AI er blevet et fast emne i nyhederne og et af verdens mest populære (og relevante) samtaleemner. Hvad AI kan og ikke kan opnå er stadig uklart, men meningerne er delte, især når det gælder bæredygtighed. Hvad kan ske i fremtiden, når digitaliseringens fremskridt risikerer at blive en af nutidens største udfordringer? Hvad kan gå galt, når en teknologi i konstant udvikling også forventes at føre til øget energiforbrug og vandforbrug? Kan denne udvikling vendes, så AI i stedet bidrager til bæredygtighed fremfor det modsatte?
Kritikken af AI: Energiforbrug og vandforbrug
Den mest udbredte kritik af AI er, at teknologien vil kræve mere energi og vand for at drive funktioner som ChatGPT. De største energiforbrugere er de enorme datacentre, der indeholder den tekniske infrastruktur såsom servere, som blandt andet bruges til at træne AI-modeller som ChatGPT og DALL-E. Også tjenester som OpenAI kræver betydelige mængder elektricitet, hvilket resulterer i højere CO₂-udledning, ifølge en artikel fra MIT News.
Dette problem er opstået for nylig, da den voksende anvendelse af generativ AI har ført til opførelsen af flere datacentre. Funktioner som ChatGPT kræver en langt større teknisk infrastruktur for at fungere, hvilket har øget behovet for nye anlæg. Derudover kræver arbejdet med at forbedre ChatGPT og udvikle nyere, mere effektive versioner endnu mere energi. Når en ny AI-model udvikles, øges også behovet for vand, hvilket i visse tilfælde kan belaste den lokale vandforsyning – især i områder, der i forvejen er sårbare over for klimaforandringer.
Årsagen til, at vandforbrug er så vigtigt, er, at store mængder vand er nødvendige for at nedkøle serverne i datacentrene. Med øget brug af AI kan serverne blive overbelastede og overophedes, medmindre de nedkøles effektivt. Det er endnu uklart, hvordan et øget vandforbrug ville påvirke biodiversiteten i områder, hvor datacentrene ligger.
Den tekniske infrastruktur vil skulle udbygges i takt med, at nye AI-modeller trænes, og den hardware, der anvendes i datacentrene, vil skulle udskiftes oftere. Selvom AI ikke er den eneste faktor bag denne udvidelse, spiller den en central rolle i udviklingen. Hvor mange nye datacentre der vil blive bygget, og hvordan deres miljøpåvirkning vil se ud, er stadig usikkert. Men én ting er klar: Hvis udviklingen fortsætter i samme tempo, vil behovet for nye datacentre kun stige – og dermed også den miljøpåvirkning, de medfører.
Allerede næste år forventes det, at verdens samlede datacentre vil forbruge så meget elektricitet, at de vil være verdens femtestørste energiforbruger – mellem Japan og Rusland. En af de største kritikpunkter mod AI er, at energiforbruget ikke realistisk kan dækkes af vedvarende energi alene.
I 2021 opdagede ansatte hos Google i samarbejde med forskere fra University of California, Berkeley, at træningsprocessen for en AI-model, der ligner OpenAI’s GPT-3, resulterede i 552 ton CO₂-udledning. Problemet er, at energiforbruget ikke kun er begrænset til træningen af AI-modeller. Hver gang en bruger foretager en forespørgsel via AI, forbruges der elektricitet.
Forskere har beregnet, at en enkelt søgning via ChatGPT bruger fem gange så meget elektricitet som en almindelig websøgningsforespørgsel. Desuden har virksomheder en stærk interesse i konstant at udvikle nye modeller, hvilket betyder, at generativ AI er begyndt at dominere markedet. Da nyere modeller kræver endnu mere energi under træningsprocessen, risikerer det at føre til et yderligere øget energiforbrug.
AI med et bæredygtigt fokus?
AI har dog også et stort potentiale for at bidrage til bæredygtighed. Et af de vigtigste anvendelsesområder er innovation. AI kan accelerere den teknologiske udvikling og bidrage til løsninger, der reducerer CO₂-udledningen i fremtiden.
En rapport fra International Energy Agency (IEA), fremhævet af World Economic Forum (WEF), fastslår, at næsten halvdelen af de CO₂-reduktioner, der vil finde sted frem mod 2050, vil skyldes teknologier, der endnu ikke er opfundet. AI kan her blive en vigtig drivkraft, der både effektiviserer forskning og accelererer videnskabelig udvikling på tværs af flere sektorer.
Andre praktiske anvendelser af AI
AI anvendes allerede i dag til at reducere CO₂-udledning i hverdagen. Eksempelvis anvendes den i Google Maps til at foreslå mere miljøvenlige ruter. Siden denne funktion blev introduceret i Europa og USA, er CO₂-udledningen blevet reduceret med over en million ton årligt.
AI kan også anvendes til at overvåge risikoområder og udsende tidlige advarsler om naturkatastrofer. Teknologien kan forudsige risici for oversvømmelser, jordskælv og skovbrande og dermed forbedre beredskabet. AI-baserede værktøjer kan bidrage til at beskytte mennesker mere effektivt under naturkatastrofer og andre nødsituationer.
Dette er blot nogle få eksempler på, hvad AI allerede kan – og hvad den vil kunne i en nær fremtid med den teknologi, der findes i dag.
Det store dilemma
Ved første øjekast er der mange udfordringer forbundet med AI’s energiforbrug og miljøpåvirkning. Men på længere sigt kan AI muligvis også bidrage til at reducere belastningen på miljøet. Dette gør AI til et komplekst dilemma:
Bør vi sætte AI-udviklingen på pause, indtil omstillingen til vedvarende energi er en prioritet, eller bør vi fortsætte med at investere i ny teknologi og håbe, at den teknologiske udvikling vil løse problemet af sig selv?
Bianca M. – Info Express
E-mail: hello@infoexpress.se
Kilder:
- “Explained: Generative AI’s environmental impact”, MIT News, 2025-01-17
- “What is AI’s role in the climate transition and how can it drive growth?”, World Economic Forum (WEF), 2025-01-16
