Miliardy litrów wody za ułudę inteligencji. Raport UNU obnaża środowiskowy koszt AI

Debata o sztucznej inteligencji rzadko wykracza poza zachwyt nad tempem wdrażania nowych modeli lub obawy o rynek pracy. Tymczasem naukowcy z Uniwersytetu Narodów Zjednoczonych (UNU) w swoim najnowszym raporcie rzucają światło na znacznie bardziej namacalny problem: gigantyczny ślad środowiskowy, który wykracza daleko poza samą emisję dwutlenku węgla. Według prognoz, do 2030 roku centra danych obsługujące algorytmy będą pochłaniać tyle wody, ile wynoszą roczne potrzeby 1,3 miliarda ludzi.

Raport UNU staje się punktem zwrotnym w dyskusji o cyfrowej transformacji. Przenosi ciężar debaty z teoretycznych rozważań o „superinteligencji” na poziom brutalnych faktów i policzalnych kosztów: energii, gruntów i elektroodpadów. W dobie gwałtownej rozbudowy centrów danych, temat ten staje się palący, bo rosnąca presja na sieci energetyczne każe pytać, kto właściwie zapłaci za tę infrastrukturę – my czy planeta?

Przenoszenie ciężaru, a nie jego redukcja

Głównym problemem jest błędna metodologia mierzenia wpływu technologii na planetę. Skupienie się na gazach cieplarnianych to, zdaniem autorów raportu, fundamentalny błąd. Przejście na niskoemisyjne źródła energii często stanowi jedynie transfer obciążeń – technologie te mogą wymagać drastycznie większych zasobów wody do chłodzenia lub ogromnych połaci gruntu. Do końca dekady światowa sieć serwerowni ma zużywać 945 TWh energii rocznie. To niemal trzykrotnie przewyższa zapotrzebowanie Pakistanu, Bangladeszu i Nigerii razem wziętych.

To pragnienie technologii nie kończy się na gniazdkach. Naukowcy z UNU ostrzegają: „Ich ślad wodny zrówna się z podstawowymi rocznymi potrzebami domowymi wszystkich 1,3 miliarda ludzi w Afryce Subsaharyjskiej”. Globalnie mowa o zawrotnych 9,32 biliona litrów wody do 2030 roku. Do tego dochodzi zapotrzebowanie na grunt przekraczające 14,5 tysiąca kilometrów kwadratowych oraz góra 2,5 miliona ton elektroodpadów generowanych rocznie przez szybki cykl wymiany procesorów.

Inferencja: ukryty pożeracz zasobów

Powszechnie uważa się, że najbardziej energochłonnym etapem życia AI jest jej trenowanie. Dane UNU obalają ten mit. To codzienna eksploatacja i generowanie odpowiedzi na zapytania użytkowników – czyli tzw. inferencja – odpowiada za 80 do 90 proc. całkowitego zużycia energii. ChatGPT, obsługujący około 2,5 miliarda zapytań dziennie, konsumuje rocznie 383 GWh prądu.

Badacze wykazali, że generowanie obrazów czy wideo jest nieporównywalnie droższe niż praca z tekstem. Stworzenie krótkiego filmu może pochłonąć tyle energii, co przeskanowanie 200 tysięcy maili przez filtry antyspamowe. Sytuację pogarsza paradoks Jevonsa: im bardziej technologie stają się wydajne, tym chętniej i częściej ich używamy, co niweluje oszczędności.

Geopolityka i odpowiedzialność

Raport kończy się refleksją nad nierównym podziałem zysków i strat. Ponad 90 proc. mocy obliczeniowej AI jest skoncentrowane w USA i Chinach. Tymczasem ponad 150 państw pełni rolę dostawców surowców do produkcji podzespołów i staje się wysypiskami dla toksycznych odpadów elektronicznych. Jak podaje The Independent, centra danych AI są niesławne ze względu na swoją zasobożerność.

Autorzy raportu UNU wzywają do zakończenia polityki ukrywania kosztów pod płaszczem zielonego marketingu. Apelują, aby deweloperzy zaczęli publikować jasne i ustandaryzowane raporty dotyczące śladu środowiskowego, zanim ułuda „czystej i inteligentnej” technologii ostatecznie osuszy nasze zasoby.