalmas energiafalók. Ráadásul jelentős hőt termelnek, ami azt eredményezi, hogy az adatközpontokat folyamatosan hűteni kell – ez még több energiát igényel! Ezek a létesítmények, amelyek gyakran 0-24-ben üzemelnek, gigantikus áramfogyasztók, és gyakran fosszilis tüzelőanyagoktól függő hálózatokból merítik az energiát.

2. Nyersanyag- és vízszomjúság: Hardver és ellátási láncok

Az energián túl az AI fizikai infrastruktúrájának előállítása is óriási terheléssel jár.

• Ritkaföldfémek és fémek: Az AI chipek és hardverek ritkaföldfémek és más értékes fémek (pl. kobalt, lítium, tantál) használatára épül. Ezen anyagok bányászata gyakran környezetkárosító, élőhelyek pusztulásához, vízszennyezéshez és emberi jogi problémákhoz vezet a kitermelési zónákban.
• Elektronikai hulladék (e-hulladék): Az AI területén a technológiai fejlődés gyors üteme azt jelenti, hogy a hardver gyorsan elavul. A kidobott chipek, szerverek és eszközök hozzájárulnak a növekvő globális e-hulladék válsághoz, hiszen ezek gyakran mérgező anyagokat tartalmaznak, amelyek súlyosan terhelhetik a környezetet.
• Vízfogyasztás: Mint említettük az adatközpontok, különösen a száraz régiókban lévők, hatalmas mennyiségű vizet igényelnek a berendezések hűtéséhez. Ez megterhelheti a helyi vízkészleteket és hatással lehet az ökoszisztémákra.

Következmények?

1. A legkézenfekvőbb veszély nyilván az éghajlatváltozás súlyosbítása. Amennyiben az AI okozta megnövekedett energiaigényt fosszilis tüzelőanyagokból elégítik ki, az nyilván közvetlenül hozzájárul az üvegházhatású gázok kibocsátásához, ezzel súlyosan alásva a globális felmelegedés korlátozására irányuló erőfeszítéseket.
2. Erőforrásháborúk és geopolitikai instabilitás: A véges ritkaföldfémekért folyó verseny már most kiéleződött, ez komoly geopolitikai feszültségekhez vezethet, és akkor még nem is beszéltünk arról, milyen környezeti károk keletkezhetnek a bányászati régiókban.
3. Zöldre festés és félrevezetés: Míg egyes AI alkalmazások valóban segítik a fenntarthatóságot, mások az erőforrás-kitermelés növelésére használhatók. Félő, hogy ha egyszerűen elfedik az AI saját környezeti költségeit, ez egy hamis előrelépés-érzetet hoz létre.
4. Technológiai adósság: Mint a legtöbb erőforrás-igényes technológia, az AI használata egy „technológiai adósságot” teremt, ahol a jövő generációi viselik majd az AI ökológiai lábnyoma révén létrejövő környezeti (társadalmi) terheket (pl. a hulladék megtisztításának vagy a környezetpusztulás kezelésének költségeit).

Megoldások: Egy zöldebb, okosabb AI felé?

Logikailag természetesen több opció van. Volt már – világhírű tudósok és üzletemberek – által aláírt petíció, amelyben kérték, hogy lassítsák le az AI fejlesztését, esetleg függesszék fel néhány évre – míg a világ „felkészülhet” és alkalmazkodhat ehhez a forradalmi technológiához. Akadnak – ha nem is nagy számban –, akik elfordulnak az AI-tól, és nem hajlandóak használni… Azonban reálisan nézve, látni kell, hogy az AI megkerülhetetlen technológiai vívmány, és nemhogy lassulni fog a használata és fejlesztése, hanem exponenciálisan növekedni fog. A valódi kérdés tehát az, létezhet-e okosabb, zöldebb, fenntarthatóbb AI?

Nincs egyszerű válasz. Az AI környezeti hatásának kezelése többrétű megközelítést igényel, amely kutatók, fejlesztők, politikai döntéshozók és fogyasztók végiggondolt együttműködését tenné szükségessé

1.   Energiahatékonyság és megújuló energiaforrások:

• „Zöld” adatközpontok: Az AI energiaigénye nem jelenthet visszafordulást a fosszilis energiához (és az atomenergiához sem!) Az adatközpontokat 100%-ban megújuló energiaforrások által kell(ene) működtetni.
  • Helyszín-stratégia: Az adatközpontokat egy végiggondolt stratégia mentén kell elhelyezni – olyan helyekre, amelyek bőséges megújuló energia kapacitásokkal rendelkeznek, és hűvösebb éghajlatú régiókban találhatóak, ahol tehát a hűtési igények csökkenthetőek.
  • Algoritmusoptimalizálás: Hatékonyabb AI algoritmusok kifejlesztésére van szükség, amelyek kevesebb számítási kapacitást igényelnek a betanításhoz és működéshez. (Ez olyan technikákat foglal magában, mint a „modelltömörítés” és a „ritka neurális hálózatok”.)

• Hardverinnováció és körforgásos gazdaság:
  • Fenntartható hardvertervezés: Meg kell találni a módját annak, hogy az AI chipek és alkatrészek előállítása kevésbé környezetkárosító anyagok felhasználásával történjen. Ezeket ráadásul úgy kell tervezni, hogy a lehető leghosszabb legyen az élettartamuk, és a bennük lévő anyagok újrahasznosíthatók legyenek.
  • Körforgásos gazdaság az e-hulladék számára: Ehhez robusztus visszavételi rendszerek és fejlett újrahasznosítási technológiák bevezetésére van szükség az AI hardverek számára (is)  – így meghosszabbítva a termékek életciklusát.
  • Átláthatóság az ellátási láncokban: Ehhez nagyobb átláthatóságot kell követelni a hardvergyártóktól a nyersanyagok beszerzését és az etikus bányászati gyakorlatot illetően.

• Felelős AI fejlesztés és alkalmazás:
  • „Zöld AI” mutatók: Szabványosított mutatók kidolgozása az AI modellek környezeti lábnyomának értékelésére (pl. energiafogyasztás következtetésenként, szénlábnyom betanítási futásonként).
  • „Számítási költségkeretek”: Ezek előírása arra ösztönözné a kutatókat, fejlesztőket, hogy kevesebb erőforrással érjenek el számítási eredményeket.
  • Etikus alkalmazás: Priorizálni kell az olyan AI alkalmazásokat, amelyek világos, ellenőrizhető környezeti előnyöket kínálnak a marginális haszonnal bíró vagy tisztán kereskedelmi célú alkalmazásokkal szemben.
  • Oktatás és tudatosság: Környezettudatos kultúra kialakítása az AI fejlesztői közösségen belül, a legjobb gyakorlatok és a fenntartható gondolkodás népszerűsítése a tervezéstől az alkalmazásig.

• Politika és szabályozás:
  • Ösztönzők és támogatások: A kormányok ösztönzőket kell, hogy kínáljanak a zöld AI technológiák fejlesztéséhez és alkalmazásához, valamint a megújuló energiát használó adatközpontok számára.
  • E-hulladék szabályozás: Az e-hulladék kezelésére vonatkozó szabályozások megerősítése és végrehajtása, a gyártók felelősségre vonása.
  • Szén-árazás: Olyan szénárazási mechanizmusok bevezetése, amelyek magukban foglalják az AI energiafogyasztását is, így internalizálva annak valós környezeti költségeit.

Nem kérdés, az AI sokat tehet azért, hogy bolygónk legsúlyosabb kihívásaira hatékonyabban, gyorsabban tudjuk megoldásokat találni. Az éghajlat-modellezéstől a biodiverzitás megőrzéséig potenciálja tagadhatatlan. Azonban nem engedhetjük meg, hogy ez a digitális megmentő a környezeti terhelés újabb forrásává váljon. Csak akkor beszélhetünk tényleges előrelépésről, csak akkor beszélhetünk „intelligenciáról”, ha tudatosan integráljuk a fenntarthatóságot az AI életciklusának minden szakaszába – a szilíciumtól a szerverfarmon át az algoritmus tervezésétől az alkalmazásig. Ha nem vagyunk képesek az AI-t zölddé tenni, akkor csak súlyosabbá tesszük az egyre közeledő ökológiai katasztrófát. A beszélgetés elkezdődött; most a cselekvésnek kell következnie.

Kép: Gemini.