AI is als een wervelwind ons leven binnengestormd. Het schrijft onze teksten, genereert beelden en beantwoordt al onze vragen, maar daar hangt een stevig prijskaartje aan.
Een nieuw VN-rapport maakt duidelijk dat de datacenters die AI aandrijven binnen vier jaar zoveel stroom, water en ruimte verbruiken dat miljarden mensen wereldwijd de nadelen ervan gaan ondervinden. De schade gaat veel verder dan alleen CO2-uitstoot. En het is niet zo dat de technologie zoveel efficiënter wordt, dat het probleem vanzelf oplost.
De impact van AI
Dat kunstmatige intelligentie veel energie kost, is inmiddels wel bekend. Maar volgens onderzoekers van de United Nations University (UNU) moeten we op een andere manier naar de milieurekening kijken. De schade van AI wordt vaak afgemeten aan de uitstoot van broeikasgassen, maar waterverbruik en ruimtebeslag hebben ook enorme gevolgen voor mens en natuur. De cijfers uit het nieuwe rapport zijn moeilijk te verteren. Tegen 2030 zullen AI-datacenters naar verwachting jaarlijks 945 terawattuur aan elektriciteit verbruiken. Dat is drie keer zoveel als het stroomverbruik van Pakistan, Bangladesh en Nigeria bij elkaar, landen met samen meer dan 650 miljoen inwoners.
Ook het waterverbruik is gigantisch. Uit de berekeningen blijkt dat de watervraag van deze datacenters in 2030 naar verwachting gelijk zal zijn aan de minimale jaarlijkse huishoudelijke waterbehoefte van alle 1,3 miljard inwoners van Sub-Sahara-Afrika. Daarbij zal de AI-infrastructuur meer dan 14.500 vierkante kilometer aan oppervlakte nodig hebben, meer dan een derde van Nederland.
Groener is niet altijd beter
Er schuilt een groot probleem in de manier waarop duurzaamheid wordt gemeten. Het kan voorkomen dat een energiebron weinig CO2 uitstoot, maar tegelijkertijd erg veel water en land verbruikt. Neem de overstap van steenkool naar bio-energie. Gemiddeld daalt de CO2-voetafdruk van elektriciteit dan met zo’n 70 procent. Tegelijkertijd stijgt de watervoetafdruk meer dan dertig keer en neemt het ruimtegebruik zelfs met een factor honderd toe. Er moet dus niet alleen naar CO2-uitstoot worden gekeken. “Wat ons het meest verraste, is hoe vaak oplossingen die vanuit klimaatperspectief het groenst lijken, juist slechter uitpakken voor water of land”, zegt onderzoeker Miriam Aczel. “Als we AI alleen beoordelen op CO2-uitstoot, lijkt het alsof hernieuwbare energie de AI en zijn infrastructuur duurzaam en schoon maakt. Maar dan lossen we één probleem op terwijl we elders nieuwe problemen creëren. Dit zijn vaak regio’s die daar nooit om hebben gevraagd en weinig mogelijkheden hebben om er iets aan te doen.”
Gebruik van AI kost het meeste energie
Het publieke debat richt zich meestal op de milieu-impact van het trainen van grote AI-modellen. Dat kost inderdaad veel energie. De training van GPT-3 vergde naar schatting 1,3 gigawattuur stroom. Het opleiden van GPT-4 zou tussen de 50 en 70 gigawattuur hebben gekost. Maar het echte energievreten wordt in een volgende fase gedaan. Zodra een model eenmaal online staat, gaat het grootste deel van de energie naar het beantwoorden van gebruikersvragen, een proces dat we inference noemen.
Inference is verantwoordelijk voor maar liefst 80 tot 90 procent van het totale energieverbruik van AI-systemen. Alleen al ChatGPT verwerkt naar schatting 2,5 miljard opdrachten per dag. Dat komt neer op ongeveer 383 gigawattuur elektriciteit per jaar en dan rekenen we het verbruik van Claude, Gemini, Grok en de andere LLM’s nog niet eens mee. Om de bijbehorende uitstoot te compenseren zouden 2,6 miljoen jonge bomen tien jaar lang moeten groeien. We hebben het hier over een bos ter grootte van Manhattan.
Het reboundeffect
Niet elke AI-opdracht is even belastend. Een eenvoudige chatbotvraag kost al ongeveer tweehonderd keer meer energie dan een basale tekstclassificatie (het toekennen van vooraf gedefinieerde labels of categorieën aan tekst). Het genereren van een AI-afbeelding vraagt zelfs 1400 keer zoveel energie. Bij video loopt het verbruik al helemaal de spuigaten uit. Een korte AI-video verbruikt evenveel elektriciteit als 200.000 spamcontroles. En zo dreigt een nieuw probleem: hoe beter en goedkoper AI wordt, hoe vaker mensen het gebruiken. Dat fenomeen staat bekend als de Jevons-paradox of het reboundeffect. “Veel mensen denken dat de milieu-impact van AI vanzelf afneemt doordat de technologie efficiënter wordt”, vertelt Kaveh Madani, directeur van UNU-INWEH en leider van het onderzoek. “Maar dat is slechts een deel van het verhaal. Goedkopere en efficiëntere AI leidt juist tot méér gebruik. Daardoor groeit de totale voetafdruk uiteindelijk veel harder dan de winst die we boeken met efficiëntieverbeteringen.”
Wil je niets van Scientias missen? Volg Scientias op Google Discover dan zie je al onze verhalen!
Uitgelezen? Luister ook eens naar de Scientias Podcast:
