Grønn strøm er ikke nok: KIs energisult krever andre løsninger

London. Det er svært belastende for klimaet når vi bruker kunstig intelligens.

Mengden strøm og vann som forbrukes når vi benytter såkalt generativ KI – som for eksempel Chat GPT – til å finne ut hvor høyt Rundetårn er, eller til å skrive utkast til en viktig e-post, er enorm. Bare det å svare den digitale hjelperen med et «takk» legger beslag på store mengder energi – og dette vokser raskt.

Akkurat nå vokser energibehovet så raskt at det langt overgår tempoet i utbyggingen av fornybare energikilder.

Derfor bør vi ikke lenger fokusere kun på karbonintensiteten – altså hvor mye CO₂ som slippes ut – når vi snakker om klimapåvirkningen fra KI. Det er langt viktigere å rette oppmerksomheten mot hvor mye energi KI faktisk bruker, det vil si energiintensiteten.

Det var budskapet fra flere eksperter under en paneldebatt med tittelen «Tackling AI's Carbon Crisis Together» på AI Summit i London i forrige uke.

– Vi trenger et mentalitetsskifte, sa Devorah West, seniorrådgiver for klima og energi ved Tony Blair Institute for Global Change.

Det trengs nemlig helt andre løsninger for å redusere klimapåvirkningen fra KI, fordi teknologien vokser mye raskere enn det er mulig å bygge vindmøller og solcelleparker.

– En KI-modell vil naturligvis ha høy CO₂-utslipp hvis strømnettet har det. Det krever derfor økt fokus på utbygging av grønnere energi, slik at utslippene fra KI blir lavere. Men det etterlater fortsatt spørsmålet om vi bare skal fortsette å utvide produksjonen av grønn energi i det uendelige. Derfor må vi ta tak i energiintensiteten, sa hun.

– Du kan ikke styre det du ikke kan måle

Det finnes imidlertid store utfordringer når man ønsker å finne ut hvor mye KI faktisk belaster energikapasiteten.

Dataene som finnes på området er nemlig svært begrensede, mener Ian Chew.

Han er grunnlegger av selskapet Greenie Web, som analyserer digitale tjenesters klimapåvirkning.

– Hvis noen påstår at de faktisk kjenner energiintensiteten til en KI-modell, lyver de sannsynligvis, sa han.

I tillegg til mangelen på detaljerte data, er det også et problem at energiforbruket til de enkelte KI-modellene er lite gjennomsiktig. Det gjør det vanskelig å endre brukeratferd, påpekte Devorah West.

– Vi vet noe om hvor mye energi som brukes når du sender en forespørsel til Chat GPT, men vi har faktisk ikke mye detaljert data. Det gjør det vanskelig å endre adferd, for du kan ikke styre det du ikke kan måle, sa hun.

Et lappeteppe

Flere faktorer gjør det vanskelig å måle energiintensiteten ved bruk av KI-modeller.

Blant annet gjelder det den fysiske infrastrukturen, påpekte Ian Chew:

– Når vi snakker om skyen i dag, er det et lappeteppe av ulike datasentre med forskjellige servere, generasjoner av servere og strømnett som leverer strøm til dem.

Med andre ord er det ekstremt komplekst å beregne hvor mye energi – og hvilken type – som brukes når vi for eksempel ber en KI-modell planlegge en løpetur eller renskrive notater.

Men kompleksiteten stopper ikke der.

Selv om et datasenter drives med grønn strøm, er det vanskelig å vite hva det bruker når den grønne energikilden ikke leverer nok eller får problemer.

Ifølge Ian Chew regnes nemlig alternative energikilder ofte som forretningshemmeligheter hos datasenteroperatørene, noe som gjør det vanskelig å få et nøyaktig bilde.

– Og så er det programvaredelen, fortsatte Ian Chew.

Programvaren i KI-modellene oppdateres kontinuerlig, og det i et tempo som gjør det vanskelig å holde oversikt over hvordan det påvirker energiforbruket.

– Selv om de presist kunne oppgi hva denne typen programvare bruker av energi, hva skjer da når den oppdateres i morgen? spurte han retorisk fra scenen.

En viktig del av løsningen, mener Chew, er derfor å kode mer effektivt – altså redusere antall linjer med kode – noe som vil bidra til å senke KI-modellenes energiintensitet.

Vanskelig å regulere

Dette understreker behovet for felles regulering og en universell måleenhet for KI-modellers energiforbruk, mener Devorah West.

– Men etter mitt syn blir det veldig vanskelig, sa hun.

Årsaken er at KI i stor grad er blitt et maktpolitisk symbol, særlig mellom USA og Kina. Begge land ønsker å lede an i utviklingen av kunstig intelligens.

– Det gjør det svært vanskelig å presse frem kraftig regulering av sektoren som faktisk kan gjøre den bærekraftig, når så store økonomiske og geopolitiske interesser står på spill, sa hun.

10. januar i år er et godt eksempel på de kreftene som er i spill i KI-kappløpet.

Da ble kinesiske Deepseek lansert – en KI-modell introdusert som et billig alternativ til amerikanske Chat GPT, som kunne løse tilsvarende oppgaver med langt mindre datakraft.

Lanseringen kom som et stort sjokk i Vesten, og særlig Nvidia-aksjen, som leverer viktige komponenter til datasentre, fikk en kraftig knekk.

Akkurat Deepseek-saken viser også at markedskreftene kan være med på å drive KI-sektoren i en grønnere retning, mener Ian Chew.

– Deepseek er ikke en grønn KI-modell i seg selv – det var i hvert fall ikke hensikten – men det er et eksempel på hvordan omstendigheter kan presse modellene til å bli grønnere, sa han.

Artikkelen ble først publisert på Ingeniøren for deres abonnenter. Den er tilgjengelig for Digis abonnenter gjennom vår samarbeidsavtale.