Shrnutí: AI roste rychle, s ní i nároky na infrastrukturu. Do roku 2030 může podle IEA spotřeba elektřiny datacenter přesáhnout 945 TWh, v USA tvořit téměř polovinu přírůstku poptávky po elektřině a bez posílení sítí hrozí zpoždění až 20 % projektů datových center. Nejde jen o elektřinu, ale také o vodní stopu chlazení a závislost na kritických surovinách. Zároveň AI už dnes šetří energii a emise v sítích, dopravě, průmyslu i budovách a urychluje výzkum. Řešení je proto v menších účelových modelech, uhlíkově i vodně uvědomělém provozu, cirkulárním hardwaru, transparentním původu materiálů a etickém posouzení dopadů. Jinak řečeno, AI nám pomůže, pokud současně posílíme čisté zdroje energie a budeme dbát na její efektivitu a odpovědné používání.
O co jde a proč to řešit
Mezinárodní agentura pro energii (IEA) odhaduje, že se spotřeba elektřiny v datacentrech do roku 2030 více než zdvojnásobí přibližně na 945 TWh, což představuje – necelá 3 % světové poptávky (nebo například spotřebua Japonska). Tato zátěž nebude rovnoměrná: v USA mají datacentra do roku 2030 tvořit skoro polovinu růstu poptávky po elektřině. A pokud se rychle neposílí přenosové sítě a přípojky, až 20 % plánovaných projektů datových center může čelit zpoždění.
Suroviny
Za každým modelem stojí velké množství reálného materiálu na výrobu hardwaru – čipy, baterie, servery. Výstavba datových center stojí převážně na vzácných kovech, jako je křemík, měď, gallium, kritické suroviny a vzácné zeminy. Zpracování těchto klíčových nerostů je navíc soustředěno do několika málo regionů, což činí celý dodavatelský řetězec náchylný k výpadkům.
Vodní stopa
AI ale není jen o elektřině. Nutné chlazení serverů a výroba elektřiny pro jejich použití vytváří velkou vodní stopu. V článku “Making AI Less Thirsty“ výzkumníci ukazují, jak vodní stopu počítat, a jak ji snižovat. Doporučují plánovat velké běhy na chladnější období (chlazení tak spotřebuje méně vody), vybírat datacentra v místech, kde je chlazení úspornější, a používat technologie, které šetří vodu. Nestačí tedy sledovat jen CO2, firmy by měly ukazovat i vodní stopu svých modelů, aby bylo jasné, kdy a kde má jejich provoz nejmenší dopad.
Kde AI pomáhá už dnes
Na druhou stranu je AI velkým pomocníkem. Pomáhá zefektivnit těžbu surovin a výrobu elektřiny. Pro snadnější začleňování obnovitelných zdrojů do sítě pomáhá s přesnější předpovědí větru a slunce. Umí detekovat poruchy, a zkracuje tak výpadky v síti o 30-50 %. V průmyslu spoří energii. V dopravě zlepšuje řízení provozu, plánování tras a predikci údržby. V budovách optimalizuje vytápění a chlazení. Funguje také jako motor vědeckých objevů – urychluje hledání, testování a zavádění inovací na trh.
Cesta k udržitelné AI
Základem je dělat více s méně zdroji. Místo co největšího modelu sáhnout po menším a účelovéým modelu a mimo přesnost hodnotit i jeho efektivitu – tu je potřeba hledat ve všech fázích vývoje a provozu AI. Pomoci může i přesun datacenter výpočtů do období a regionů s vyšší dostupností obnovitelné energie. S hardwarem je potřeba nakládat cirkulárně, je tedy potřeba zařízení navrhovat tak, aby šla opravit, repasovat či znovu použít. Důraz je třeba klást i na transparentnost původu klíčových materiálů. Důležitou součástí udržitelné Al je posouzení dopadů z hlediska etiky. Zvláštní pozornost by měla být věnována lidským právům (včetně práv zranitelných skupin), pracovním podmínkám a dopadům na ekosystémy.
Závěr
Bez energie není AI a zároveň právě AI může energetiku proměnit. O úspěchu bude rozhodovat dostupná, spolehlivá a udržitelná elektřina a země, které ji dokážou dodat rychle a ve velkém, z AI budou těžit nejvíce. Budoucnost AI tedy zatím není daná. AI nám sice mnohé usnadňuje, je ale důležité rozlišovat i její stinné stránky. Stejně jako každý jiný sektor se neobejde bez optimalizací a inovací, má-li přispět k udržitelné budoucnosti.
