I takt med at generativ AI bliver stadig mere populær, stiger også spørgsmålene about bidrag til de globale CO₂-udledninger. Selvom det er rigtigt, at moderne GPU’er – den hardware, der driver AI-systemerne – bruger betydelige mængder Energi, mangler diskussionerne ofte en bredere sammenhæng. Ligesom debatten om plastiksugerør for nogle år siden kan det at fokusere udelukkende på AI's Energi uden at tage andre aspekter af Energi i betragtning føre til et ufuldstændigt billede. Når det er sagt, er det værd at undersøge både fordelene ved generativ AI og dens potentielle miljøpåvirkning nøje.

Et nyligt indlæg giver et eksempel på en sådan vinkel, og i nedenstående graf, der er hentet fra Founders Pledge (se her), sammenligner de Energi ved generativ AI med andre dagligdags aktiviteter. Her er en sammenfatning af resultaterne:

At stille 50.000 spørgsmål på ChatGPT har en ubetydelig klimapåvirkning sammenlignet med markante ændringer i livsstilen, såsom at undvære bil eller undgå en enkelt transatlantisk flyrejse.

For at sætte det i perspektiv: At udføre 300 ChatGPT-forespørgsler bruger omtrent lige så meget Energi : At køre 1 kilometer i bil eller at streame 1 times Netflix.

At køre 1 kilometer i bil eller

1 times streaming på Netflix.

Denne sammenligning viser, at selvom generativ AI bruger Energi, er dens miljøpåvirkning minimal sammenlignet med andre CO₂-intensive aktiviteter, vi regelmæssigt udfører:

Et nyligt indlæg illustrerer dette punkt perfekt i nedenstående graf, der er hentet fra kilden her:

Men i takt med at brugen af generativ AI vokser eksponentielt, stiger også det samlede Energi . Selvom denne vækst ikke på kort sigt vil kunne måle sig med udledningen fra luftfarts- eller bilindustrien, advarer forskere fra Organisationer University of Massachusetts Amherst om, at træningen af store AI-modeller kan medføre enorme CO₂-udledninger (Forbes). Tallene fra disse rapporter understreger vigtigheden af at forbedre Energi i takt med, at teknologien udbredes. 

Ud over Energi: Vandforbrug og bredere implikationer

Undersøgelsen ser også på andre miljømæssige faktorer, såsom vandforbrug. Den nåede frem til en lignende konklusion, nemlig at generativ AI’s bidrag til klimaforandringer eller miljøforringelse ikke udgør en væsentlig trussel sammenlignet med andre brancher eller aktiviteter.

Vi kan dog ikke komme uden om, at køling af de enorme datacentre, der driver AI-systemerne, kræver et betydeligt vandforbrug. En rapport fra Allen Institute fra 2023 anslår, at træningen af store modeller forbruger hundredtusindvis af liter vand. 

Selvom tallene stadig er lavere sammenlignet med andre industrielle anvendelser, understreger det behovet for at tage højde for en bredere vifte af miljømæssige faktorer, når man vurderer kunstig intelligens’ bæredygtighed.

Danmarks AI-supercomputer: En balancegang mellem innovation og udledning

Danmarks AI-supercomputer, Gefion, udgør et interessant eksempel på, hvordan man kan skabe balance og passe på miljøet. 

Med 1.528 NVIDIA H100-GPU'er udgør Gefion et stort fremskridt for forskning og innovation i landet. Dets Energi er dog bemærkelsesværdigt:

Energi : Hver GPU bruger ca. 700 W, hvilket svarer til 6.000 kWh om året.

CO₂-udledning: Det danske elnet udleder 119 g CO₂ pr. kWh, hvilket svarer til en årlig udledning på 1.100 ton CO₂ fra supercomputerens GPU’er.

I perspektiv: Det svarer til de årlige udledninger fra 150 danskere.

Man kan hævde, at disse emissioner er relativt beskedne i forhold til Danmarks samlede produktion og i forhold til de enorme fordele, der er forbundet med at fremme banebrydende forskning, støtte bæredygtige teknologier og fremme innovation inden for kunstig intelligens i Danmark.

Det er dog stadig vigtigt, at vi løbende optimerer datacentrenes effektivitet og øger anvendelsen af vedvarende Energi, hvilket også bidrager til at reducere dette fodaftryk yderligere. Det er her, Danmark går forrest og sikrer, at supercomputere som Gefion er så tæt på nuludledning som muligt. Man kan derfor udnytte fordelene ved kunstig intelligens på Energi måder.

Afslutningsvis kan det siges, at generativ AI allerede har indflydelse på en lang række sektorer. For eksempel SummaryRaffle og Summarybrugerne Summaryat få mere præcise svar på deres spørgsmål, hvilket sparer tid og kræfter. Da det er velkendt, at høj præcision koster Energi, har vi udviklet metoder til at reducere dette energiforbrug uden at gå på kompromis med løsningernes kerneværdi. For at opretholde den højeste nøjagtighed med så lidt Energi muligt Raffle tilpasset små sprogmodeller til at indsnævre indholdet fra indekser (intelligent søgning) og derved levere og anmode om så lidt som muligt til Energi store sprogmodeller. Blandt de mange andre tiltag, vi gør for at bruge så lidt strøm som muligt, er dette blot ét eksempel.

Da generativ AI bruger Energi, kan den derfor udnyttes på optimerede og effektive måder, så den ikke belaster det globale klima mere end gamle teknologier gjorde – måske endda mindre.

‍

Kort sagt kan du bruge generativ AI uden dårlig samvittighed og Energi din Energi det, der virkelig betyder noget – men kun hvis du vælger udbydere, der løbende arbejder på at reducere deres miljøaftryk. Det kan være svært at få overblik over og finde rundt i, så hold øje med udbydere, der fremhæver dette og rent faktisk kan dokumentere det. At reducere miljøaftrykket til et absolut minimum er en af Raffleværdier og drivkræfter. Vi er dedikerede til at levere banebrydende AI-søgning, chat og assistenter, der er CO₂-neutrale, og opfordrer alle udbydere af AI-værktøjer til at gøre det samme.