Dėl dirbtinio intelekto sparčiai auga duomenų centrų elektros poreikis. Ar jį pavyks užtikrinti?

Didėjanti dirbtinio intelekto paklausa susiduria su aplinkosaugos tvarumo klausimais, o ekspertai teigia, kad akmens anglių naudojimas gali išlikti, kad būtų patenkintas elektros energijos poreikis.

Šalys visame pasaulyje siekia pereiti prie „grynojo nulio” (angl. net zero) – neutralumo anglies dioksido atžvilgiu, o tam pasiekti investuoja į žaliąją energiją ir mažina iškastinio kuro suvartojimą.

Tai kertasi su didžiuliu elektros energijos poreikiu, kurį sukelia dirbtinis intelektas, visų pirma generatyvinis dirbtinis intelektas, aptarnaujantis milijonus naudotojų visame pasaulyje.

Tai esminis momentas – dar prieš porą metų dirbtinio intelekto modeliai buvo palyginti nedideli ir apsiribojo tik vietiniais naudojimo atvejais.

Šiandien Jūs, mes ir milijonai kitų bent jau eksperimentuojame su dirbtiniu intelektu. Skaičiuojama, kad JAV ir Europoje apie 40 proc. suaugusiųjų ir 75 proc. jaunesnių nei 18 metų asmenų yra išbandę generatyvinį dirbtinį intelektą, kaip pavyzdžiui „ChatGPT”.

Dirbtinio intelekto bendrovės mato ateitį, kai jų produktai bus integruoti į viską, ką darome, ir į kiekvieną mūsų naudojamą prietaisą. Tačiau dirbtinis intelektas nėra varomas iš oro. Kaip ir visoms technologijoms, jam reikia energijos.

Neseniai paskelbtame tyrime nustatyta, kad GPT-3 modeliui apmokyti reikėjo 1287 MWh.

Taip pat apskaičiuota, kad „OpenAI” sukurtam „ChatGPT” modeliui kasdien prireikia 564 MWh, kad galėtų apskaičiuoti atsakymus į naudotojų užklausas. Kiekvienas atskiras atsakymas – tai skaičiavimas, atliekamas „OpenAI” neuroniniuose tinkluose, kuriems reikia elektros energijos.

Įvertinkime tai kontekste: remiantis Lietuvos Respublikos energetikos ministerijos atliktais namų ūkių vidutinio elektros energijos suvartojimo skaičiavimais, 1287 MWh galėtų vienus metus laiko aprūpinti energija 1073 bute gyvenančius namų ūkius arba 429 namus, darant prielaidą, kad vienas namų ūkis per metus vidutiniškai sunaudoja nuo 1200 iki 3000 kWh elektros energijos.

Toks energijos kiekis taip pat galėtų valandą įjungti daugiau kaip 200 mln. LED lempučių arba leisti nuvažiuoti maždaug 4-5 mln. kilometrų elektromobiliu.

Dar sunkiau suvokti, kad per parą reikalingos skaičiavimo galios (564 MWh) pakaktų kasdien aprūpinti energija 171 550 Lietuvos butų arba 68 620 namų ūkių gyvenančių name.

Nors šis ir kiti tyrimai turi tam tikrų trūkumų, vieši atvirojo kodo dirbtinio intelekto bendrovių duomenys pagrindžia šių skaičių mastą.

Duomenų centrų energijos sąnaudos

Tarptautinė energetikos agentūra „International Energy Agency” (IEA) įspėjo apie platesnį duomenų centrų, kuriems jau tenka daugiau nei 1,3 proc. viso pasaulyje suvartojamo elektros energijos kiekio, poveikį. Šis skaičius didėjant dirbtinio intelekto ir duomenų apdorojimo poreikiams gali didėti, o tai dar labiau apsunkins pasaulinę energetikos infrastruktūrą ir sustiprins raginimą dirbtinio intelekto pramonėje taikyti tvaresnę praktiką.

Numatoma, kad iki 2026 m. duomenų centrų energijos poreikis Europos Sąjungoje padvigubės. Vien tik JAV duomenų centrai iki 2030 m. per metus gali sunaudoti tiek energijos, kiek per metus pagamina apie 100 anglimi varomų elektrinių.

Toliau pateiktame grafike matyti, kad blogiausiu atveju duomenų centrai iki 2030 m. gali imti kasmet sunaudoti apie 8 000 TWh elektros energijos, t. y. 30 proc. šiandien pasaulyje suvartojamos elektros energijos. Palyginimui, per 2021 m. bendras visos Lietuvos elektros energijos suvartojimas siekė vos 12 TWh.

Net visa JAV šiai dienai per metus suvartoja dvigubai mažiau elektros (apie 4 tūkst. TWh), nei blogiausio atvejo prognozė 2030 metams.

Prisiminkime, kad tai viršutinė riba ir kad duomenų centrai naudojami ne tik dirbtiniam intelektui, bet ir daugeliui kitų dalykų. Tačiau tai vis tiek šokiruoja, net ir esant žemutinei 1 100 TWh ribai.

Pats „OpenAI” generalinis direktorius Samas Altmanas, kalbėdamas Pasaulio ekonomikos forume, sakė: „Mums iš tiesų reikia žymiai daugiau energijos nei manėme anksčiau. Vis dar neįvertiname šios technologijos energijos poreikių”.

„AI sunaudos daug daugiau energijos, nei žmonės tikėjosi”, – tęsė jis, teigdamas, kad dirbtinio intelekto pažangai gyvybiškai svarbūs tokie energijos šaltiniai kaip branduolinė sintezė ar pigesnė saulės energija.

Kaip reikės atsiskaityti?

Visuotinai paplitus dirbtinio intelekto technologijoms, jų ekologinis pėdsakas kertasi su pasauliniais siekiais ateityje pasiekti ekologiškai neutralų energijos lygį. Net ir atmetus aukštus tikslus, elektros tinklai tiesiog nepajėgūs išlaikyti dabartinės pramonės trajektorijos.

Ar artėja „dirbtinio intelekto žiema”, kai dirbtinis intelektas, prieš tapdamas protingesniu, ilgą laiką bus tobulinamas, kad veiktų efektyviau? O gal proveržiai ir pramonės pažadai padės išlaikyti plėtrą?

Kiti būdai, kaip sumažinti dirbtinio intelekto pramonės išteklių išsekimą, yra dirbtinio intelekto mokestis. Dažniausiai siūlomas kaip priemonė su dirbtiniu intelektu susijusių darbo vietų praradimui mažinti, dirbtinio intelekto mokestis galėtų padėti iš jo pažangos naudos gaunantiems subjektams prisidėti prie jų poveikio aplinkai mažinimo.

Ilgalaikėje perspektyvoje sunku prognozuoti, kaip pramonė susidoros su šiais reikalavimais ir kokiu mastu žmonėms teks prisiimti šią naštą.