Περιεχόμενα
Η σύντομη απάντηση: εξαρτάται από τον σχεδιασμό, την τοποθεσία και την πηγή ενέργειας
Τα κέντρα δεδομένων τεχνητής νοημοσύνης μπορούν να ασκήσουν πραγματική πίεση στο περιβάλλον, αλλά είναι υπερβολικά απλοϊκό να ισχυριστεί κανείς ότι κάθε κέντρο δεδομένων τεχνητής νοημοσύνης είναι εξ ορισμού επιβλαβές για το περιβάλλον. Ο ίδιος φόρτος εργασίας μπορεί να έχει πολύ διαφορετικές επιπτώσεις, ανάλογα με το ηλεκτρικό δίκτυο, το σύστημα ψύξης, τις τοπικές συνθήκες ύδρευσης και την αποδοτικότητα του υλικού.
Ένα κέντρο δεδομένων που τροφοδοτείται κυρίως με ηλεκτρική ενέργεια χαμηλών εκπομπών άνθρακα, χρησιμοποιεί αποδοτικά συστήματα ψύξης και εφαρμόζει διαφανή πρακτικές αναφοράς, έχει διαφορετικό αποτύπωμα από ένα κέντρο που βασίζεται σε δίκτυο με υψηλή χρήση ορυκτών καυσίμων, καταναλώνει σπάνιους τοπικούς υδάτινους πόρους ή επιβαρύνει ένα ήδη περιορισμένο σύστημα ηλεκτροδότησης.
Το ουσιαστικό ερώτημα δεν είναι αν τα κέντρα δεδομένων τεχνητής νοημοσύνης είναι καλά ή κακά σε αφηρημένο επίπεδο. Το ερώτημα είναι τι καταναλώνουν, πού βρίσκονται, τι αντικαθιστούν ή τι καθιστούν δυνατό, και αν οι τοπικές κοινότητες μπορούν να αντιληφθούν με σαφήνεια τις αντισταθμίσεις.
Η ζήτηση ηλεκτρικής ενέργειας αποτελεί το πρώτο περιβαλλοντικό ζήτημα
Τα κέντρα δεδομένων τεχνητής νοημοσύνης (AI) έχουν ως σκοπό την εκτέλεση υπολογισμών. Τα μεγάλα συστήματα τεχνητής νοημοσύνης βασίζονται σε πυκνά ράφια με GPU, δίκτυα υψηλού εύρους ζώνης, συστήματα αποθήκευσης, μνήμη και εξοπλισμό τροφοδοσίας ρεύματος. Όταν αυτά τα συστήματα εκπαιδεύουν μοντέλα ή εξυπηρετούν αιτήματα συμπερασμού, καταναλώνουν ηλεκτρική ενέργεια συνεχώς.
Ο περιβαλλοντικός αντίκτυπος αυτής της ηλεκτρικής ενέργειας εξαρτάται σε μεγάλο βαθμό από το δίκτυο. Ένα μεγαβάτ-ώρα που προέρχεται από δίκτυο χαμηλών εκπομπών άνθρακα έχει διαφορετικό κλιματικό αντίκτυπο από ένα μεγαβάτ-ώρα που παράγεται κυρίως από άνθρακα ή φυσικό αέριο. Γι’ αυτό και η τοποθεσία έχει την ίδια σημασία με τον εξοπλισμό που βρίσκεται μέσα στο κτίριο.
Για μια πιο αναλυτική εξήγηση του γιατί η τεχνητή νοημοσύνη καταναλώνει τόση ενέργεια, δείτε Γιατί η τεχνητή νοημοσύνη καταναλώνει τόσο πολύ ηλεκτρικό ρεύμα.
Η χρήση νερού εξαρτάται από τις επιλογές ψύξης και την τοπική έλλειψη νερού
Τα τσιπ τεχνητής νοημοσύνης παράγουν θερμότητα. Τα κέντρα δεδομένων πρέπει να απομακρύνουν αυτή τη θερμότητα για να διατηρούν τους διακομιστές αξιόπιστους και αποδοτικούς. Ορισμένες εγκαταστάσεις χρησιμοποιούν ψύξη με αέρα, άλλες κυκλώματα ψυχρού νερού, άλλες εξατμιστική ψύξη, ενώ πολλές χρησιμοποιούν υβριδικά συστήματα που προσαρμόζονται ανάλογα με τις εξωτερικές συνθήκες.
Η ψύξη με νερό μπορεί να μειώσει τη ζήτηση ηλεκτρικής ενέργειας υπό ορισμένες συνθήκες, αλλά μπορεί επίσης να αυξήσει την τοπική κατανάλωση νερού. Αυτή η αντιστάθμιση δεν είναι αυτομάτως θετική ή αρνητική. Εξαρτάται από το τοπικό κλίμα, την πίεση για νερό, το ενεργειακό μείγμα και από το αν το νερό είναι πόσιμο, ανακυκλωμένο ή διαχειρίζεται με άλλο τρόπο.
Για περισσότερες λεπτομέρειες σχετικά με την ψύξη και τη χρήση νερού, ανατρέξτε στο Γιατί τα κέντρα δεδομένων τεχνητής νοημοσύνης καταναλώνουν τόσο πολύ νερό;.
Οι εκπομπές διοξειδίου του άνθρακα εξαρτώνται από το ενεργειακό μείγμα
Οι περισσότερες εκπομπές διοξειδίου του άνθρακα από τα κέντρα δεδομένων τεχνητής νοημοσύνης είναι έμμεσες. Οι διακομιστές συνήθως δεν εκπέμπουν CO₂ εντός των εγκαταστάσεων, αλλά η ηλεκτρική ενέργεια που χρησιμοποιείται για τη λειτουργία τους ενδέχεται να προέρχεται από ορυκτά καύσιμα σε κάποιο σημείο του δικτύου.
Αυτό σημαίνει ότι το ίδιο μοντέλο τεχνητής νοημοσύνης μπορεί να έχει διαφορετικό ανθρακικό αποτύπωμα ανάλογα με το πότε και πού εκτελείται. Η ένταση του περιφερειακού δικτύου, η προμήθεια ενέργειας από ανανεώσιμες πηγές, η εφεδρική παραγωγή και η ωριαία εξισορρόπηση της ηλεκτρικής ενέργειας μπορούν όλα να επηρεάσουν το πραγματικό αποτύπωμα.
Επειδή οι λεπτομερείς πληροφορίες σχετικά με την προέλευση της ενέργειας που χρησιμοποιείται ειδικά για την τεχνητή νοημοσύνη σπάνια δημοσιοποιούνται, οι εκτιμήσεις για τις εκπομπές διοξειδίου του άνθρακα θα πρέπει να θεωρούνται ενδεικτικές. Οι διαφανείς παραδοχές είναι πιο αξιόπιστες από το να προσποιούμαστε ότι γνωρίζουμε τα ακριβή παγκόσμια σύνολα.
Οι τοπικές επιπτώσεις μπορεί να έχουν εξίσου μεγάλη σημασία με τα συνολικά παγκόσμια στοιχεία
Τα κέντρα δεδομένων είναι φυσικές βιομηχανικές εγκαταστάσεις. Χρειάζονται οικόπεδα, συνδέσεις με το ηλεκτρικό δίκτυο, υποσταθμούς, οπτικές ίνες, συστήματα εφεδρείας, δομικά υλικά και υποδομή ψύξης. Ακόμη και όταν το κύριο θέμα συζήτησης είναι οι παγκόσμιες εκπομπές, οι τοπικές επιπτώσεις μπορούν να καθορίσουν αν ένα έργο θα γίνει αποδεκτό.
Οι κοινότητες ενδέχεται να ανησυχούν για τη χρήση του νερού, τους λογαριασμούς ηλεκτρικού ρεύματος, τη συμφόρηση του δικτύου, τον θόρυβο, τα φορολογικά κίνητρα, τη χρήση γης, τις διαταραχές που προκαλεί η κατασκευή ή για το αν οι υποσχόμενες θέσεις εργασίας ανταποκρίνονται στην κλίμακα της δημόσιας υποστήριξης. Αυτές οι ανησυχίες δεν είναι οι ίδιες παντού.
Γι’ αυτό ακριβώς μια σοβαρή περιβαλλοντική αξιολόγηση θα πρέπει να κοιτάξει πέρα από τη συνολική ζήτηση για τεχνητή νοημοσύνη. Θα πρέπει να εξετάσει τις επιπτώσεις που έχει ένα συγκεκριμένο κέντρο δεδομένων σε ένα συγκεκριμένο δίκτυο ηλεκτρικής ενέργειας, σε μια συγκεκριμένη λεκάνη απορροής και σε μια συγκεκριμένη κοινότητα.
Το μεγαλύτερο πρόβλημα είναι συχνά η ελλιπής διαφάνεια
Η δημοσιοποίηση στοιχείων σχετικά με την υποδομή τεχνητής νοημοσύνης βελτιώνεται, αλλά εξακολουθεί να είναι ελλιπής. Πολλές εταιρείες δημοσιοποιούν εταιρικά στοιχεία σχετικά με την κατανάλωση ενέργειας ή νερού, αλλά δεν παρέχουν πάντα τις λεπτομέρειες που απαιτούνται για τον διαχωρισμό των φόρτων εργασίας τεχνητής νοημοσύνης, των επιμέρους εγκαταστάσεων ή των συγκεκριμένων συστημάτων εξυπηρέτησης μοντέλων.
Χωρίς σαφή γνωστοποίηση, οι εξωτερικές εκτιμήσεις πρέπει να συνδυάζουν δημόσιες εκθέσεις, υποθέσεις σχετικά με τις υποδομές, τεχνικές προδιαγραφές υλικού και έρευνα. Αυτό μπορεί να οδηγήσει σε χρήσιμες τάξεις μεγέθους, αλλά δεν πρέπει να συγχέεται με ελεγμένες μετρήσεις σε επίπεδο εγκαταστάσεων.
Μια μεγαλύτερη διαφάνεια θα έκανε τη συζήτηση πιο ουσιαστική: πόση ηλεκτρική ενέργεια απαιτείται, ποιοι πόροι του δικτύου χρησιμοποιούνται, πώς λειτουργεί η ψύξη, ποια πηγή νερού χρησιμοποιείται και πώς μεταβάλλονται οι επιπτώσεις με την πάροδο του χρόνου.
Τα κέντρα δεδομένων τεχνητής νοημοσύνης μπορούν να βελτιωθούν, αλλά η ζήτηση ενδέχεται να αυξηθεί με ταχύτερους ρυθμούς
Το περιβαλλοντικό αποτύπωμα των κέντρων δεδομένων τεχνητής νοημοσύνης μπορεί να βελτιωθεί μέσω πιο αποδοτικών μικροεπεξεργαστών, καλύτερης εξυπηρέτησης μοντέλων, μικρότερων εξειδικευμένων μοντέλων, επαναχρησιμοποίησης θερμότητας, βελτιωμένης ψύξης, καλύτερης επιλογής τοποθεσίας, ηλεκτρικής ενέργειας με χαμηλότερες εκπομπές άνθρακα και αυστηρότερων προτύπων υποβολής εκθέσεων.
Η αποδοτικότητα από μόνη της δεν εγγυάται μικρότερο συνολικό περιβαλλοντικό αποτύπωμα. Εάν η χρήση της τεχνητής νοημοσύνης αυξάνεται ταχύτερα από ό,τι βελτιώνεται η αποδοτικότητα, η συνολική ζήτηση ηλεκτρικής ενέργειας, οι ανάγκες ψύξης και η επέκταση των υποδομών μπορούν να συνεχίσουν να αυξάνονται.
Το ρεαλιστικό συμπέρασμα είναι πιο σύνθετο: τα κέντρα δεδομένων τεχνητής νοημοσύνης δεν είναι εξ ορισμού κακά, αλλά δεν είναι και αβλαβή. Η περιβαλλοντική τους απόδοση εξαρτάται από τις τεχνικές επιλογές, τους τοπικούς περιορισμούς στους πόρους, τη λογοδοσία προς το κοινό και την κλίμακα της ζήτησης για την κάλυψη της οποίας έχουν κατασκευαστεί.