Η έκρηξη της τεχνητής νοημοσύνης (ΤΝ) συνοδεύεται από ένα περιβαλλοντικό κόστος που παραμένει σε μεγάλο βαθμό άγνωστο. Ενόψει της συνόδου κορυφής AI for Good στη Γενεύη, η Σάσα Λουτσιόνι, ερευνήτρια που ειδικεύεται στο οικολογικό αποτύπωμα της τεχνητής νοημοσύνης, προσφέρει την κριτική της άποψη.
“Το μέλλον μας είναι ένας αγώνας ανάμεσα στην αυξανόμενη δύναμη της τεχνολογίας μας και στη σοφία με την οποία τη χρησιμοποιούμε”, έγραψε ο φυσικός Στίβεν Χόκινγκ το 2018, λίγο πριν από το θάνατό του.
Λίγα χρόνια αργότερα, η τεχνητή νοημοσύνη έχει μπει στην καθημερινή μας ζωή: προτάσεις για αγορές, έξυπνη πλοήγηση, αυτόματες μεταφράσεις, chatbots… Πίσω από αυτές τις φαινομενικά άυλες χρήσεις, που μεταφέρονται από “σύννεφα” ή “εικονικά σύννεφα”, βρίσκονται πολύ πραγματικές υποδομές, άπληστες για ενέργεια, νερό και μέταλλα, των οποίων το περιβαλλοντικό κόστος συχνά παραβλέπεται. Η Σάσα Λουτσιόνι θέτει ως στόχο να διαλευκάνει αυτό το παράδοξο της αποϋλοποίησης. Επιστήμονας πληροφορικής και υπεύθυνη για το κλίμα στην Hugging Face – μια πλατφόρμα τεχνητής νοημοσύνης ανοικτής πρόσβασης – προειδοποιεί για τις οικολογικές και ηθικές διολισθήσεις μιας τεχνολογίας που εξελίσσεται ταχύτερα από την ικανότητά μας να αντιληφθούμε τις συνέπειές της, σε ένα πλαίσιο αυξανόμενης αδιαφάνειας. Το Swissinfo τη συνάντησε πριν από την εμφάνισή της στη σύνοδο κορυφής AI for Good, που θα πραγματοποιηθεί στη Γενεύη από τις 8 έως τις 11 Ιουλίου.
Ενεργοβόρα κέντρα δεδομένων
Ειδικότερα, η εμπειρογνώμονας δείχνει με το δάχτυλο την υπερβολική χρήση της δημιουργικής ΤΝ – ικανής να παράγει κείμενο, εικόνες ή μουσική από μοντέλα μηχανικής μάθησης, όπως το ChatGPT: “Σύμφωνα με μια μελέτη που πραγματοποιήσαμε το 2024, η δημιουργική ΤΝ θα καταναλώνει 20 έως 30 φορές περισσότερη ενέργεια από την παραδοσιακή ΤΝ για να απαντήσει σε μια πραγματική ερώτηση”.
Σύμφωνα με πρόσφατη έκθεση της Διεθνούς Ένωσης Τηλεπικοινωνιών, η κατανάλωση ενέργειας από τα κέντρα δεδομένων, που είναι απαραίτητη για τη λειτουργία της τεχνητής νοημοσύνης και του νέφους, αυξήθηκε κατά 12% ετησίως μεταξύ 2017 και 2023, τέσσερις φορές ταχύτερα από την παγκόσμια ζήτηση ηλεκτρικής ενέργειας. Η κατανάλωσή τους θα μπορούσε να διπλασιαστεί μέχρι το 2030, σύμφωνα με τη Διεθνή Υπηρεσία Ενέργειας, σε 945 TWh, περισσότερο από την Ιαπωνία (900 Twh) και την Ελβετία (60 TWh).
Ένα σύννεφο φτιαγμένο από καύση άνθρακα και φυσικού αερίου
Η Σάσα Λουτσιόνι προειδοποιεί: “Η κατασκευή ηλιακών συλλεκτών ή ανεμογεννητριών απαιτεί χρόνο, αλλά η τεχνητή νοημοσύνη αναπτύσσεται με αστραπιαίο ρυθμό. Επομένως, συχνά τροφοδοτείται από μη ανανεώσιμες πηγές ενέργειας, όπως το φυσικό αέριο ή ο άνθρακας, σε μια εποχή που θα έπρεπε να απεξαρτήσουμε τις κοινωνίες μας από τον άνθρακα”.
Ως αποτέλεσμα, οι μονάδες ηλεκτροπαραγωγής με καύση φυσικού αερίου και άνθρακα επαναλειτουργούν σε όλο τον κόσμο για την τροφοδοσία των κέντρων δεδομένων, όπως στην Ιρλανδία, όπου το δίκτυο ηλεκτρικής ενέργειας φτάνει στα όριά του λόγω της ανάπτυξής τους. Στο Μέμφις των ΗΠΑ, οι αεριοστρόβιλοι ενός κέντρου του Ίλον Μασκ προκαλούν αντιδράσεις, ενώ τον Απρίλιο ο Ντόναλντ Τραμπ υπέγραψε εκτελεστικά διατάγματα για την αναβίωση της εξόρυξης άνθρακα, επικαλούμενος την άνοδο της τεχνητής νοημοσύνης. Σύμφωνα με την ITU, οι εκπομπές που συνδέονται με τις δραστηριότητες των κολοσσών της Τεχνητής Νοημοσύνης έχουν αυξηθεί κατά μέσο όρο κατά 150% από το 2020.
Η ΤΝ είναι διψασμένη για νερό και μέταλλα
Το οικολογικό αποτύπωμα της ΤΝ δεν περιορίζεται στην κατανάλωση ηλεκτρικής ενέργειας. “Η άνοδος των γεννητικών μοντέλων τεχνητής νοημοσύνης απαιτεί επίσης μεγάλες ποσότητες κρίσιμων μετάλλων και νερού για την κατασκευή υποδομών και την ψύξη των διακομιστών”, τονίζει ο ερευνητής. Σε τέτοιο βαθμό που αναδύονται νέα ορυχεία. “Ανακυκλώνουμε τόσο λίγα ηλεκτρονικά εξαρτήματα που σχεδόν όλα τα απαιτούμενα μέταλλα προέρχονται από εντατική, συχνά ρυπογόνα, εξόρυξη”.
Σύμφωνα με μελέτη που δημοσιεύθηκε στο επιστημονικό περιοδικό Nature Computational Science, η δημιουργική τεχνητή νοημοσύνη δημιούργησε 2.600 τόνους ηλεκτρονικών αποβλήτων το 2023. Ένας αριθμός που θα μπορούσε να αυξηθεί σε 2,5 εκατομμύρια τόνους μέχρι το 2030, σύμφωνα με τους ερευνητές, που θα ισοδυναμούσε με 13,3 δισεκατομμύρια απορριπτόμενα smartphones. Όσον αφορά τον μπλε χρυσό, ο ΟΟΣΑ εκτιμά ότι η τεχνητή νοημοσύνη θα μπορούσε να καταναλώσει έως και 6,6 δισεκατομμύρια κυβικά μέτρα νερού ετησίως έως το 2027, διπλάσια από την ετήσια κατανάλωση της Ελβετίας.
Έλλειψη διαφάνειας
Η τεχνητή νοημοσύνη εξελίσσεται ταχύτερα από την κατανόηση των περιβαλλοντικών συνεπειών της. “Είναι σχεδόν αδύνατο να εκτιμήσουμε την πραγματική κατανάλωση ενέργειας, επειδή οι γίγαντες της τεχνητής νοημοσύνης αρνούνται να αποκαλύψουν αυτά τα δεδομένα”, τονίζει η Σάσα Λουτσιόνι η οποία δημοσίευσε μια πρωτοποριακή μελέτη για το θέμα τον Ιούνιο.
Τα αποτελέσματα είναι εντυπωσιακά: τον Μάιο του 2025, το 84% των ερωτημάτων προς τα conversational bots διεκπεραιώθηκαν από μοντέλα των οποίων το περιβαλλοντικό αποτύπωμα παραμένει εντελώς αδιαφανές, συμπεριλαμβανομένου του ChatGPT. Μόνο το 2% των μοντέλων κοινοποίησε τις επιπτώσεις τους στον άνθρακα. “Το ανησυχητικό είναι ότι η χρήση της τεχνητής νοημοσύνης συνεχίζει να αυξάνεται, ενώ η διαφάνεια υποχωρεί”, σημειώνει η Σάσα Λουτσιόνι.
Προς μια πιο βιώσιμη τεχνητή νοημοσύνη;
Αν και τα Ηνωμένα Έθνη υιοθέτησαν το 2024 ένα ψήφισμα απόφαση υπέρ της παγκόσμιας διακυβέρνησης της τεχνητής νοημοσύνης, αυτό αργεί να υλοποιηθεί. “Η τεχνητή νοημοσύνη εξελίσσεται τόσο γρήγορα που είναι δύσκολο να ρυθμιστεί. Το πιο επείγον είναι να σπάσουν τα μονοπώλια των μεγάλων τεχνολογιών”, υποστηρίζει η Σάσα Λουτσιόνι. “Όσο περισσότερο διαφοροποιήσουμε τους παίκτες, τόσο περισσότερο θα ενθαρρύνουμε τη διαφάνεια και την περιβαλλοντική υπευθυνότητα.
Κάποια κέντρα δεδομένων επιδιώκουν να μειώσουν το αποτύπωμά τους, ιδίως με την ανάκτηση της θερμότητας που παράγεται από τους διακομιστές τους. Για τη Σάσα Λουτσιόνι, μια οδός βελτίωσης βρίσκεται στην ανάπτυξη πιο νηφάλιων μοντέλων τεχνητής νοημοσύνης: “Τα μικρότερα, εξειδικευμένα μοντέλα είναι λιγότερο ενεργοβόρα και πιο προσιτά στους ανεξάρτητους προγραμματιστές”. Αναφέρει επίσης πιο πράσινες εναλλακτικές λύσεις, όπως η μηχανή αναζήτησης Ecosia, που τροφοδοτείται από ανανεώσιμες πηγές ενέργειας.
Πέρα από τις εταιρείες, καλεί τους υπεύθυνους λήψης αποφάσεων να απαιτήσουν μεγαλύτερη διαφάνεια: “Αποτελεί εκτροπή το γεγονός ότι δεν υπάρχουν σαφείς πληροφορίες σχετικά με το από πού προέρχεται η ενέργεια ή πόση ενέργεια καταναλώνουν στην πραγματικότητα αυτά τα συστήματα. Ακόμη και οι εταιρείες που ανησυχούν για τις περιβαλλοντικές τους επιπτώσεις δεν έχουν τα μέσα για να κάνουν συνειδητές επιλογές”.
Πρόκειται για μια συνειδητοποίηση που θα μπορούσε επίσης να λειτουργήσει σε ατομική κλίμακα, επανεξετάζοντας τις χρήσεις μας. “Η χρήση της παραγωγικής τεχνητής νοημοσύνης για την απόκτηση πραγματικών πληροφοριών, όπως ένα πρόγραμμα φαρμακείου ή μια συνταγή μαγειρικής, είναι σαν να ανάβεις τους προβολείς σε ένα στάδιο για να ψάξεις τα κλειδιά σου”.
Τεχνητή νοημοσύνη για το περιβάλλον;
Τα περιβαλλοντικά ζητήματα θα καταλάβουν μόνο μια περιθωριακή θέση στη σύνοδο κορυφής AI for Good στη Γενεύη, η οποία έχει ως στόχο να αναδείξει τις θετικές εφαρμογές της Τεχνητής Νοημοσύνης.
“Αρκετές μη-γενετικές μέθοδοι τεχνητής νοημοσύνης καθιστούν ήδη δυνατή την ανίχνευση ακραίων καιρικών φαινομένων ή επιταχύνουν την αναζήτηση πιο ανθεκτικών υλικών για μπαταρίες ή ηλιακούς συλλέκτες”, επισημαίνει ο ερευνητής. Ο Διεθνής Οργανισμός Μετανάστευσης (ΔΟΜ), για παράδειγμα, συνεργάζεται με τη Microsoft για να προβλέψει τις μετακινήσεις πληθυσμών που συνδέονται με την κλιματική αλλαγή χάρη στην τεχνητή νοημοσύνη. “Πρέπει να συνεχίσουμε να ζητάμε απαντήσεις σχετικά με την αξιοπιστία, την αυστηρότητα και το περιβαλλοντικό αποτύπωμα της τεχνητής νοημοσύνης, όπως θα κάναμε για κάθε τεχνολογία που μπαίνει στη ζωή μας”, καταλήγει η Σάσα Λουτσιόνι.
