Σύνταξη – επιμέλεια: Στέλιος Βασιλούδης

Η νέα υπολογιστική υποδομή σημαίνει ότι οι μεγάλες τεχνολογίες είναι πιθανό να χάσουν τους στόχους εκπομπών διοξειδιου του ανθρακα (CO2), αλλά δεν έχουν την πολυτέλεια να μείνουν πίσω όταν «ο νικητής τα παίρνει όλα». Η έκρηξη της τεχνητής νοημοσύνης έχει οδηγήσει τις μεγάλες τιμές των μετοχών τεχνολογίας σε νέα υψηλά, αλλά σε βάρος των κλιματικών φιλοδοξιών του κλάδου.

ΔΙΑΦΗΜΙΣΤΙΚΟΣ ΧΩΡΟΣ

Η Google παραδέχτηκε πρόσφατα ότι η τεχνολογία απειλεί τους περιβαλλοντικούς της στόχους, αφού αποκάλυψε ότι τα κέντρα δεδομένων – ένα βασικό στοιχείο της υποδομής τεχνητής νοημοσύνης – είχαν συμβάλλει στην αύξηση των εκπομπών αερίων του θερμοκηπίου κατά 48% από το 2019 και μετά. Πρόσθεσε, ότι υπήρχε «σημαντική αβεβαιότητα» σχετικά με την επίτευξη του στόχου του καθαρού μηδενισμού των εκπομπών έως το 2030 – δηλαδή της μείωσης της συνολικής ποσότητας εκπομπών CO2 για τις οποίες είναι υπεύθυνη, στο μηδέν – και ότι αυτό περιελάμβανε «την αβεβαιότητα σχετικά με τις μελλοντικές περιβαλλοντικές επιπτώσεις της τεχνητής νοημοσύνης, η οποία είναι περίπλοκη και δύσκολο να προβλεφθεί».

Ακολουθεί τη Microsoft, τον μεγαλύτερο χρηματοοικονομικό υποστηρικτή του προγραμματιστή OpenAI του ChatGPT, που παραδέχεται ότι το καθαρό μηδενικό «moonshot» της για το 2030 ενδέχεται να μην πετύχει λόγω της στρατηγικής της για την τεχνητή νοημοσύνη.

Θα μπορέσει λοιπόν η τεχνολογία να μειώσει το περιβαλλοντικό κόστος της τεχνητής νοημοσύνης ή η βιομηχανία θα συνεχίσει τον δρομο της ανεξάρτητα, επειδή το έπαθλο της υπεροχής έναντι των άλλων είναι τόσο μεγάλο;

ΔΙΑΦΗΜΙΣΤΙΚΟΣ ΧΩΡΟΣ

Γιατί αποτελεί η AI κίνδυνο για τους περιβαλλοντικούς στόχους των εταιρειών τεχνολογίας;

Τα κέντρα δεδομένων αποτελούν βασικό στοιχείο εκπαίδευσης και λειτουργίας μοντέλων τεχνητής νοημοσύνης όπως το Gemini της Google ή το GPT-4 του OpenAI. Περιέχουν τον εξελιγμένο υπολογιστικό εξοπλισμό ή διακομιστές, που διεισδύουν στις τεράστιες ομάδες δεδομένων που στηρίζουν τα συστήματα AI. Απαιτούν μεγάλες ποσότητες ηλεκτρικής ενέργειας για να λειτουργήσουν, το οποίο παράγει CO2 ανάλογα με την πηγή ενέργειας, καθώς και τη δημιουργία «ενσωματωμένου» CO2 από το κόστος κατασκευής και μεταφοράς του απαραίτητου εξοπλισμού. 

Σύμφωνα με τον Διεθνή Οργανισμό Ενέργειας, η συνολική κατανάλωση ηλεκτρικής ενέργειας από τα κέντρα δεδομένων θα μπορούσε να διπλασιαστεί από τα επίπεδα του 2022 σε 1.000 TWh (τεραβατώρες) το 2026, που ισοδυναμεί με την ετήσια  ενεργειακή ζήτηση της Ιαπωνίας, ενώ η ερευνητική εταιρεία SemiAnalysis υπολογίζει ότι η τεχνητή νοημοσύνη θα οδηγήσει σε κέντρα δεδομένων που θα χρησιμοποιούν το 4,5% της παγκόσμιας παραγωγής ενέργειας έως το 2030. Η χρήση του νερού είναι επίσης σημαντική, με μια μελέτη να υπολογίζει ότι η τεχνητή νοημοσύνη θα μπορούσε να αντιπροσωπεύει έως και 6,6 δισεκατομμύρια κυβικά μέτρα χρήσης νερού έως το 2027 –  σχεδόν τα δύο τρίτα της ετήσιας κατανάλωσης της Αγγλίας.

Τι λένε οι ειδικοί για τις περιβαλλοντικές επιπτώσεις;

Μια πρόσφατη, υποστηριζόμενη από την κυβέρνηση του Ηνωμένου Βασιλείου, έκθεση για την ασφάλεια της τεχνητής νοημοσύνης ανέφερε ότι η ένταση άνθρακα της πηγής ενέργειας που χρησιμοποιούν οι εταιρείες τεχνολογίας είναι «μια βασική μεταβλητή» για τον υπολογισμό του περιβαλλοντικού κόστους της τεχνολογίας. Προσθεσε, ωστόσο, ότι ένα «σημαντικό μέρος» της εκπαίδευσης μοντέλων τεχνητής νοημοσύνης εξακολουθεί να βασίζεται στην ενέργεια που τροφοδοτείται από ορυκτά καύσιμα.

Είναι αλήθεια ότι, οι εταιρείες τεχνολογίας ολοκληρώνουν τις συμβάσεις ανανεώσιμων πηγών ενέργειας σε μια προσπάθεια να επιτύχουν τους περιβαλλοντικούς τους στόχους. Η Amazon, για παράδειγμα, είναι ο μεγαλύτερος εταιρικός αγοραστής ανανεώσιμων πηγών ενέργειας στον κόσμο. Ορισμένοι ειδικοί υποστηρίζουν ωστόσο, ότι αυτό ωθεί άλλους χρήστες ενέργειας στα ορυκτά καύσιμα, επειδή δεν υπάρχει αρκετή καθαρή ενέργεια για να εξυπηρετηθούν.

«Η κατανάλωση ενέργειας δεν αυξάνεται απλώς. Η Google αγωνίζεται επίσης να καλύψει αυτήν την αυξημένη ζήτηση από βιώσιμες πηγές ενέργειας», λέει ο Alex de Vries, ιδρυτής του Digiconomist, ενός ιστότοπου που παρακολουθεί τις περιβαλλοντικές επιπτώσεις των νέων τεχνολογιών.

Υπάρχει αρκετή καθαρή ενέργεια για την εξυπηρέτηση όλων;

Οι παγκόσμιες κυβερνήσεις σχεδιάζουν να τριπλασιάσουν τις ανανεώσιμες πηγές ενέργειας στον κόσμο μέχρι το τέλος της δεκαετίας για να μειώσουν την κατανάλωση ορυκτών καυσίμων σύμφωνα με τους κλιματικούς στόχους. Ωστόσο, η φιλόδοξη δέσμευση, που συμφωνήθηκε στις περσινές συνομιλίες για το κλίμα COP28, είναι ήδη υπό αμφισβήτηση και οι ειδικοί φοβούνται ότι μια απότομη αύξηση της ζήτησης ενέργειας από τα κέντρα δεδομένων τεχνητής νοημοσύνης μπορεί να την ωθήσει πιο μακριά.

Ο Διεθνής Οργανισμός Ενέργειας, ο παγκόσμιος επόπτης ενέργειας, έχει προειδοποιήσει ότι παρόλο που η παγκόσμια χωρητικότητα ανανεώσιμων πηγών ενέργειας αυξήθηκε το 2023 με τον ταχύτερο ρυθμό που έχει καταγραφεί τα τελευταία 20 χρόνια, ο κόσμος μπορεί μόνο να διπλασιάσει τις ανανεώσιμες πηγές ενέργειας μέχρι το 2030, σύμφωνα με τα τρέχοντα κυβερνητικά σχέδια.

Η απάντηση στην ενεργειακή όρεξη της τεχνητής νοημοσύνης μπορεί να είναι οι εταιρείες τεχνολογίας να επενδύσουν περισσότερα στην κατασκευή νέων έργων ανανεώσιμων πηγών ενέργειας για να καλύψουν την αυξανόμενη ζήτηση ενέργειας.

Πόσο γρήγορα θα μπορούσαμε να χτίσουμε νέες ανανεώσιμες πηγές ενέργειας;

Τα χερσαία έργα ανανεώσιμων πηγών ενέργειας όπως τα αιολικά και τα ηλιακά πάρκα κατασκευάζονται σχετικά γρήγορα – μπορεί να χρειαστούν λιγότερο από έξι μήνες για να αναπτυχθούν. Ωστόσο, οι υποτονικοί κανόνες σχεδιασμού σε πολλές ανεπτυγμένες χώρες παράλληλα με μια παγκόσμια εμπλοκή στη σύνδεση νέων έργων με το ηλεκτρικό δίκτυο, θα μπορούσαν να προσθέσουν χρόνια στη διαδικασία. Τα υπεράκτια αιολικά πάρκα και τα συστήματα υδροηλεκτρικής ενέργειας αντιμετωπίζουν παρόμοιες προκλήσεις εκτός από τους χρόνους κατασκευής που είναι μεταξύ δύο και πέντε ετών.

Αυτό έχει εγείρει ανησυχίες σχετικά με το εάν οι ανανεώσιμες πηγές ενέργειας μπορούν να συμβαδίσουν με την επέκταση της τεχνητής νοημοσύνης. Μεγάλες εταιρείες τεχνολογίας έχουν ήδη αξιοποιήσει το ένα τρίτο των αμερικανικών πυρηνικών σταθμών για να παρέχουν ηλεκτρική ενέργεια χαμηλών εκπομπών άνθρακα στα κέντρα δεδομένων τους, σύμφωνα με την Wall Street Journal. Όμως χωρίς επένδυση σε νέες πηγές ενέργειας, αυτές οι συμφωνίες θα εκτρέψουν την ηλεκτρική ενέργεια χαμηλών εκπομπών άνθρακα μακριά από άλλους χρήστες, οδηγώντας σε μεγαλύτερη κατανάλωση ορυκτών καυσίμων για την κάλυψη της συνολικής ζήτησης.

Θα συνεχιστεί η ζήτηση ηλεκτρικής ενέργειας από την AI, εις το διηνεκές; 

Οι κανόνες προσφοράς και ζήτησης υποδηλώνουν ότι, καθώς η τεχνητή νοημοσύνη χρησιμοποιεί περισσότερη ηλεκτρική ενέργεια, το κόστος της ενέργειας αυξάνεται και η βιομηχανία αναγκάζεται να κάνει οικονομία. Όμως, η μοναδική φύση του κλάδου σημαίνει ότι οι μεγαλύτερες εταιρείες στον κόσμο ενδέχεται να αποφασίσουν να ξεπεράσουντις αιχμές στο κόστος της ηλεκτρικής ενέργειας, με αποτέλεσμα να καίνε δισεκατομμύρια δολάρια.

Τα μεγαλύτερα και πιο ακριβά κέντρα δεδομένων στον τομέα της τεχνητής νοημοσύνης είναι αυτά που χρησιμοποιούνται για την εκπαίδευση συστημάτων τεχνητής νοημοσύνης που βρίσκονται στην πρωτοπορία, όπως το GPT4 και το Claude 3.5 που είναι πιο ισχυρά και ικανά από οποιοδήποτε άλλο. Ο ηγέτης στον τομέα έχει αλλάξει με τα χρόνια, αλλά το OpenAI είναι γενικά κοντά στην κορυφή, παλεύοντας για θέση με την Anthropic, κατασκευαστή του Claude, και το Gemini της Google.

Ο ανταγωνισμός στον χώρο της πρωτοπορίας γίνεται ακόμη σκληρότερος γιατί θεωρείται ότι «ο νικητής τα παίρνει όλα», με πολύ λίγα να εμποδίζουν τους πελάτες να μεταβούν στον τελευταίο ηγέτη. Αυτό σημαίνει ότι εάν μια επιχείρηση δαπανήσει 100 εκατομμύρια δολάρια σε μια εκπαίδευση για ένα νέο σύστημα τεχνητής νοημοσύνης, οι ανταγωνιστές της πρέπει να αποφασίσουν ή να ξοδέψουν ακόμη περισσότερα οι ίδιοι ή να εγκαταλείψουν εντελώς τον αγώνα.

Ακόμη χειρότερα, ο αγώνας για τα λεγόμενα «AGI», συστήματα τεχνητής νοημοσύνης που είναι ικανά να κάνουν οτιδήποτε μπορεί να κάνει ένα άτομο, σημαίνει ότι θα ήταν δυνατό να αξίζει να ξοδέψουν εκατοντάδες δισεκατομμύρια δολάρια σε μία μόνο διαδρομή εκπαίδευσης –  αν κάτι τέτοιο θα οδηγουσε την εταιρεία στο να μονοπωλήσει μια τεχνολογία που θα μπορούσε, όπως λέει το OpenAI, να «ανυψώσει την ανθρωπότητα».

Θα μάθουν οι εταιρειες AI να χρησιμοποιούν λιγότερη ηλεκτρική ενέργεια;

Κάθε μήνα, υπάρχουν νέες ανακαλύψεις στην τεχνολογία AI που επιτρέπουν στις εταιρείες να κάνουν περισσότερα με λιγότερους πόρους. Τον Μάρτιο του 2022, για παράδειγμα, ένα έργο DeepMind με την ονομασία Chinchilla έδειξε στους ερευνητές πώς να εκπαιδεύουν μοντέλα τεχνητής νοημοσύνης αιχμής χρησιμοποιώντας ριζικά λιγότερη υπολογιστική ισχύ, αλλάζοντας την αναλογία μεταξύ του όγκου των δεδομένων εκπαίδευσης και του μεγέθους του προκύπτοντος μοντέλου.

Όμως αυτό δεν είχε ως αποτέλεσμα τα ίδια συστήματα τεχνητής νοημοσύνης να χρησιμοποιούν λιγότερη ηλεκτρική ενέργεια. Αντίθετα, είχε ως αποτέλεσμα η ίδια ποσότητα ηλεκτρικής ενέργειας να χρησιμοποιείται για τη δημιουργία ακόμη καλύτερων συστημάτων τεχνητής νοημοσύνης. Στα οικονομικά, αυτό το φαινόμενο είναι γνωστό ως «παράδοξο του Jevons», από τον οικονομολόγο που σημείωσε ότι η βελτίωση της ατμομηχανής από τον James Watt, η οποία επέτρεψε τη χρήση πολύ λιγότερου άνθρακα, οδήγησε αντ’ αυτού σε τεράστια αύξηση της ποσότητας των ορυκτών καυσίμων που κάηκαν στην Αγγλία. Καθώς η τιμή της ενέργειας ατμού έπεσε κατακόρυφα μετά την εφεύρεση του Watt, ανακαλύφθηκαν νέες χρήσεις που δεν θα άξιζαν τον κόπο όταν η ενέργεια ήταν ακριβή.

Πηγή: The Guardian 

 

σχόλια αναγνωστών
oδηγός χρήσης