Tréning a prevádzka veľkých jazykových modelov (LLM) a generatívnych AI systémov si vyžaduje extrémne množstvo výpočtového výkonu. Ten zabezpečujú obrovské dátové centrá, ktoré môžu spotrebovať rovnako veľa energie ako celé malé mestá. Napríklad, podľa štúdie z University of Massachusetts Amherst má vytrénovanie jedného veľkého AI modelu spotrebu ekvivalentnú štyrom tonám CO₂ – podobne ako štvornásobný let z New Yorku do San Francisca.

Zároveň platí, že čím zložitejší model, tým väčšia potreba energie na jeho udržiavanie pri živote. Navyše, tieto nároky rastú exponenciálne s každou novou generáciou modelov.

Ktoré AI technológie spotrebúvajú najviac energie?

Generatívna AI a jazykové modely ako hlavní „žrúti“

Najvyššiu spotrebu majú:

• Veľké jazykové modely ako GPT-4, Claude alebo Gemini,

• obrazové generátory typu Midjourney, DALL·E, Stable Diffusion,

• trénovacie procesy pre nové modely (tzv. pretraining),

• inferencie vo veľkom rozsahu (napr. AI chatboty v miliónoch zariadení).

Podľa štúdie spoločnosti SemiAnalysis môže jediný deň prevádzky veľkého AI systému spotrebovať až 500 MWh, čo je približne spotreba 17 000 domácností. Tento údaj sa zvyšuje s rastúcim počtom používateľov a rozšírením generatívnej AI v biznise.

Aký má rast AI vplyv na životné prostredie?

Dátové centrá a ich uhlíková stopa

Dátové centrá nielenže potrebujú množstvo elektriny, ale aj efektívne chladenie, ktoré zvyšuje spotrebu vody a ďalších zdrojov. Ak sú napájané z fosílnych zdrojov, AI sa stáva významným producentom emisií skleníkových plynov.

🔍 Dôležité fakty:

Záťaž rastie aj kvôli redundancii – veľa modelov sa trénuje paralelne, aby sa vyladil najlepší výsledok. Tento prístup zvyšuje počet GPU, ktoré bežia nepretržite.

Aké sú riešenia pre zelenšiu AI?

5 spôsobov, ako znížiť ekologickú stopu AI

1. Používať obnoviteľné zdroje – dátové centrá v severských krajinách využívajú zelenú energiu.

2. Optimalizovať modely – menšie modely (napr. distilované) s podobným výkonom a nižšími nárokmi.

3. Efektívne inferovanie – používať kvantizáciu a kompresiu modelov.

4. Zdieľanie infraštruktúry – zníženie duplicít v trénovaní medzi firmami.

5. Regulácia a reporting – zaviesť povinnosť uvádzať environmentálnu stopu AI systémov.

Firmy ako Google, Microsoft či OpenAI deklarujú snahy smerom k uhlíkovej neutralite, ale konkrétne dáta o spotrebe zverejňujú len čiastočne. Transparentnosť v tejto oblasti je zatiaľ obmedzená.

Potrebujeme reguláciu spotreby energie AI?

Zatiaľ nie je povinná, ale tlak rastie

Zatiaľ neexistuje jednotný globálny rámec na reguláciu energetickej efektívnosti AI. Európska únia však v rámci AI Act plánuje zaradiť aj ekologické kritériá medzi hodnotiace faktory pri zavádzaní AI systémov. Environmentalisti žiadajú, aby sa AI nevyvíjala na úkor klimatických cieľov.

Otázkou ostáva, ako nastaviť vyváženie medzi technologickým pokrokom a udržateľnosťou. Bez dát a povinných metrík je však ťažké merať skutočný vplyv.