Najnowszy raport Uniwersytetu ONZ przedstawia szczegółowe dane na temat wpływu rozwoju sztucznej inteligencji (AI) na zasoby naturalne naszej planety. Dokument wskazuje, że AI nie jest jedynie systemem cyfrowym, ale wiąże się z konkretnym zapotrzebowaniem na energię, wodę oraz grunty pod infrastrukturę.
Kluczowe fakty przedstawione w raporcie:
- Koszt trenowania modeli: Proces uczenia modelu GPT-4 pochłonął szacunkowo od 50 do 70 GWh energii elektrycznej, co odpowiada rocznemu zużyciu prądu przez ponad 460 000 osób w Afryce Subsaharyjskiej. Towarzyszyło temu zużycie ok. 600 milionów litrów wody.
- Faza operacyjna (inferencja): Chociaż trenowanie modeli jest bardzo energochłonne, to codzienne generowanie odpowiedzi dla miliardów użytkowników odpowiada za 80% do 90% całkowitego zużycia energii przez systemy AI. Przykładowo, wygenerowanie jednego obrazu AI wymaga tyle prądu, co zasilanie 10-watowej żarówki LED przez 17 minut.
- Infrastruktura i odpady: Globalne centra danych w 2025 roku zużyły 448 TWh prądu – gdyby były państwem, zajmowałyby 11. miejsce na świecie pod względem konsumpcji energii. Przewiduje się, że do 2030 roku infrastruktura ta może generować do 2,5 miliona ton e-odpadów rocznie.
- Nierównowaga geograficzna: Obecnie aż 90% mocy obliczeniowej wyspecjalizowanej pod AI koncentruje się w zaledwie dwóch krajach: USA i Chinach. Raport zwraca uwagę na rosnący podział cyfrowy oraz fakt, że koszty środowiskowe często ponoszą lokalne społeczności, podczas gdy korzyści ekonomiczne płyną do nielicznych ośrodków.
- Droga ku odpowiedzialnemu ekosystemowi AI
Autorzy raportu proponują sześć zasad, które mają pomóc w zrównoważonym rozwoju technologii: transparentność, efektywność projektową, sprawiedliwość środowiskową, odpowiedzialność za pełny cykl życia produktu, współpracę globalną oraz zrównoważone użytkowanie. Ważnym aspektem jest dobieranie narzędzi „adekwatnych do potrzeb” – nie każde proste zadanie wymaga uruchamiania najbardziej złożonych modeli generatywnych.
Pełna treść raportu analizuje nie tylko zagrożenia, ale i potencjał AI w optymalizacji systemów energetycznych i monitorowaniu klimatu.