Για πολλούς, το Chat GPT και αντίστοιχα προγράμματα παραγωγικής Τεχνητής Νοημοσύνης (GenAI), όπως το Gemini της Google, το Meta AI, ή το Claude της Anthropic, έχουν αντικαταστήσει τις μηχανές αναζήτησης του Διαδικτύου και χρησιμοποιούνται για να απαντήσουν απλά ή σύνθετα ερωτήματα στο πλαίσιο της εργασίας, της διασκέδασης, ακόμα και της προσωπικής ζωής.
Ενέργεια
Η συνομιλία με ένα πρόγραμμα GenAI είναι τόσο απλή και γρήγορη που δύσκολα αντιλαμβάνεται κανείς ότι μπορεί να έχει σημαντικές συνέπειες στο περιβάλλον. Ομως, σύμφωνα με τα μέχρι στιγμής διαθέσιμα στοιχεία, η ΤΝ εκτιμάται ότι το 2027 θα απαιτεί 85 έως 134 τεραβατώρες (TWh), δηλαδή περίπου τη διπλάσια ενέργεια από αυτήν που καταναλώνει η Ελλάδα ετησίως (56 TWh). Μάλιστα, καθώς τα μοντέλα της εξελίσσονται, οι ενεργειακές τους απαιτήσεις γίνονται ολοένα μεγαλύτερες.
Το πιο ενεργοβόρο στάδιο είναι η «εκπαίδευση» του λογισμικού, δηλαδή η διαδικασία συλλογής στοιχείων και ανάπτυξης συμπεριφοράς μέσω μηχανικής εκμάθησης (machine learning). Για παράδειγμα, το προηγμένο μοντέλο της OpenAI, το GPT-4, κατανάλωσε περίπου 50 γιγαβατώρες, ενέργεια ικανή να καλύψει μια πόλη όπως το Σαν Φρανσίσκο για τρεις ημέρες.
Η ενέργεια αυτή καταναλώνεται στις βάσεις δεδομένων, όπου γίνεται η επεξεργασία και αποθηκεύεται ο μεγάλος όγκος όσων παράγονται στο Διαδίκτυο. Τα κέντρα αυτά είναι πολύ ενεργοβόρες δομές και σύμφωνα με τον Διεθνή Οργανισμό Ενέργειας (ΙΕΑ) το 2022 κατανάλωσαν περίπου 460 TWh, περίπου όση ενέργεια απαιτεί ετησίως η Γαλλία. Το 2026 δε, η ποσότητα αυτή ενδέχεται να ξεπεράσει τις 1.000 TWh. Επιπλέον, οι βάσεις δεδομένων χρειάζονται μονίμως το υγρό στοιχείο για να λειτουργήσουν, καθώς οι υπολογιστές αναπτύσσουν πολύ υψηλές θερμοκρασίες και επομένως απαιτούνται συστήματα ψύξης, που λειτουργούν με τη χρήση πολλών τόνων νερού, ενίοτε και πόσιμου. Καθώς όμως η κλιματική αλλαγή περιορίζει σημαντικά την επάρκεια του νερού σε ολόκληρο τον πλανήτη και δη στα «hotspots», όπως είναι και η περιοχή της Μεσογείου, η εξασφάλιση των απαιτούμενων ποσοτήτων για τα κέντρα της ΤΝ αναδεικνύεται σε μεγάλη πρόκληση.
Σε αυτό το φόντο, δεν είναι τυχαίο ότι εταιρείες όπως η Microsoft επεξεργάζονται τη δημιουργία υποδομών μέσα στη θάλασσα, ώστε να ψύχονται διαρκώς. Σύμφωνα πάντως με πρόσφατες αποκαλύψεις της ερευνητικής ΜΚΟ SourceMaterial και της «Guardian», το 42% του νερού που χρησιμοποίησε η Microsoft το 2023 προερχόταν από περιοχές με περιορισμένους υδάτινους πόρους. Το 15% του νερού που χρησιμοποίησε η Google ήταν σε περιοχές με πρόβλημα λειψυδρίας, ενώ η Amazon δεν έδωσε σχετικά στοιχεία. Σημειώνεται ότι στην Ελλάδα έχουν προχωρήσει αρκετές επενδύσεις σε βάσεις δεδομένων, με κυβερνητικά στελέχη να θέτουν ως στόχο τη λειτουργία 18 δομών μέχρι το 2030.
Μέταλλα
Παράλληλα, για τη λειτουργία των βάσεων δεδομένων είναι απαραίτητα τα μικροτσίπ επεξεργασίας γραφικών GPU, η παραγωγή των οποίων απαιτεί πολλά μέταλλα, όπως είναι πυρίτιο, ταντάλιο, χαλκός, κοβάλτιο κ.ά. Η ολοένα αυξανόμενη ζήτηση γι’ αυτά καθιστά απαραίτητη την εξόρυξή τους, που είναι μια επίσης εξαιρετικά ενεργοβόρα διαδικασία με συνέπειες στο φυσικό περιβάλλον πλούσιων σε αυτά τα στοιχεία περιοχών, όπως η έρημος Ατακάμα της Χιλής, όπου βρίσκεται και το μεγαλύτερο ορυχείο χαλκού στον κόσμο.
Αναμφίβολα, η ΤΝ είναι ένας κλάδος που αναπτύσσεται ραγδαία, όμως απαιτεί σημαντικούς ενεργειακούς πόρους. Το αποτύπωμά της δεν είναι αμελητέο, ωστόσο αν γίνεται με σύνεση δεν είναι καταστροφική για τον πλανήτη. Οπως και στις υπόλοιπες ενεργοβόρες ανθρώπινες δραστηριότητες, βεβαίως, η προσπάθεια σε ατομικό επίπεδο δεν αρκεί ώστε να περιοριστεί ο αρνητικός αντίκτυπος στο περιβάλλον.