De kleur van AI: groen, grijs of… kaki?

AI is hot! Toegeven, ook ik ben verkocht. Als natuur-nerd gebruik ik al langer de app ObsIdentify om foto’s van beestjes en plantjes te uploaden. Slimme AI plakt er via beeldherkenning netjes een naam op. Of ik neem het gezang van een fluitend vogeltje op en laat de Merlin Bird ID-app het voor mij determineren. Zonder AI? Geen kans. Zo kan iedereen "bioloogje" spelen. Al voel ik me met mijn biologiediploma dan soms lichtelijk bedreigd, toch wel handig die AI gestuurde apps.

Tussendoor even vragen aan ChatGPT om teksten te herschrijven, een email op te stellen of uit te leggen waarom een gevlekte hyena een pseudopenis heeft. Productiviteit ten top! De mogelijkheden lijken eindeloos. Zelfs nagebootste creativiteit, van Shakespeare-sonnetten schrijven tot je foto’s in Van Gogh-stijl transformeren.

Maar terwijl we allemaal genieten van chatbots zoals ChatGPT en beeldgeneratoren als DALL·E, vraagt niemand zich af: hoeveel kost dit superbrein ons milieu eigenlijk? Is AI groen, grijs of eerder een kleurschakering van groengrijs, appelblauwzeegroen of kaki? 

Schaamteloze zelfevaluatie 

De milieu-impact van ChatGPT? Wie beter dan de master himself om er een antwoord op te geven. Dus ik vroeg het hem gewoon. Hij blijkt geen schaamte maar wel over goede zelfkennis te beschikken, want zijn antwoord ligt dicht bij de waarheid. 

Om hem nog even met zijn neus op de feiten te drukken, vraag ik de chatbot hoeveel deze vraag nu heeft gekost qua stroomverbruik. Hij geeft een ruwe schatting van 3,75 Wh. Ter vergelijking: dit is volgens ChatGPT ongeveer evenveel als een LED-lamp laten branden voor 3-4 minuten of een smartphone opladen voor 15-40 minuten. En dat voor 1 vraag! Het blijft wel gissen hoe correct dit antwoord is, want ChatGPT begrijpt me in principe niet en kan niet redeneren. Los van het feit dat het energieverbruik van de vraag afhangt van meerdere factoren, is zijn schatting misschien volledig uit de lucht gegrepen. Maar ik neem me toch voor om dat vandaag ergens te compenseren. Misschien wordt het een etentje bij kaarslicht. Bedankt ChatGPT (en schuldgevoel), voor de romantiek!

AI's honger naar stroom

Er is echter geen blind vertrouwen in het digitale brein, dus ik ga de statistieken toch nog even googlen. 

Het leven van een AI-model bestaat uit twee fasen. Eerst is er de training: een langdurig proces (vaak maanden) waarin het model leert van data. Daarna het gebruik zelf om vragen te beantwoorden. Beide processen vinden meestal plaats in datacenters en verbruiken veel energie. Als je studeert ben je ook blij dat je mama een koek komt brengen om bij te tanken. En als je eenmaal klaar bent voor het examen, kan een banaan zeker helpen om bij de pinken te zijn. Om AI slim te maken heeft hij evenzeer heel veel energie nodig en slurpt het enorme hoeveelheden stroom.

Enkele cijfers:

• In 2022 verbruikten datacenters, waarin AI-modellen worden gehost, wereldwijd 460 terawattuur (TWh) aan elektriciteit—dat is meer dan zes keer het totale verbruik van België in 2023 (ca. 75 TWh).
  
  
• Tegen 2026 kan dat zelfs verdubbelen! Datacenters zouden dan de vijfde grootste stroomslurpers ter wereld worden, net achter Japan.
  
  
• Een enkele ChatGPT-vraag kost vijf keer zoveel energie als een Google-zoekopdracht.

Voor de energieconsumptie van deze datacenters wordt vaak nog geen groene energie gebruikt, wat betekent dat er enorm veel fossiele brandstoffen ingepompt worden. Volgens onderzoekers stootte het trainen van het eerdere GPT-3 model dezelfde hoeveelheid CO₂ uit als één persoon die 200 retourvluchten maakt tussen Amsterdam en Tokio. Het GPT-3 model betreft echter een kleiner model; toen werd er namelijk nog gewerkt met zo’n 175 miljard parameters. Inmiddels heeft GPT-4 naar verluidt meer dan 1,8 biljoen (!) parameters. Daarmee neemt dus ook de CO₂-uitstoot enorm toe.

Om een mogelijks autobiografische metafoor te gebruiken: elke vraag aan ChatGPT is als een paaseitje – onschuldig, tot je de hele zak leeg hebt. 

Microsoft, Google en Amazon zijn momenteel wel miljarden aan het pompen om over te schakelen naar kernenergie als brandstof voor hun AI. Microsoft wil bijvoorbeeld een oude kerncentrale in Pennsylvania opnieuw heropenen en zelfs nieuwe kerncentrales laten bouwen, speciaal voor AI!  

Verkoeling gezocht

Stroom is één zaak, maar wat met het waterverbruik? AI-modellen zijn zo hot (letterlijk) dat ze enorme hoeveelheden water nodig hebben om hun servers koel te houden. Het AI-brein staat dus gewoon in een gigantisch, water-slurpende serverhal. En slurpen zullen ze, want bij de meeste systemen wordt het water verdampt in koeltorens. 

Hoeveel water dan precies? Tja, bedrijven zoals Microsoft en Google houden die cijfers liever geheim. Eerdere schattingen spreken van zo'n halve liter per 20 vragen. Later onderzoek suggereert iets minder drastische cijfers van een halve liter per 300 vragen (exclusief het water voor elektriciteitsproductie). Dus terwijl jij relaxed met een glas water een halve dag AI-vragen intypt, heeft dat slimme algoritme achter de schermen misschien net evenveel gedronken. 

Die geheimhouding van cijfers is met reden. In 2022 kwam er nog een schandaal in de pers dat Microsofts datacenter in Iowa miljoenen liters water gebruikte om het GPT-4 model te trainen. En dat midden in een drie jaar durende droogteperiode! 

De groeiende vraag naar AI zal waarschijnlijk leiden tot nog meer waterstress. De vraag blijft: hoe verdelen we onze kostbare druppels? AI, de natuur, of toch gewoon gazonnetjes sproeien en zwembadjes vullen?

AI-chips: duurder dan K3 ticket?

Wat met het productieproces zelf? AI draait op mega-krachtige chips, GPU’s genaamd. En die dingen zijn net zo gewild als concertkaartjes voor de K3 reünie-show. In 2023 werden maar liefst 3,85 miljoen GPU’s verscheept naar datacenters. De productie van deze chips is energie-intensief en gebruikt zeldzame metalen, vaak uit milieuonvriendelijke mijnbouw. Er moet dus flink wat geboord en gemijnd worden om tot de AI-chips te komen, niet bepaald een frisgroene aangelegenheid.

Is er ook een groen kantje aan AI?

Paradoxaal genoeg heeft AI echter ook de potentie om een bondgenoot te zijn in de strijd tegen klimaatverandering en milieuproblemen. Organisaties zoals het WWF gebruiken AI bijvoorbeeld om illegale ontbossing in een vroeg stadium te detecteren. AI kan tevens klimaatmodellen verfijnen, waardoor we stormen en hittegolven beter kunnen voorspellen. Ook minder files doordat AI-algoritmes verkeersstromen helpen te optimaliseren en op die manier CO₂-uitstoot verminderen. Of een efficiënter afvalbeheer door AI-gestuurde robots die afval beter herkennen en sorteren dan mensen.

De lijst is nog langer, er zijn immers opvallend meer publicaties over het gebruik van AI bij duurzaamheidsstudies dan studies naar de milieu-impact van de AI-toepassingen zelf.

Wat nu? AI schrappen of slimmer gebruiken?

Schrappen van AI lijkt niet meer denkbaar. AI biedt dan ook revolutionaire voordelen, van medische doorbraken tot efficiëntere workflows. Maar zoals bij elk superkrachtig gereedschap, moeten we slim omgaan met het gebruik ervan. Denk aan groene AI door AI te laten draaien op hernieuwbare energiebronnen; efficiëntere AI-modellen die minder energieverslindend trainen en slimmer inzetten. Maar ook bewustwording. Vraag jezelf af: "Moet ik hiervoor echt AI gebruiken, of kan ik dit zelf oplossen?"

Ik was me tot voor kort alleszins niet bewust van de milieu-impact van AI. Misschien dat ik in de toekomst toch sneller mijn eigen brein of vriend Google raadpleeg. Maar toegeven, de verleiding blijft groot. Over de biologen-apps zoals ObsIdentify en Merlin Bird ID hoef ik mezelf misschien iets minder schuldig te voelen. Het energie- en waterverbruik is waarschijnlijk relatief laag in vergelijking met grotere generatieve AI-modellen zoals ChatGPT. 

Stof om na te denken dus. AI is revolutionair, maar laten we ervoor zorgen dat onze virtuele assistent de planeet niet verder verpest. Wat denk jij? Moeten we AI meer reguleren of gewoon slimmer gebruiken? Drop je gedachten in de reacties!