A mesterséges intelligencia (MI) rohamléptékű terjedése nem csupán digitális forradalmat hozott, hanem egyre súlyosabb, számszerűsíthető fizikai környezeti terheket is ró a bolygóra. Az Egyesült Nemzetek Szervezete Egyeteme kötelékébe tartozó UNU-INWEH (Institute for Water, Environment and Health) legfrissebb, jubileumi jelentése rávilágít, hogy a szén-dioxid-kibocsátásra fókuszáló eddigi elemzések alapjaiban mérik félre az MI valós ökológiai lábnyomát, elhanyagolva a kritikus víz- és földhasználati költségeket.
A technológiai szektor képviselői gyakran érvelnek azzal, hogy az algoritmusok és a hálózatok fejlődésével az MI-rendszerek energiahatékonysága drasztikusan javul, ami idővel mérsékli a környezeti terhelést. Az ENSZ tudósai által kiadott „Environmental Cost of Artificial Intelligence: Carbon, Water, and Land Footprints” című átfogó tanulmány azonban határozottan cáfolja ezt az optimizmust. A jelentés rávilágít a Jevons-paradoxon érvényesülésére: a hatékonyabbá és olcsóbbá váló technológia globálisan még nagyobb volumenű fogyasztást generál, ami végül teljesen semmissé teszi a hatékonysági nyereséget. Az MI nem pusztán egy virtuális, felhőalapú szoftver, hanem egy kézzelfogható materiális rendszer, amelynek működése közvetlen fizikai erőforrásokat emészt fel.
Drasztikus növekedés: Országnyi fogyasztású adatközpontok
Az ENSZ Egyetem kutatói szerint az MI infrastruktúráját kiszolgáló globális adatközpontok villamosenergia-igénye belátható időn belül kritikus szinteket ér el. Miközben 2025-ben a globális adatközpontok villamosenergia-fogyasztását megközelítőleg 448 terawattórára becsülik, ez a mutató a prognózisok szerint 2030-ra több mint a duplájára, mintegy 945 terawattórára fog emelkedni. Ez a hatalmas energiamennyiség eléri vagy meg is haladja olyan fejlődő országok teljes éves fogyasztását, mint Pakisztán, Banglades és Nigéria együttesen, sőt megközelíti a magasan iparosodott Japán teljes éves áramszükségletét.
A jelentés központi megállapítása, hogy az MI környezeti hatása nem kizárólag a felhasznált kilowattórák mennyiségétől, hanem a villamos energia előállításának helyétől és az adott régió energiamixétől függ. A szén-dioxid-orientált megközelítés azért félrevezető, mert az alacsony szén-dioxid-kibocsátású áramforrások nem jelentenek automatikusan alacsony víz- vagy földhasználati lábnyomot. Minden felhasznált kilowattóra egyidejűleg hordoz szén-, víz- és földhasználati vonzatokat, és ezek a tényezők sokszor egymással ellentétes irányba mozognak: egy adott környezeti elem terhelésének csökkentése (például bizonyos tiszta energiákra való átállás) gyakran egy másik tényező növekedését vonja maga után.
A láthatatlan költség: 1,3 milliárd ember ivóvize
Az adatközpontok hűtési rendszerei, valamint magának a villamos energiának az előállítása rendkívül intenzív édesvíz-felhasználással jár. A kutatás rávilágít, hogy 2030-ra az MI-szektor működéséhez köthető éves vízlábnyom eléri a 9,3 billió litert. Hogy ezt az absztrakt számot kontextusba helyezzük, ez a mennyiség megfelel a szubszaharai Afrikában élő 1,3 milliárd ember teljes éves alapvető életfenntartási és háztartási vízszükségletének. Ezzel párhuzamosan a létesítmények közvetlen és közvetett területigénye meghaladja majd a 14 500 négyzetkilométert, ami a Jakarta-meta-régió kiterjedésének nagyjából a kétszerese.
A modellfuttatás drágább, mint a betanítás
A köztudatban és a korábbi elemzésekben az MI környezeti hatásait szinte kizárólag a hatalmas nyelvi modellek (LLM) kezdeti betanítási fázisához kötötték. Az UNU-INWEH tudósai rávilágítanak, hogy ez a megközelítés gyökeresen hibás. Valójában a modellek alkalmazása, vagyis a mindennapi működtetés és a lekérdezések kiszolgálása emészti fel a rendszerek teljes életciklus-energiaigényének 80–90 százalékát. Miután egy modellt élesítenek, a milliárdos nagyságrendű napi felhasználói interakciók folyamatos és halmozódó terhelést jelentenek. Példaként említhető a ChatGPT, amely a becslések szerint naponta mintegy 2,5 milliárd promtot dolgoz fel.
A jelentés rámutat arra is, hogy az egyes lekérdezések energiaigénye között nagyságrendi különbségek mutatkoznak a feladat típusa szerint. Ha egy alapvető szövegosztályozási feladat áramigényét vesszük bázisnak, egy tipikus társalgási csevegő lekérdezés körülbelül 200-szor több energiát igényel. Egyetlen MI-kép generálása a bázisérték 1450-szeresét emészti fel, míg egyetlen rövid MI-videó előállítása olyan mennyiségű elektromos áramot fogyaszt, mint 200 000 levélszemét automatizált osztályozása.
Mindez a mindennapi fogyasztás szintjén is kézzelfoghatóvá válik:
-
Egyetlen MI-generált kép létrehozásához szükséges energia megegyezik egy 10 wattos LED-izzó 17 perces folyamatos üzemeltetésével. Vízfogyasztás szempontjából ez az áramtermelés vízvonzata révén két evőkanál (29 ml) vizet jelent.
-
Egyetlen komplexebb MI-videó generálása ugyanezt a 10 wattos LED-izzót 42 órán keresztül képes működtetni. Ebben az esetben a közvetett vízfogyasztás 4,1 literre ugrik, ami csaknem megegyezik egy ember teljes kétnapi ivóvízszükségletével.
Mesterséges intelligencia: Globális egyenlőtlenségek és digitális gyarmatosítás
A tanulmány élesen kritizálja az MI-hez kapcsolódó előnyök és terhek aszimmetrikus globális megoszlását. Míg az MI gazdasági, védelmi és szuverenitási előnyei, valamint a számítási kapacitások feletti ellenőrzés szinte teljes egészében a fejlett, gazdag országokban koncentrálódnak, addig a fizikai infrastruktúra környezeti kárai a lokális közösségeket sújtják. Jelenleg a világon mindössze 32 ország rendelkezik dedikált MI-adatközpontokkal, ráadásul a teljes globális kapacitás 90 százaléka csupán két országban összpontosul.
Ezzel szemben a hardvergyártáshoz szükséges kritikus ásványkincsek bányászata sokszor gyenge környezetvédelmi szabályozású, kiszolgáltatott régiókban történik. Emellett az MI-infrastruktúra gyors amortizációjából származó, 2030-ra évi 2,5 millió tonnára becsült elektronikai hulladék jelentős része szintén alacsony jövedelmű országokban köt ki, ahol a feldolgozásuk nem biztonságos és nem ellenőrzött körülmények között zajlik.
Az ENSZ kutatói hangsúlyozzák: az MI integrálása az energiagazdálkodási, klímavédelmi, víz- és földhasználati tervezésbe elkerülhetetlen. Csak így biztosítható, hogy a technológiai innováció ne a leginkább sebezhető közösségekre hárítsa át a digitális növekedés valós környezeti árát.
Az ENSZ hivatalos egyetemi struktúrájának (United Nations University – UNU-INWEH) eredeti tanulmánya és bejelentése az alábbi linken érhető el:
