Umelá inteligencia sa stala neoddeliteľnou súčasťou našich životov. Odpovedá nám na každučkú otázku, ktorá nám skrsne v hlave, odporúča filmy, píše za nás pracovné e-maily. No len málokto si uvedomuje, čo všetko sa za týmto technologickým zázrakom skrýva.
Odpoveď na jednoduchú správu od AI četu môže znamenať nielen miliardy výpočtov, ale aj spotrebu elektriny a vody porovnateľnú s chodom celých domácností. Prečo je ekologická stopa AI taká vysoká? Aký mechanizmus za tým celým systémom stojí? A prečo niektorí odborníci varujú pred zdvorilostnými frázami ako „prosím“ a „ďakujem“?
Na všetky tieto otázky nám odpovedal Martin Komák, expert na umelú inteligenciu a priemyselnú robotiku, ktorý upozorňuje na málo diskutovanú, no čoraz naliehavejšiu stránku umelej inteligencie: jej dopad na životné prostredie.
Čo všetko sa deje na pozadí, kým nám chatbot odpovie na jednu správu?
Keď používateľ odošle správu chatbotovi, text sa cez internet odošle na server, kde ho spracuje neurónová sieť – teda samotný model. Text sa najprv rozdelí na tokeny (slová, časti slov alebo znaky), aby ho mohol model spracovať. Zároveň sa načíta aj predchádzajúci kontext konverzácie. Všetky tokeny sa spoja do jedného vstupu (tzv. prompt), ktorý prechádza desiatkami vrstiev neurónovej siete. V každej vrstve sa vykonávajú tisíce matematických operácií, aby sa určil najpravdepodobnejší ďalší token.
Albánsko ako prvá krajina sveta má AI ministerku. Má potlačiť korupciu a nastoliť transparentnosť
Takto sa odpoveď generuje postupne, token po tokene, až po koncový token alebo dosiahnutie limitu. Výsledné tokeny sa spoja do čitateľného textu, ktorý sa zobrazí používateľovi. Celý proces trvá len niekoľko sekúnd, hoci na pozadí prebehnú miliardy výpočtov. Model však musí byť pred použitím najprv náročným spôsobom natrénovaný.
Koľko energie a vody sa spotrebuje pri trénovaní veľkých jazykových modelov ako ChatGPT?
Energetická náročnosť trénovania jazykových modelov závisí od ich veľkosti, architektúry, objemu dát a efektivity infraštruktúry. Tréning veľkých modelov, ako GPT-3 (≈175 miliárd parametrov), si vyžiadal 1 287 MWh elektriny, vyprodukoval vyše 500 ton CO₂ a spotreboval asi 700 000 litrov vody – väčšinou odparením pri chladení.
Umelá inteligencia musí byť jasne označená, EÚ hľadá cestu k väčšej transparentnosti
GPT-4 je ešte náročnejší: v závislosti od modelu môže mať až 1–1,8 bilión parametrov, čo je približne 5,8× viac ako GPT-3. Tréning GPT-4 trval 150 dní na 10 000 GPU a spotreboval asi 7 200 MWh elektriny – čo zodpovedá ročnej spotrebe ~2 880 slovenských domácností. Spotreba vody môže dosiahnuť milióny litrov.
Navyše, samotné používanie modelov (inferencia) tvorí až 60 % celkovej energetickej spotreby AI, čo poukazuje na významnú ekologickú záťaž pri vývoji a prevádzke špičkovej umelej inteligencie.
Prečo sa pri umelej inteligencii míňa voda? Aký je mechanizmus tejto spotreby?
Spotreba vody pri umelej inteligencii súvisí s chladením výpočtových zariadení v dátových centrách. Tréning a používanie veľkých jazykových modelov si vyžaduje vysoký výpočtový výkon, čo generuje značné množstvo tepla. Aby sa zabránilo prehriatiu hardvéru, využívajú sa chladiace systémy – najčastejšie evaporatívne chladenie, pri ktorom sa voda odparuje na ochladenie vzduchu či komponentov. Tento spôsob je energeticky efektívny, no vedie k vysokej spotrebe vody, najmä v teplom prostredí. Využíva sa aj priame vodné chladenie, pri ktorom voda cirkuluje v systémoch pripojených k serverom, no aj tu môže dochádzať k úbytkom vody.
Niektorí odborníci tvrdia, že by sme chatbotom nemali písať „prosím“ a „ďakujem“. Ako by ste to vysvetlili?
Zdvorilé frázy môžu znížiť jednoznačnosť požiadavky a tým aj presnosť odpovede AI, keďže jazykové modely, ako ChatGPT, pracujú na základe pravdepodobnosti, nie porozumenia. Namiesto priameho „Nauč ma programovať“ musí model pri zdvorilej forme najprv identifikovať hlavný zámer. Navyše, zdvorilejšie a dlhšie požiadavky môžu zvýšiť výpočtovú náročnosť a tým aj spotrebu energie a vody.
Niektorí odborníci na AI etiku tiež varujú, že nadmerná zdvorilosť voči strojom podporuje antropomorfizáciu – predstavu, že AI má vedomie či pocity. To môže viesť k tomu, že ľudia budú s AI nadväzovať vzťahy ako s bytosťami, čím sa oslabí kritické myslenie a dôvera v AI sa stane nekritickou. Tým vznikajú aj etické otázky týkajúce sa zodpovednosti a dôveryhodnosti technológií.
Ako veľká je ekologická stopa AI v porovnaní napríklad s kryptomenami?
Ekologická stopa umelej inteligencie a kryptomien je značná, no odlišná svojím charakterom. Kryptomeny, najmä Bitcoin, sú známe trvalo vysokou spotrebou energie – porovnateľnou s krajinami ako Argentína. Naopak, AI má najväčšiu energetickú záťaž počas tréningu modelov, zatiaľ čo ich prevádzka je menej náročná.
Autonómne taxíky riadené AI aj v Európe: Budeme už čoskoro jazdiť bez vodičov?
Pri masovom využití však aj inference AI vedie k výraznej spotrebe energie a vody. Celkovo má AI zatiaľ nižšiu uhlíkovú stopu než kryptomeny, no jej environmentálny vplyv rýchlo rastie. Na rozdiel od Bitcoinu, ktorý využíva energeticky náročný algoritmus proof-of-work, niektoré kryptomeny (napr. Ethereum po prechode na proof-of-stake) už svoju spotrebu výrazne znížili.
Malo by sa bežným používateľom ukazovať, akú ekologickú stopu má každá ich interakcia s AI? Mnohí stále nechápu, že naša konverzácia s AI si vyberá daň na životnom prostredí.
Zverejňovanie ekologickej stopy interakcií s AI by podľa mňa mohlo zvýšiť povedomie o environmentálnych dopadoch tejto technológie. Rovnako ako máme energetické štítky pri spotrebičoch, aj pri AI by pomohlo transparentne informovať o tom, že každá otázka a odpoveď spotrebúva energiu, vodu a produkuje emisie CO₂.
Väčšina používateľov si totiž neuvedomuje, že ide o výpočtovo náročné procesy v dátových centrách. Takéto informovanie by mohlo viesť k zodpovednejšiemu používaniu AI, obmedzeniu zbytočných interakcií a podpore vývoja ekologickejších riešení.
Ide o formu digitálnej zodpovednosti – podobne ako šetríme papier či energiu, mali by sme myslieť aj na udržateľnosť digitálnych technológií. Dôležité je však tieto údaje zasadiť do kontextu – spotreba na jeden prompt sa môže zdať malá, no pri masovom nasadení dosahuje významný rozsah.
Ktoré firmy v AI dnes majú najväčšiu environmentálnu stopu?
Najväčšiu environmentálnu stopu v oblasti umelej inteligencie majú firmy, ktoré vyvíjajú veľké modely a prevádzkujú rozsiahle dátové centrá:
- OpenAI a Microsoft – Microsoft zabezpečuje infraštruktúru pre ChatGPT, čím patrí medzi energeticky najnáročnejších hráčov.
- Google DeepMind – Modely ako Gemini vyžadujú extrémny výpočtový výkon. Google síce investuje do obnoviteľných zdrojov, no AI výpočty ostávajú veľmi náročné.
- Meta (Facebook) – Prevádzka modelov Llama a AI na platformách ako Instagram vedie k vysokej spotrebe energie aj vody.
- Amazon (AWS, Alexa AI) – Ako najväčší cloudový poskytovateľ zabezpečuje výpočty pre množstvo AI modelov. Napriek klimatickým cieľom uhlíková stopa Amazonu rastie.
Celkovo platí, že technologickí giganti kombinujúci vývoj AI, cloud a globálnu infraštruktúru majú najväčší environmentálny dopad. Aj keď mnohí z nich investujú do udržateľnosti, rast AI modelov tieto snahy zatiaľ prevyšuje.
Existuje riešenie, ktoré by dokázalo znížiť túto spotrebu energie a vody?
Existuje viacero riešení, ako znížiť spotrebu energie a vody pri využívaní AI. Jedným z kľúčových prístupov je vývoj menších a efektívnejších modelov, ktoré dosahujú podobný výkon s nižšou výpočtovou náročnosťou.
Ďalšou možnosťou je presun dátových centier do chladnejších oblastí, kde sa dá využiť prirodzené chladenie a znížiť spotreba vody. Veľký prínos majú aj obnoviteľné zdroje energie (solárna, veterná, geotermálna) a efektívnejší hardvér, ako napríklad AI čipy typu TPU. Niektoré firmy skúšajú podmorské dátové centrá (napr. Microsoft Natick), kde sa využíva chladenie morskou vodou.
Súčasťou riešenia je aj väčšia transparentnosť – ak by používatelia videli ekologickú stopu svojich interakcií s AI, mohlo by to podporiť zodpovednejšie správanie. Kombinácia technických inovácií a spoločenských opatrení tak ponúka reálnu cestu k udržateľnejšej AI.
Nie je pokrytectvom hovoriť o „zelenej technológii“, keď trénovanie AI míňa milióny litrov vody?
Energetická náročnosť umelej inteligencie je vysoká, a preto hovoriť o „zelenej AI“ bez kontextu môže pôsobiť ako ekologický marketing bez reálneho dopadu. Na druhej strane, ak sa AI využíva na zlepšenie energetickej efektivity v priemysle, doprave či pri podpore obnoviteľných zdrojov, môže mať pozitívny ekologický prínos, ktorý aspoň čiastočne kompenzuje jej spotrebu. Kľúčová je však transparentnosť firiem o spotrebe AI systémov a ich snaha ju aktívne znižovať. Pojem „zelená AI“ má zmysel len vtedy, ak ide o reálny a overiteľný cieľ – inak riskuje stratu dôvery verejnosti a pôsobí pokrytecky.
Je umelá inteligencia technológia, ktorú si ako planéta môžeme reálne dovoliť?
Umelá inteligencia má obrovský potenciál – od boja proti klimatickej kríze až po zlepšenie zdravotníctva či energetickej efektivity. No zároveň jej ekologická stopa rýchlo rastie, najmä kvôli náročnosti veľkých modelov a dátových centier. To neznamená, že si AI nemôžeme dovoliť, ale že si ju nemôžeme dovoliť rozvíjať neudržateľne. Ak sa AI bude rozvíjať zodpovedne so zreteľom na udržateľnosť, jej prínos môže byť pre planétu pozitívny. Ak však bude hnacím motorom len zisk bez kontroly, jej cena môže prevýšiť prínosy.
Budeme v budúcnosti potrebovať regulácie, ktoré obmedzia environmentálnu stopu AI? Myslíte si, že je reálne ich zaviesť?
Hoci nie som zástancom regulácií, myslím si, že špecifické pravidlá pre environmentálnu stopu AI budú pravdepodobne potrebné. S rastúcim využívaním veľkých modelov a dátových centier rastie aj tlak na energetické a vodné zdroje. Podobne ako pri autách či elektrospotrebičoch by mohli vzniknúť „ekologické štítky“ alebo limity pre AI systémy. Zavedenie takýchto regulácií si vyžiada medzinárodnú spoluprácu, transparentnosť firiem a dostupné údaje o spotrebe.
Prvé iniciatívy už vznikajú – napríklad EÚ zvažuje ekologické kritériá v rámci AI Act. Kľúčom bude integrovať zodpovednosť za environmentálnu stopu priamo do vývoja AI, nie ju riešiť dodatočne. V takom prípade môžu regulácie podporiť udržateľný technologický pokrok namiesto jeho brzdenia.
