Η τεχνητή νοημοσύνη (AI) πιθανόν να σου έχει λύσει τα χέρια σε πολλά θέματα της καθημερινότητας. Όμως κάθε απάντηση που σου δίνει όποτε της απευθύνεις τον λόγο, μεγαλώνει το περιβαλλοντικό της αποτύπωμα, το οποίο δεν περιορίζεται στις εκπομπές άνθρακα.
Όταν ένας χρήστης στο Χ αναρωτήθηκε πόσα χρήματα κοστίζει στην OpenAI το ηλεκτρικό ρεύμα που καταναλώνεται κάθε φορά που κάποιος από εμάς λέει «παρακαλώ» και «ευχαριστώ» στο ChatGPT, η απάντηση ήρθε από τον συνιδρυτή και CEO του αμερικανικού κολοσσού, τον Σαμ Άλτμαν και ήταν «δεκάδες εκατομμύρια δολάρια».
tens of millions of dollars well spent–you never know
— Sam Altman (@sama) April 16, 2025
Πόσο όμως κοστίζει στον πλανήτη – άρα σε όλους μας- το κάθε prompt, δηλαδή η κάθε εντολή ή οδηγία που δίνουμε στα μοντέλα τεχνητής νοημοσύνης;
Σε μια περίοδο που αυξάνονται οι φωνές για τους κινδύνους που εγκυμονεί η τεχνητή νοημοσύνη, κυρίως υπό τον φόβο ότι θα χαθεί ο έλεγχός της από τον άνθρωπο, η σκληρή αλήθεια είναι ότι το περιβαλλοντικό της κόστος, είναι μία από τις πιο αόρατες κι αχαρτογράφητες συνέπειες που έρχονται χέρι-χέρι με την ραγδαία εξάπλωσή της.
Στην πρόσφατη έκθεσή του με τίτλο «Το περιβαλλοντικό κόστος της τεχνητής νοημοσύνης: το αποτύπωμα άνθρακα, νερού και γης», το Ινστιτούτο Νερού, Περιβάλλοντος και Υγείας του Πανεπιστημίου των Ηνωμένων Εθνών (UNU-INWEH), επιχειρεί να ρίξει φως στο περιβαλλοντικό αποτύπωμα της ενέργειας (και όχι μόνο) που απαιτείται για τη λειτουργία της, τη στιγμή μάλιστα που μπαίνει όλο και περισσότερο στη ζωή και την καθημερινότητά μας, κι έχει σημαντικό ρόλο στις οικονομίες, τις δημόσιες υπηρεσίες, την έρευνα, την εκπαίδευση, την επικοινωνία.
Διαβάστε Επίσης
Η χρήση της, εξαρτάται από μια ολοένα και μεγαλύτερη υλική υποδομή που περιλαμβάνει κέντρα δεδομένων, προηγμένα τσιπ, συστήματα ψύξης, δίκτυα ηλεκτρικής ενέργειας, υδάτινους πόρους, γη και αλυσίδες εφοδιασμού κρίσιμων ορυκτών. Κοινώς, είναι ένα υλικό σύστημα με μετρήσιμο περιβαλλοντικό κόστος.
Πόση ηλεκτρική ενέργεια καταναλώνει κάθε prompt
Κάθε ερώτηση στα μοντέλα τεχνητής νοημοσύνης, αφήνει το αποτύπωμά της στον πλανήτη. Πηγή: Unsplash
Μια γεύση για την ενέργεια που καταναλώνει η τεχνητή νοημοσύνη για να απαντήσει σε ένα αίτημά μας, έδωσε ο Διεθνής Οργανισμός Ενέργειας, ο οποίος στην σχετική έκθεσή του το 2024, ανέφερε ότι για μία τυπική αναζήτηση στη Google χρειάζεται 0,3 Wh ηλεκτρικής ενέργειας, ενώ το ChatGPT της OpenAI, χρειάζεται 2,9 Wh ανά αίτημα.
Υπολογίζεται ότι μόνο το ChatGPT επεξεργάζεται περίπου 2,5 δισεκατομμύρια ερωτήσεις την ημέρα, κάτι που μεταφράζεται σε περίπου 383 GWh ηλεκτρικής ενέργειας ετησίως για ένα μόνο προϊόν.
Για την αντιστάθμιση των σχετικών εκπομπών διοξειδίου του άνθρακα θα απαιτούνταν 2,6 εκατομμύρια δέντρα που θα μεγάλωναν για 10 χρόνια, αριθμός αρκετός για να καλύψει μια έκταση ίση με το Μανχάταν.
Το υδατικό αποτύπωμα ισοδυναμεί με τις ελάχιστες ετήσιες οικιακές ανάγκες σε νερό περίπου 500.000 ανθρώπων στην υποσαχάρια Αφρική, ενώ το αποτύπωμα γης ισοδυναμεί με πάνω από 800 γήπεδα ποδοσφαίρου.
Όμως το περιβαλλοντικό κόστος της τεχνητής νοημοσύνης δεν εξαρτάται μόνο από την ποσότητα της ηλεκτρικής ενέργειας που καταναλώνεται, αλλά και από το πού παράγεται αυτή η ηλεκτρική ενέργεια και από ποιες πηγές ενέργειας τροφοδοτείται.
Κάθε κιλοβατώρα που καταναλώνεται από την τεχνητή νοημοσύνη έχει επιπτώσεις σε ό,τι αφορά τις εκπομπές άνθρακα, τη χρήση νερού και τη χρήση γης, και αυτά τα αποτυπώματα δεν κινούνται πάντα προς την ίδια κατεύθυνση. Για παράδειγμα η ηλεκτρική ενέργεια με χαμηλές εκπομπές άνθρακα δεν συνεπάγεται αυτομάτως χαμηλή κατανάλωση νερού ή γης.
Η έκθεση του Ινστιτούτου Νερού, Περιβάλλοντος και Υγείας του Πανεπιστημίου των Ηνωμένων Εθνών, δείχνει επίσης ότι το αποτύπωμα της τεχνητής νοημοσύνης διαμορφώνεται τόσο από τις μεγάλες τάσεις στον τομέα των υποδομών, συμπεριλαμβανομένης της ραγδαίας ανάπτυξης των κέντρων δεδομένων (data centers), όσο και από τα καθημερινά πρότυπα χρήσης, όπως η επιλογή μοντέλου, το μέγεθος της απάντησης, η μορφή και η αυξανόμενη χρήση της δημιουργίας κειμένου, εικόνων και βίντεο.
Πώς η παραγωγή βίντεο με ΑΙ συμβάλλει στην περιβαλλοντική κρίση
Η κατανάλωση ενέργειας ανά prompt ποικίλλει. Μια τυπική ερώτηση σε συνομιλία μέσω chat απαιτεί περίπου 200 φορές περισσότερη ενέργεια από την απλή επεξεργασία κειμένου.
Η δημιουργία μιας μεμονωμένης εικόνας με τεχνητή νοημοσύνη μπορεί να απαιτήσει περίπου 1.450 φορές αυτή την τιμή αναφοράς.
Ένα μεμονωμένο σύντομο βίντεο που δημιουργείται με τεχνητή νοημοσύνη μπορεί να καταναλώσει τόση ηλεκτρική ενέργεια όση χρειάζονται 200.000 ταξινομήσεις ανεπιθύμητων e-mail.
Το περιβαλλοντικό αποτύπωμα δεν αφορά μόνο το ηλεκτρικό ρεύμα
Μια λήψη από drone δείχνει το κέντρο δεδομένων QTS Atlanta-Metro στην Ατλάντα της Τζόρτζια, στις ΗΠΑ. Πηγή: REUTERS/Brian Snyder
Οι περισσότερες έρευνες για το περιβαλλοντικό κόστος της AI επικεντρώνονται στις εκπομπές άνθρακα που σχετίζονται με την εκπαίδευση μεγάλων μοντέλων.
Ωστόσο, κάθε κιλοβατώρα ηλεκτρικής ενέργειας που χρησιμοποιείται για την εκπαίδευση ή τη λειτουργία ενός συστήματος τεχνητής νοημοσύνης φέρει επίσης ένα αποτύπωμα νερού, από την ψύξη και την παραγωγή ενέργειας, και ένα αποτύπωμα γης, από τις ενεργειακές υποδομές και τις αλυσίδες εφοδιασμού.
Αυτά τα τρία αποτυπώματα δεν κινούνται προς την ίδια κατεύθυνση. Η μετάβαση από τον άνθρακα στη βιοενέργεια, για παράδειγμα, μπορεί κατά μέσο όρο να μειώσει το αποτύπωμα άνθρακα της ηλεκτρικής ενέργειας κατά 70%, αυξάνοντας παράλληλα το αποτύπωμα νερού της περισσότερο από τριάντα φορές και το αποτύπωμα γης εκατονταπλάσια.
Οι αριθμοί αυξάνονται ραγδαία σε επίπεδο υποδομών. Τα παγκόσμια κέντρα δεδομένων κατανάλωσαν περίπου 448 τεραβατώρες ηλεκτρικής ενέργειας το 2025. Εάν αντιμετωπίζονταν ως έθνος, θα ήταν ο 11ος μεγαλύτερος καταναλωτής ηλεκτρικής ενέργειας στον κόσμο, πίσω από τη Γαλλία και μπροστά από τη Σαουδική Αραβία.
Η τεχνητή νοημοσύνη «διψάει»
Η τεχνητή νοημοσύνη χρειάζεται πολύ νερό για να λειτουργήσει. Πηγή: Unsplash
Υπάρχει όμως και μια «αόρατη» διάσταση στο περιβαλλοντικό αποτύπωμα της AI, κι αυτή έχει να κάνει με το νερό.
Η υποδομή της τεχνητής νοημοσύνης καταναλώνει γλυκό νερό μέσω της ψύξης με εξάτμιση, της έμμεσης χρήσης νερού στην παραγωγή ηλεκτρικής ενέργειας και της κατασκευής ημιαγωγών (μικροτσιπ) που απαιτεί μεγάλη κατανάλωση νερού.
Για γίνει ακόμη πιο κατανοητό, σύμφωνα με έρευνα του 2023 από το Πανεπιστήμιο Ρίβερσαϊντ στην Καλιφόρνια, ένα chatbot για να ανταποκριθεί σε 20 έως 50 ερωτήματα καταναλώνει περίπου μισό λίτρο νερού.
Οι προβλέψεις, σύμφωνα με επιστημονική έρευνα που δημοσιεύτηκε στο Science Direct, υποδεικνύουν ότι το παγκόσμιο υδατικό αποτύπωμα της τεχνητής νοημοσύνης θα μπορούσε να φτάσει τα 4,2–6,6 δισεκατομμύρια κυβικά μέτρα ετησίως έως το 2027, με τα κέντρα δεδομένων των ΗΠΑ μόνο να προβλέπεται να καταναλώνουν έως και 280 δισεκατομμύρια λίτρα ετησίως έως το 2028.
Η τεχνητή νοημοσύνη καταναλώνει νερό με τρεις τρόπους. Με την άμεση κατανάλωση για τα συστήματα ψύξης, με την έμμεση χρήση στις εγκαταστάσεις παραγωγής ενέργειας που τροφοδοτούν τα κέντρα δεδομένων με ηλεκτρική ενέργεια, και με την ενσωμάτωση του νερού στην κατασκευή ημιαγωγών, όπου οι διεργασίες κατασκευής τσιπ καταναλώνουν χιλιάδες λίτρα ανά υπόστρωμα πυριτίου.
Κι αυτό, την ώρα που πολλά κέντρα δεδομένων βρίσκονται σε περιοχές που αντιμετωπίζουν έλλειψη νερού. Αν και ορισμένες τεχνολογίες, όπως η εγκατάσταση σε περιοχές με ψυχρό κλίμα, η ψύξη με φυσικά υδάτινα σώματα, οι σχεδιασμοί χωρίς χρήση νερού και η ανάκτηση απορριπτόμενης θερμότητας (η διαδικασία κατά την οποία η θερμότητα που παράγεται από τα κέντρα δεδομένων επαναχρησιμοποιείται για άλλες ανάγκες), μπορούν να μειώσουν τη ζήτηση νερού στις εγκαταστάσεις, η εφαρμογή τους παραμένει περιορισμένη.
Άνιση κατανομή οφελών και περιβαλλοντικού κόστους
Διαμαρτυρία κατά των κέντρων δεδομένων, στο Φρέντερικσμπεργκ της Βιρτζίνια, στις ΗΠΑ. REUTERS/Evelyn Hockstein
Τα οφέλη και οι συνέπειες της ραγδαίας παγκόσμιας εξάπλωσης της AI μοιράζονται εξαιρετικά άνισα, κι αυτό γιατί όπως προκύπτει από την έκθεση του Πανεπιστημίου του ΟΗΕ, οι παγκοσμίως κατανεμημένες υπηρεσίες τεχνητής νοημοσύνης δημιουργούν έντονες τοπικές πιέσεις.
Στην Ιρλανδία για παράδειγμα, τα κέντρα δεδομένων αντιπροσώπευαν το 21% της συνολικής καταναλωθείσας ηλεκτρικής ενέργειας το 2023, ξεπερνώντας τη συνολική κατανάλωση όλων των αστικών νοικοκυριών. Ο εθνικός διαχειριστής του δικτύου ηλεκτρικής ενέργειας έχει αναστείλει τις νέες εγκρίσεις στην περιοχή του Δουβλίνου μέχρι το 2028, καθιστώντας την Ιρλανδία ένα συγκεκριμένο, τεκμηριωμένο παράδειγμα του τι συμβαίνει όταν η ανάπτυξη της υποδομής τεχνητής νοημοσύνης ξεπερνά τον ενεργειακό σχεδιασμό και μια πρόβλεψη του τι επιφυλάσσεται για άλλες χώρες.
Στο Κερέταρο του Μεξικού, η επέκταση της υπολογιστικής υποδομής αντλεί νερό από τα αποθέματα ύδρευσης εν μέσω παρατεταμένων ξηρασιών.
Στην Ουρουγουάη, τα σχέδια για ένα κέντρο δεδομένων με υψηλή κατανάλωση νερού συνέπεσαν με μια ξηρασία του 2023 που εξάντλησε τα αποθέματα γλυκού νερού του Μοντεβιδέο, καθιστώντας το νερό της βρύσης ακατάλληλο για πόση.
Επιπλέον, η υποδομή τεχνητής νοημοσύνης θα μπορούσε να παράγει έως και 2,5 εκατομμύρια τόνους ηλεκτρονικών αποβλήτων κάθε χρόνο έως το 2030, μεγάλο μέρος των οποίων θα υποβάλλεται σε επεξεργασία σε οικονομίες χαμηλού εισοδήματος με περιορισμένα μέτρα προστασίας, ενώ κρίσιμα ορυκτά εξάγονται σε περιοχές με αδύναμη περιβαλλοντική εποπτεία.
Αν και η υποδομή τεχνητής νοημοσύνης συνεπάγεται περιβαλλοντικό κόστος, προσφέρει επίσης σημαντικά οικονομικά οφέλη, καθώς και πλεονεκτήματα σε θέματα ασφάλειας και κυριαρχίας, τα οποία ενθαρρύνουν τις πλουσιότερες χώρες να κατασκευάζουν περισσότερα κέντρα δεδομένων.
Μόνο 32 χώρες στον κόσμο φιλοξενούν κέντρα δεδομένων εξειδικευμένα στην τεχνητή νοημοσύνη, και το 90% αυτής της χωρητικότητας συγκεντρώνεται σε 2 χώρες, ενώ περισσότερες από 150 χώρες έχουν επί του παρόντος ελάχιστη ή καθόλου πρόσβαση σε υπολογιστική ισχύ τεχνητής νοημοσύνης υπό την κυριαρχία τους.
Τα νούμερα αναδεικνύουν το οικονομικό χάσμα, αλλά εγείρουν και ζήτημα περιβαλλοντικής δικαιοσύνης, καθώς κάποιες χώρες επωμίζονται το βάρος της εξόρυξης κρίσιμων ορυκτών και των ηλεκτρονικών αποβλήτων, ενώ κάποιες άλλες καρπώνονται τα στρατηγικά οφέλη.
Δυσοίωνες προβλέψεις
Υδρόγειος σφαίρα στο Χονγκ Κονγκ. Πηγή: Unsplash
Οι προβλέψεις των ειδικών είναι κάθε άλλο παρά ευοίωνες. Μέχρι το 2030, τα παγκόσμια κέντρα δεδομένων που τροφοδοτούν την τεχνητή νοημοσύνη προβλέπεται να καταναλώνουν 945 τεραβατώρες ηλεκτρικής ενέργειας. Για να αντιληφθούμε αυτή την ποσότητα, αρκεί να πολλαπλασιάσουμε επί τρία την ετήσια κατανάλωση ηλεκτρικής ενέργειας του Πακιστάν, του Μπαγκλαντές και της Νιγηρίας, χώρες που συνολικά φιλοξενούν περισσότερους από 650 εκατομμύρια ανθρώπους.
Το σχετικό υδατικό τους αποτύπωμα θα ισούται με τις βασικές ετήσιες οικιακές ανάγκες νερού όλων των 1,3 δισεκατομμυρίων ανθρώπων στην Υποσαχάρια Αφρική και το χερσαίο τους αποτύπωμα θα ξεπεράσει τα 14.500 τετραγωνικά χιλιόμετρα, περίπου διπλάσια από την μητροπολιτική περιοχή της Τζακάρτα, όπου ζουν περισσότεροι από 32 εκατομμύρια άνθρωποι.
Οι συντάκτες της έκθεσης του Πανεπιστημίου των Ηνωμένων Εθνών επικαλούνται το παράδοξο του Jevons, ένα οικονομικό φαινόμενο κατά το οποίο η αυξημένη αποδοτικότητα στη χρήση ενός πόρου οδηγεί σε συνολική αύξηση της κατανάλωσής του και όχι σε μείωση.
Στόχος τους είναι να κρούσουν τον κώδωνα του κινδύνου ότι καθώς τα μοντέλα τεχνητής νοημοσύνης γίνονται όλο και πιο αποδοτικά, ταυτόχρονα γίνονται φθηνότερα και χρησιμοποιούνται πιο συχνά. Και αν δεν θέτουμε ρητά όρια στα promts μας και στο μέγεθος της απάντησης που θα λάβουμε, αν δεν είναι τα αιτήματά μας πολύ συγκεκριμένα και καλά διατυπωμένα, τότε αυξάνεται ο κίνδυνος το ενεργειακό κόστος από τη χρήση της τεχνητής νοημοσύνης διαρκώς να αυξάνεται.
