Технолошките гиганти како Google, Microsoft и Amazon веќе подолго време ја пласираат тезата дека генеративната вештачка интелигенција (AI) ќе биде клучниот фактор во борбата против климатските промени. Според нивните наративи, AI ќе оптимизира енергетски мрежи, ќе открива нови материјали за батерии и ќе ја зголеми ефикасноста на земјоделството. Сепак, најновите истражувања и извештаи покренуваат сериозни прашања: дали овие ветувања се поткрепени со докази или се само вешт маркетиншки трик за прикривање на огромната потрошувачка на ресурси?
Проблемот лежи во парадоксот на самата технологија. Додека AI теоретски може да помогне во спасувањето на планетата, нејзината моментална имплементација бара енормни количини на електрична енергија и вода за ладење на дата центрите, што директно придонесува за зголемување на емисиите на јаглерод диоксид.
Ветувања без конкретна поткрепа
Извештаите од индустријата често се потпираат на „потенцијални“ сценарија. Се наведува дека вештачката интелигенција би можела да ги намали глобалните емисии за 5 до 10 проценти до 2030 година. Сепак, како што пренесува Wired, постојат многу малку конкретни примери каде генеративната AI веќе постигнала значаен еколошки пресврт кој би ја оправдал нејзината сопствена енергетска цена.
Критичарите посочуваат дека многу од овие тврдења се базирани на оптимистички модели, а не на реални податоци од терен. Дополнително, фокусот на AI како „решение“ често го одвлекува вниманието од потребата за директни кратења на емисиите во тешката индустрија и транспортот.
Растот на емисиите кај технолошките лидери
Наместо намалување, реалноста покажува раст. Google во својот последен еколошки извештај призна дека нивните вкупни емисии на стакленички гасови пораснале за речиси 50 проценти во последните пет години, главно поради потребите на нивните AI системи. Слична е состојбата и кај Microsoft, чиј јаглероден отпечаток се зголеми за околу 30 проценти од 2020 година досега.
Овој тренд е директно спротивен на нивните претходни ветувања за „јаглеродна неутралност“ до крајот на деценијата. Изградбата на нови, огромни дата центри за поддршка на модели како Gemini и GPT-4 бара огромни количини на челик и бетон, чие производство е еден од најголемите загадувачи во светот.
Проблемот со транспарентноста на податоците
Еден од најголемите предизвици за независните истражувачи е недостатокот на транспарентност. Технолошките компании ретко споделуваат прецизни податоци за тоа колку енергија троши конкретен модел за време на неговото тренирање или при секој поединечен одговор до корисникот. Без овие податоци, невозможно е точно да се измери дали еколошката корист од решението што го нуди AI ја надминува штетата направена при неговото создавање.
Експертите предупредуваат дека доколку не се воспостават строги регулативи за енергетска ефикасност на AI моделите, технологијата која требаше да ни помогне да ја надминеме климатската криза, всушност би можела дополнително да ја забрза.
Дали постои излез?
И покрај скептицизмот, не е сè изгубено. Постојат иницијативи за развој на „зелена AI“, каде акцентот е ставен на помали, поспецифични модели кои не бараат милијарди параметри за да бидат корисни. Овие модели трошат само мал дел од енергијата во споредба со нивните поголеми „роднини“.
Сепак, за вистински напредок, индустријата мора да премине од зборови на дела. Наместо само да ветуваат дека вештачката интелигенција „некогаш“ ќе ја спаси планетата, компаниите мора да покажат транспарентни докази и да преземат одговорност за сопствениот еколошки отпечаток денес.
Оваа содржина е генерирана со помош на вештачка интелигенција, но е внимателно проверена, уредена и дополнета од уредничкиот тим на IT.mk, со цел да обезбедиме точни, релевантни и квалитетни информации за читателите.
