Η δύσκολη εξίσωση: Γιατί δεν μπορούμε να υπολογίσουμε το πραγματικό ενεργειακό κόστος της τεχνητής νοημοσύνης

Kαθώς η τεχνητή νοημοσύνη μετασχηματίζει τα υπολογιστικά μας συστήματα, τις οικονομίες και το ενεργειακό μας αποτύπωμα, το ερώτημα ποιος θα πρέπει να ρυθμίζει την τεχνητή νοημοσύνη και πώς είναι ένα πιεστικό - και απίστευτα περίπλοκο - ζήτημα. 

Αυτή τη στιγμή εκτυλίσσεται μια πολιτική διαμάχη στην Ουάσινγκτον (αλλά και σε άλλες χώρες με λιγότερη ένταση) σχετικά με τη διαχείριση του τομέα και μεγάλα ερωτήματα σχετικά με τους περιορισμούς που θα πρέπει να τεθούν στον ταχέως εξελισσόμενο τομέα. 

Η απάντηση σε αυτά τα ερωτήματα θα είναι εξαιρετικά δύσκολη λόγω των υψηλών επιπέδων μυστικότητας και αδιαφάνειας που παρατηρούνται επί του παρόντος εντός και γύρω από τον τομέα. 

Η ενεργειακή ανησυχία

Μία από τις μεγαλύτερες ανησυχίες που σχετίζονται με την Τεχνητή Νοημοσύνη είναι το τεράστιο και συνεχώς αυξανόμενο ενεργειακό της αποτύπωμα και οι σχετικές εκπομπές αερίων του θερμοκηπίου. Η προβλεπόμενη αύξηση των ενεργειακών αναγκών του τομέα είναι τόσο σημαντική που πολλοί παγκόσμιοι ηγέτες αρχίζουν να την θεωρούν ως άμεση απειλή για την ενεργειακή ασφάλεια. Η ζήτηση ενέργειας από τα κέντρα δεδομένων αναμένεται να υπερδιπλασιαστεί σε περίπου 945 TWh έως το 2030. 

Σύμφωνα με έκθεση του Διεθνούς Οργανισμού Ενέργειας αυτό το ποσό είναι ελαφρώς μεγαλύτερο από τη συνολική κατανάλωση ηλεκτρικής ενέργειας της Ιαπωνίας σήμερα. Η Τεχνητή Νοημοσύνη είναι ο σημαντικότερος μοχλός αυτής της ανάπτυξης, παράλληλα με την αυξανόμενη ζήτηση για άλλες ψηφιακές υπηρεσίες. Οι Ηνωμένες Πολιτείες αντιπροσωπεύουν μακράν το μεγαλύτερο μερίδιο αυτής της προβλεπόμενης αύξησης, ακολουθούμενες από την Κίνα. Στις Ηνωμένες Πολιτείες, τα κέντρα δεδομένων αντιπροσωπεύουν σχεδόν το ήμισυ της αύξησης της ζήτησης ηλεκτρικής ενέργειας από τώρα έως το 2030. Μέχρι το τέλος της δεκαετίας, η χώρα αναμένεται να καταναλώνει περισσότερη ηλεκτρική ενέργεια για τα κέντρα δεδομένων από ό,τι για την παραγωγή αλουμινίου, χάλυβα, τσιμέντου, χημικών ουσιών και όλων των άλλων ενεργοβόρων αγαθών μαζί. Οι αβεβαιότητες διευρύνονται περαιτέρω μετά το 2030, αλλά το βασικό σενάριο τουΙΕΑ προβλέπει ότι η παγκόσμια κατανάλωση ηλεκτρικής ενέργειας από τα κέντρα δεδομένων θα αυξηθεί σε περίπου 1.200 TWh έως το 2035.

«Τα τελευταία χρόνια, η Τεχνητή Νοημοσύνη έχει μετατραπεί από μια ακαδημαϊκή επιδίωξη σε μια βιομηχανία με τρισεκατομμύρια δολάρια σε κεφαλαιοποίηση αγοράς και επιχειρηματικά κεφάλαια να διακυβεύονται», αναφέρει ο Διεθνής Οργανισμός Ενέργειας. Η κλίμακα της ενέργειας που απαιτείται για την τροφοδότηση αυτής της ανάπτυξης σημαίνει ότι «ο ενεργειακός τομέας βρίσκεται επομένως στην καρδιά μιας από τις σημαντικότερες τεχνολογικές επαναστάσεις σήμερα».

Δύσκολες εκτιμήσεις

Το θέμα είναι ότι κανείς δεν γνωρίζει ακριβώς σε ποιο βαθμό αυτό ισχύει. Όπως επισημαίνει ο oilprice.com οι καλύτερες εκτιμήσεις μας για το πόση ενέργεια θα χρησιμοποιήσει η Τεχνητή Νοημοσύνη είναι στην καλύτερη περίπτωση ασαφείς , επειδή δεν γνωρίζουμε καν πόση ενέργεια χρησιμοποιεί ήδη η Τεχνητή Νοημοσύνη. Οι ερευνητές προσπαθούν σκληρά να ποσοτικοποιήσουν και να παρακολουθήσουν ακριβώς πόση ενέργεια καταναλώνει η Τεχνητή Νοημοσύνη, αλλά «αυτή η προσπάθεια περιπλέκεται από το γεγονός ότι μεγάλοι παίκτες όπως το OpenAI αποκαλύπτουν λίγες περιβαλλοντικές πληροφορίες», σύμφωνα με πρόσφατη έκθεση του Wired. 

Οι προσπάθειες υπολογισμού

Μια νέα ανάλυση από το MIT Technology Review επιχειρεί να παράξει μία ολοκληρωμένη εικόνα για το πόση ενέργεια χρησιμοποιεί η βιομηχανία Τεχνητής Νοημοσύνης —μέχρι και ένα μόνο ερώτημα— για να εντοπίσει πού βρίσκεται τώρα το αποτύπωμα άνθρακα και προς τα πού οδεύει, καθώς η Τεχνητή Νοημοσύνη κινείται προς δισεκατομμύρια καθημερινούς χρήστες.

Μίλησαν με δεκάδες ειδικούς που μετρούν τις ενεργειακές απαιτήσεις της Τεχνητής Νοημοσύνης, αξιολόγησαν διαφορετικά μοντέλα και υποδείξεις Τεχνητής Νοημοσύνης, εξέτασαν εκατοντάδες σελίδες προβλέψεων και αναφορών και ρώτησαν κορυφαίους κατασκευαστές μοντέλων Τεχνητής Νοημοσύνης σχετικά με τα σχέδιά τους.

Τα πρώτα στοιχεία

Τα κέντρα δεδομένων στις ΗΠΑ χρησιμοποίησαν περίπου 200 τεραβατώρες ηλεκτρικής ενέργειας το 2024, περίπου όση χρειάζεται για να τροφοδοτήσουν την Ταϊλάνδη για ένα χρόνο. Οι διακομιστές που χρησιμοποιούνται ειδικά για την Τεχνητή Νοημοσύνη σε αυτά τα κέντρα δεδομένων εκτιμάται ότι έχουν χρησιμοποιήσει μεταξύ 53 και 76 τεραβατώρες ηλεκτρικής ενέργειας. Στην υψηλότερη τιμή, αυτή η ποσότητα είναι αρκετή για να τροφοδοτήσει περισσότερα από 7,2 εκατομμύρια σπίτια στις ΗΠΑ για ένα χρόνο.

Αν φανταστούμε ότι το μεγαλύτερο μέρος αυτού χρησιμοποιήθηκε για συμπεράσματα, αυτό σημαίνει ότι πέρυσι στις ΗΠΑ χρησιμοποιήθηκε αρκετή ηλεκτρική ενέργεια στην Τεχνητή Νοημοσύνη, ώστε κάθε άτομο στη Γη να έχει ανταλλάξει περισσότερα από 4.000 μηνύματα με chatbots. Στην πραγματικότητα, φυσικά, οι μέσοι μεμονωμένοι χρήστες δεν είναι υπεύθυνοι για όλη αυτή τη ζήτηση ενέργειας. Μεγάλο μέρος αυτής της ενέργειας πιθανότατα πηγαίνει σε νεοσύστατες επιχειρήσεις και τεχνολογικούς γίγαντες που δοκιμάζουν τα μοντέλα τους, σε έμπειρους χρήστες που εξερευνούν κάθε νέα λειτουργία και σε εργασίες που καταναλώνουν πολύ ενέργεια, όπως η δημιουργία βίντεο ή avatar.

Τα κέντρα δεδομένων στις ΗΠΑ κατανάλωσαν περίπου 200 τεραβατώρες ηλεκτρικής ενέργειας το 2024, ποσότητα που χρειάζεται περίπου για να τροφοδοτήσουν την Ταϊλάνδη για ένα χρόνο.

Τεράστια νούμερα

Μέχρι το 2028, οι ερευνητές εκτιμούν ότι η ενέργεια που θα διατίθεται για σκοπούς που σχετίζονται με την Τεχνητή Νοημοσύνη θα αυξηθεί σε 165 έως 326 τεραβατώρες ετησίως. Αυτό αντιστοιχεί σε περισσότερη από όλη την ηλεκτρική ενέργεια που χρησιμοποιείται σήμερα από τα κέντρα δεδομένων των ΗΠΑ για όλους τους σκοπούς. Είναι αρκετή για να τροφοδοτήσει το 22% των αμερικανικών νοικοκυριών κάθε χρόνο. Αυτό θα μπορούσε να δημιουργήσει τις ίδιες εκπομπές με την οδήγηση άνω των 300 δισεκατομμυρίων μιλίων - πάνω από 1.600 ταξίδια μετ' επιστροφής στον ήλιο από τη Γη.

Αβέβαια στοιχεία

Τελικά, διαπιστώσαν ότι η κοινή αντίληψη για την κατανάλωση ενέργειας της Τεχνητής Νοημοσύνης είναι γεμάτη κενά.

Αναλύοντας τόσο δημόσια όσο και ιδιόκτητα δεδομένα σχετικά με τα κέντρα δεδομένων στο σύνολό τους, καθώς και τις συγκεκριμένες ανάγκες της Τεχνητής Νοημοσύνης, οι ερευνητές κατέληξαν σε ένα σαφές συμπέρασμα.

Από τον Μάιο του 2025, ένα εντυπωσιακό 84% της συνολικής κίνησης μεγάλων γλωσσικών μοντέλων διεξήχθη σε μοντέλα Τεχνητής Νοημοσύνης που λειτουργούσαν με μηδενική περιβαλλοντική αποκάλυψη. «Με εντυπωσιάζει το γεγονός ότι μπορείς να αγοράσεις ένα αυτοκίνητο και να ξέρεις πόσα μίλια ανά γαλόνι καταναλώνει, κι όμως χρησιμοποιούμε όλα αυτά τα εργαλεία Τεχνητής Νοημοσύνης κάθε μέρα και δεν έχουμε απολύτως καμία μέτρηση απόδοσης, παράγοντες εκπομπών, τίποτα», σχολιάζει στο oilprice, η Sasha Luccioni, επικεφαλής για το κλίμα σε μια εταιρεία Τεχνητής Νοημοσύνης που ονομάζεται Hugging Face. «Δεν είναι υποχρεωτικό, δεν είναι κανονιστικό. Δεδομένου του πού βρισκόμαστε με την κλιματική κρίση, θα πρέπει να βρίσκεται στην κορυφή της ατζέντας των ρυθμιστικών αρχών παντού», συνέχισε λέγοντας.

Η Luccioni ηγείται μιας ερευνητικής ομάδας που προσπαθεί να αναλύσει ακριβώς πόση ενέργεια χρησιμοποιούν οι μηχανές τεχνητής νοημοσύνης, κάτι που θα είναι σε θέση να καθοδηγήσει σε καλύτερα στοχευμένες και πιο κατάλληλες πολιτικές δράσεις. 

Ανησυχητικά, οι αριθμοί σχετικά με την κατανάλωση ενέργειας από την τεχνητή νοημοσύνη που επαναλαμβάνονται ξανά και ξανά στα μέσα ενημέρωσης προέρχονται γενικά από δηλώσεις χωρίς εμπειρική υποστήριξη. 

Προβληματισμοί και ανησυχίες

Για παράδειγμα, ένα πολυδημοσιευμένο «στατιστικό» αναφέρει ότι το μέσο ChatGPT είναι δέκα φορές περισσότερη ενέργεια από μια αναζήτηση Google, αλλά η προέλευση αυτού του αριθμού προέρχεται στην πραγματικότητα από ένα ενδεχομένως αβάσιμο δημόσιο σχόλιο που έκανε ο John Hennessy της Alphabet το 2023. Αναφερόμενος σε αυτό το παράδειγμα, ο Luccioni λέει ότι «οι άνθρωποι έχουν πάρει ένα αυθόρμητο σχόλιο και το έχουν μετατρέψει σε ένα πραγματικό στατιστικό στοιχείο που ενημερώνει για την πολιτική και τον τρόπο που οι άνθρωποι βλέπουν αυτά τα πράγματα». 

Η πραγματικότητα είναι ότι η αριθμητική καταγραφή του ενεργειακού αποτυπώματος ενός μεμονωμένου ερωτήματος τεχνητής νοημοσύνης είναι σχεδόν αδύνατη. Τα ερωτήματα ποικίλλουν σημαντικά σε πολυπλοκότητα και σε αντίστοιχη υπολογιστική ισχύ. Και ορισμένες εταιρείες διαθέτουν εξελιγμένα συστήματα που χρησιμοποιούν απλούστερα συστήματα (και επομένως λιγότερη ενέργεια) για απλούστερες ερωτήσεις, ενώ άλλες όχι. 

«Το πραγματικό βασικό πρόβλημα είναι ότι δεν έχουμε αριθμούς», συνέχισε λέγοντας στο Wired . «Έτσι, ακόμη και οι υπολογισμοί που μπορούν να βρουν οι άνθρωποι, τείνουν να τους θεωρούν ως το χρυσό πρότυπο, αλλά αυτό δεν ισχύει».