Vai mākslīgā intelekta datu centri kaitē videi?

Mākslīgā intelekta datu centri var radīt reālu slogu videi, taču būtu pārāk vienkāršoti apgalvot, ka katrs mākslīgā intelekta datu centrs automātiski kaitē videi. Vienai un tai pašai darba slodzei var būt ļoti atšķirīga ietekme atkarībā no elektrotīkla, dzesēšanas sistēmas, vietējiem ūdens apstākļiem un aparatūras efektivitātes.

Datu centram, kas galvenokārt tiek darbināts ar zemu oglekļa emisiju elektroenerģiju, izmanto efektīvu dzesēšanu un nodrošina pārredzamu pārskatu sniegšanu, ir atšķirīga ietekme uz vidi nekā datu centram, kas ir atkarīgs no enerģijas tīkla, kurā dominē fosilā kurināmā izmantošana, patērē ierobežotos vietējos ūdens resursus vai rada papildu slodzi jau tā ierobežotajai enerģētikas sistēmai.

Būtiskais jautājums nav tas, vai mākslīgā intelekta datu centri abstraktā nozīmē ir labi vai slikti. Būtiskais ir tas, ko tie patērē, kur tie atrodas, ko tie aizstāj vai ko tie padara iespējamu, un vai vietējās kopienas spēj skaidri saskatīt šos kompromisus.

Mākslīgā intelekta datu centri ir paredzēti aprēķinu veikšanai. Lielas mākslīgā intelekta sistēmas balstās uz blīvi piepildītiem GPU plauktiem, tīkliem ar lielu joslas platumu, datu uzglabāšanas iekārtām, atmiņu un enerģijas piegādes iekārtām. Kad šīs sistēmas apmāca modeļus vai apstrādā secinājumu pieprasījumus, tās nepārtraukti patērē elektroenerģiju.

Šīs elektroenerģijas ietekme uz vidi lielā mērā ir atkarīga no elektrotīkla. Megavatstunda, kas iegūta no zemu oglekļa emisiju elektrotīkla, rada atšķirīgu ietekmi uz klimatu nekā megavatstunda, kas galvenokārt ražota no oglēm vai gāzes. Tāpēc atrašanās vieta ir tikpat svarīga kā ēkas iekārtas.

Sīkāku izskaidrojumu par to, kāpēc mākslīgais intelekts patērē tik daudz enerģijas, skatiet Kāpēc mākslīgais intelekts patērē tik daudz elektroenerģijas?.

Mākslīgā intelekta mikroshēmas rada siltumu. Datu centriem šis siltums ir jānovada, lai nodrošinātu serveru uzticamību un efektivitāti. Dažas iekārtas izmanto gaisa dzesēšanu, citas — atdzesēta ūdens kontūrus, vēl citas — iztvaikošanas dzesēšanu, bet daudzas izmanto hibrīdas sistēmas, kas pielāgojas ārējiem apstākļiem.

Dzesēšana ar ūdeni noteiktos apstākļos var samazināt elektroenerģijas patēriņu, taču tā var arī palielināt vietējo ūdens patēriņu. Šis kompromiss nav automātiski ne labs, ne slikts. Tas ir atkarīgs no vietējā klimata, ūdens resursu ierobežojumiem, enerģijas avotu struktūras, kā arī no tā, vai ūdens ir dzeramais, atkārtoti izmantots vai citādi apsaimniekots.

Sīkāku informāciju par dzesēšanu un ūdens patēriņu skatiet Kāpēc mākslīgā intelekta datu centri patērē tik daudz ūdens?.

Lielākā daļa mākslīgā intelekta datu centru radīto oglekļa emisiju ir netiešas. Parasti serveri pašā objektā neizdala CO₂, taču to darbībai izmantotā elektroenerģija var tikt ražota no fosilā kurināmā kaut kur elektrotīklā.

Tas nozīmē, ka vienam un tam pašam mākslīgā intelekta modelim var būt atšķirīga oglekļa pēda atkarībā no tā, kad un kur tas darbojas. Reģionālā elektrotīkla intensitāte, atjaunojamo energoresursu iepirkumi, rezerves enerģijas ražošana un stundas līmeņa elektroenerģijas bilances saskaņošana — visi šie faktori var ietekmēt faktisko oglekļa pēdu.

Tā kā detalizēti dati par enerģijas avotiem, kas saistīti ar mākslīgo intelektu, reti tiek publiskoti, oglekļa emisiju aplēses ir jāuzskata par orientējošām. Pārredzami pieņēmumi ir ticamāki nekā izlikšanās, ka precīzie globālie kopapjomi ir zināmi.

Datu centri ir fiziskas rūpnieciskas iekārtas. Tām nepieciešama zeme, pieslēgumi elektrotīklam, apakšstacijas, optiskie kabeļi, rezerves sistēmas, būvmateriāli un dzesēšanas infrastruktūra. Pat tad, ja globālās emisijas ir galvenais jautājums, vietējā ietekme var noteikt, vai projekts tiks apstiprināts.

Kopienas var būt nobažījušās par ūdens patēriņu, elektrības rēķiniem, elektrotīkla pārslodzi, troksni, nodokļu atvieglojumiem, zemes izmantošanu, būvdarbu radītajiem traucējumiem vai arī par to, vai solītās darba vietas atbilst sabiedrības atbalsta apjomam. Šīs bažas nav visur vienādas.

Tāpēc nopietnā ietekmes uz vidi novērtējumā nevajadzētu apstāties pie kopējā mākslīgā intelekta pieprasījuma. Tajā būtu jāizvērtē, kā konkrēts datu centrs ietekmē konkrētu elektrotīklu, ūdens baseinu un kopienu.

Publiskā informācija par AI infrastruktūru uzlabojas, taču tā joprojām ir nepilnīga. Daudzi uzņēmumi publisko datus par enerģijas vai ūdens patēriņu, taču ne vienmēr sniedz informāciju, kas nepieciešama, lai izdalītu AI darba slodzes, atsevišķas iekārtas vai konkrētas modeļu apkalpošanas sistēmas.

Ja nav pieejama skaidra informācija, ārējos aprēķinos jāapvieno publiski pieejamie ziņojumi, pieņēmumi par infrastruktūru, aparatūras specifikācijas un pētījumu rezultāti. Tas var sniegt noderīgus aptuvenos rādītājus, taču tos nedrīkst sajaukt ar revidētiem mērījumiem objektu līmenī.

Lielāka pārredzamība padarītu diskusiju praktiskāku: cik daudz elektroenerģijas ir nepieciešams, kādi tīkla resursi tiek izmantoti, kā darbojas dzesēšanas sistēma, kāds ūdens avots tiek izmantots un kā ietekme mainās laika gaitā.

Mākslīgā intelekta datu centru ietekmi uz vidi var samazināt, izmantojot efektīvākas mikroshēmas, uzlabotu modeļu apkalpošanu, mazākus specializētus modeļus, siltuma atkārtotu izmantošanu, uzlabotu dzesēšanu, labāku atrašanās vietu izvēli, elektroenerģiju ar zemāku oglekļa emisiju līmeni un stingrākus ziņošanas standartus.

Efektivitāte pati par sevi negarantē mazāku kopējo ietekmi. Ja mākslīgā intelekta izmantošana pieaugs straujāk nekā uzlabosies efektivitāte, kopējais elektroenerģijas pieprasījums, dzesēšanas vajadzības un infrastruktūras izbūve joprojām var palielināties.

Reālistiskais secinājums ir niansēts: mākslīgā intelekta datu centri paši par sevi nav slikti, taču to darbība nav bez ietekmes uz vidi. To ietekme uz vidi ir atkarīga no inženiertehniskajiem risinājumiem, vietējiem resursu ierobežojumiem, atbildības sabiedrības priekšā un pieprasījuma apjoma, kura apkalpošanai tie ir izbūvēti.