Tehisintellekti veetarbimine: miks viirussõnumid eksitavad

Iga paari kuu tagant väidab uus pealkiri, et ChatGPT-le küsimuse esitamine kulutab veepudeli. Numbrid kõlavad häirivalt ja levivad kiiresti. Kuid kui süveneda nende väidete metoodikasse, muutub pilt oluliselt segasemaks. Tehisintellekti veetarbimine on saanud jätkusuutlikkuse arutelude tulipunktiks, kuid internetis levivad viirustatistikad puuduvad sageli konteksti, mis on vajalik nende tegeliku tähenduse mõistmiseks. Reaalsus on nüansirikkam ja paljudel juhtudel palju vähem dramaatiline, kui kriitikud soovitavad.

Internetis levivad tehisintellekti veetarbimise statistikad moonutavad sageli reaalsust, segades ühekordse mudeli treenimise pidevate päringutega ja rakendades universaalselt halvimat jahutusskeemide stsenaariumi. Google tegelikud mõõtmised näitavad, et tüüpiline tekstiviip kasutab umbes 0,26 milliliitrit vett – peaaegu 2000 korda vähem, kui viirussõnumid viitavad. Kuigi andmekeskuste laienemine veestressis piirkondades väärib tähelepanu, jääb tööstuse jalajälg väikeseks võrreldes põllumajanduse või tootmisega ning tõhususe parandused vähendavad jätkuvalt päringu kohta ressursikasutust oluliselt.

Viirussõnumid tehisintellektist ja veest

Kõige sagedamini viidatud arv väidab, et üks ChatGPT vestlus (mõnikord määratletud 20–50 küsimusena) kasutab 500 ml vett. See number pärineb 2023. aasta uuringust, mis hinnanguliselt väitis ka, et GPT-3 treenimine Microsofti USA andmekeskustes võib otseselt aurustada 700 000 liitrit puhast magevee. Statistika on tehniliselt täpne selle konkreetse stsenaariumi jaoks, kuid sellest on ära võetud kontekst ja seda on laialdaselt rakendatud igale tehisintellekti interaktsioonile sõltumata mudelist, asukohast või infrastruktuurist.

See, mis algas kitsa leiuna konkreetse mudeli treenimise kohta konkreetsetes rajatistes, muutus universaalseks süüdistuseks kogu tehisintellekti kasutamise vastu. See on probleem. Treenimine toimub üks kord, kuid järeldus toimub miljardeid kordi. Nende segamine annab väga eksitavad järeldused.

Pealkirjad vs reaalsus

„Veepudel päringu kohta“ väide segab treenimise järeldusega, ignoreerib piirkondlikke erinevusi jahutusmeetodites ja eeldab halvimat stsenaariumi. Google enda mõõtmised räägivad teistsugust lugu: mediaanne Gemini Apps tekstiviip tarbib vaid 0,26 milliliitrit vett, umbes viis tilka. See on peaaegu 2000 korda vähem, kui ülaltoodud väited viitavad.

Nende arvude vahe näitab, kui palju metoodika loeb. Arizona suvel treenimist mõõtev uuring annab dramaatiliselt erinevaid numbreid kui Soome talvel järeldust mõõtev uuring.

Kuidas neid numbreid arvutatakse

Enamik häirivaid hinnanguid tugineb omistamismeetoditele, mis määravad kogu andmekeskuse veekasutuse tehisintellekti töökoormustele, isegi kui need rajatised käitavad lugematul hulgal muid teenuseid. Nad kasutavad sageli tipptarbimise arve veemahukatest jahutussüsteemidest kuumades kliimades ja rakendavad neid numbreid globaalselt. Teadusuuringud, mis üritavad võrrelda tehisintellekti keskkonnamõju, tunnistavad põhilist takistust: kommertstehisintellekti pakkujad ei avalikusta mudelispetsiifilisi järeldusandmeid, sundides teadlasi tegema eeldusi, mis võivad hinnangud oluliselt üle paisutada.

Kuidas andmekeskuste jahutus tegelikult toimib

Tehisintellekti veetarbimise mõistmine nõuab arusaamist, kuidas andmekeskused soojust haldavad. Serverid tekitavad arvutamise ajal soojust ja see tuleb eemaldada, et vältida seadmete rikkeid. Valitud meetod sõltub tugevalt kliimast, kohalikest ressurssidest ja tõhususe prioriteetidest. Rajatis Phoenixis töötab väga erinevalt kui Stockholmis, kuid kriitikud käsitlevad neid identseidena keskkonnamõju arvutamisel.

Jahutussüsteemid selgitatud

Traditsiooniline õhujahutus kasutab ventilaatoreid ja konditsioneerimist, tarbides suhteliselt vähe vett, kuid rohkem elektrit. Aurustusjahutus, mis on suurtes rajatistes üha populaarsem, vahetab vee energiatõhususe vastu, kasutades aurustumist soojuse hajutamiseks. Uuemad lähenemised nagu süvaveevedelikjahutus kastavad seadmed mittejuhtivasse vedelikku, kõrvaldades veekasutuse täielikult.

Valik sõltub kohalikest tingimustest. Ettevõtted paigutavad üha rajatisi sinna, kus veestress on madalaim ja taastuv energia on külluslik, muutes üldistatud väited sisuliselt eksitavaks.

Väljavõtmine vs tarbimine

Kriitikud segavad sageli vee väljavõtmist vee tarbimisega. Väljavõtmine tähendab allikast võetud vett; tarbimine tähendab vett, mis ei naase. Paljud jahutussüsteemid võtavad vett, kasutavad seda ja tagastavad enamuse allikasse. Erinevus on tohutu: rajatis võib välja võtta miljoneid liitreid, tarbides tegelikult vaid murdosa. Turvaliste tehisintellekti lahenduste ettevõtetele hindamisel aitab see erinevus tõelised mured üle paisutatud statistikast eraldada.

Tehisintellekti veetarbimise numbrid kontekstis

Numbrid ilma kontekstita eksitavad. Andmekeskused moodustavad umbes 0,2% USA magevee tarbimisest. See kõlab tohutult, kuni võrrelda teiste tööstusharudega. Põllumajandus moodustab umbes 70% globaalsest magevee väljavõtmisest. Üks golfiväljak Arizonas kasutab aastas rohkem vett kui paljud andmekeskused. Küsimus pole selles, kas tehisintellekt vett kasutab; küsimus on, kas see kasutus on proportsionaalne väärtusele ja võrreldav alternatiividega.

Tööstusharu võrdlused

Mõelge nendele proportsioonidele:

• Ühe kilogrammi veise tootmine nõuab globaalselt umbes 15 000 liitrit vett. See on aga suuresti vihmaveega „roheline“ vesi; tegelik „sinine“ vesi (jõgedest ja põhjaveest) on USA-s umbes 2000 liitrit, ikka tohutu võrreldes digiteenustega.
• Ühe puuvillase T-särgi tootmine kasutab umbes 2700 liitrit vett, peamiselt puuvilla suure niisutusvajaduse ja intensiivse värvimisprotsessi tõttu.
• Tüüpiline pooljuhtide tehase tarbib aastas miljardeid liitreid.
• Soojuselektrijaamad kasutavad kõigi andmekeskuste kombineeritust palju rohkem vett.

Andmekeskused moodustavad endiselt vaid väikese osa USA koguvettarbimisest. Tehisintellekti tööstuse jalajälg, kuigi kasvav, jääb tagasihoidlikuks võrreldes vähe uuritud väljakujunenud tööstusharudega. Keegi ei jaga viiruseid hommikukohvi veejalajäljest, kuid üks tass nõuab umbes 140 liitrit tootmiseks, kui arvestada ubade kasvatamist ja töötlemist.

Igapäevased tegevused

Google mõõtmised panevad tehisintellekti päringud perspektiivi: üks tekstiviip kasutab energiat, mis on võrdne vähem kui üheksa sekundit teleri vaatamist. Video voogedastus, e-postiserverite käitamine ja nutitelefonide laadimine tarbivad ressursse. Infrastruktuur, mis toetab teie Netflixi harjumust või Instagrami kerimist, kasutab sarnaseid jahutussüsteeme. Tehisintellekti eraldi välja toomine võrreldavate digitegevuste ignoreerimisel moonutab tehnoloogia keskkonnamõju pilti.

Mida tehnoloogiaettevõtted tegelikult teevad

Narratiiv, et tehnoloogiaettevõtted ignoreerivad keskkonnamuresid, ei vasta reaalsusele. Suured pakkujad on investeerinud tõhususe parandamisse ja alternatiivsetesse veeallikatesse. Google vähendas 2024. aastal andmekeskuste energiaheite 12%, hoolimata 27%-lisest elektrinõudluse kasvust. Microsoft on kohustunud olema 2030. aastaks veepositiivne. Need võivad olla PR avaldused, kuid esindavad sageli miljardeid infrastruktuuri investeeringuid.

Tööstusel on tugevad finantsstimulid tarbimist vähendada. Vee- ja energiakulud mõjutavad otseselt marginaale, muutes tõhususe parandused kasumlikuks, mitte puhtalt altruistlikuks.

Mittejoogiks kõlblikud veeallikad

Paljud kaasaegsed andmekeskused kasutavad jahutuseks taaskasutatud reovee, töödeldud hallvee või merevett, mitte konkureerides joogivee varustusega. Asukoha otsused prioriseerivad üha piirkondi, kus vett on külluslikult ja puhtad energiavõrgud. Cornelli teadlased leidsid, et nutikas paigutus koos tegevusliku tõhususega võiks vähendada tehisintellekti veemõju 86% võrreldes halvima stsenaariumiga. Kesk-Lääs ja „tuulevööndi“ osariigid pakuvad parimat kombineeritud süsiniku- ja veeprofiili uutele rajatistele.

Tõhususe parandused

Google andmekeskused kasutavad nüüd 84% vähem üleliigset energiat kui tööstuse keskmine. Viimase 12 kuu jooksul langes mediaanse Gemini tekstiviipe energia- ja süsinikujalajälg vastavalt 33x ja 44x. Vee kasutamise efektiivsuse mõõdikud on tööstuses pidevalt paranenud. Need kasud kumuleeruvad: tõhusamad mudelid tõhusamal riistvaral tõhusamates rajatistes vähendavad dramaatiliselt päringu kohta ressursikasutust.

Tõeline jätkusuutlikkuse vestlus

Kõigi keskkonnamurede tehisintellekti suhtes tagasilükkamine oleks sama eksitav kui viirustatistika kriitikuta aktsepteerimine. Tööstus seisab silmitsi tõeliste väljakutsetega, eriti kiire laienemisega veestressis piirkondades. Üle 160 uut tehisintellekti andmekeskust on ilmunud USA-s viimase kolme aasta jooksul, mõned ala, mis juba kannatavad põua all. Küsimus pole selles, kas tehisintellektil on keskkonnamõju; küsimus on, kas see mõju on hallatud vastutustundlikult ja proportsionaalne pakutavatele eelistele.

Legitiimsed mured vs paanika

Kehtivad kriitikad hõlmavad pakkujate läbipaistvuse puudumist, rajatiste koondumist juba stressis piirkondadesse ja veeõiguste ebapiisavat regulatiivset järelevalvet. Üle paisutatud on väited, et tehisintellekt on võrreldamatult hävitav teiste digiteenuste suhtes või et üksikud päringud tähendavad olulist keskkonnakahju. Tehisintellekti teenuseid, mis ei treeni teie andmetel, hinnates väärib keskkonnamõju kaalumist koos privaatsusega, kuid paanikapõhised statistikad ei aita kedagi teadlikke otsuseid teha.

Paremad küsimused

Selle asemel, et küsida „kui palju vett tehisintellekt kasutab?“, küsige: kus see andmekeskus asub ja milline on kohalik veeolukord? Millist jahutustehnoloogiat see kasutab? Mis on energiaallikas? Kas pakkuja avaldab kontrollitud keskkonnamõõdikuid? Need küsimused annavad tegutsetavat teavet. Läbipaistvuse nõudmine ja tõelist tõhusust demonstreerivate pakkujate toetamine loob paremaid stiimuleid kui eksitavate statistika jagamine.

Väiksema mõjuga alternatiiv: avatud lähtekoodiga tehisintellekt

Mudeli valik mõjutab keskkonnamõju rohkem, kui enamik kasutajaid arvab. Arutlusmudelid nagu o3 ja DeepSeek-R1 ületavad 29 Wh pika viipe kohta, üle 65 korda väiksemate mudelite tarbimisest. Sobiva suurusega mudelite valimine tegelike vajaduste jaoks vähendab ressursikasutust ilma kasulikkust ohverdamata. Avatud lähtekoodiga mudelid töötavad sagel jaotatumal, tõhusamal infrastruktuuril kui massiivsed omandilised süsteemid.

Miks avatud lähtekoodiga mudelid kasutavad vähem vett

Hiljised innovatsioonid avatud lähtekoodiga tehisintellektis on dramaatiliselt parandanud tõhusust arhitektuuride nagu Mixture-of-Experts (MoE) kaudu. Selle asemel, et käivitada kogu mudel iga sõna jaoks, aktiveerivad need mudelid ainult väikese osa võrgust. Näiteks hiljutine avatud lähtekoodiga mudel MiniMax M2.5 omab 230 miljardit parameetrit, kuid aktiveerib järelduse ajal vaid umbes 10 miljardit (4,3%). Samamoodi GLM-5 sisaldab 744 miljardit parameetrit, kuid aktiveerib vaid 40 miljardit.

See tähendab, et nende võimekate avatud lähtekoodiga mudelite käitamine nõuab oluliselt vähem arvutusvõimsust, energiat ja lõpuks jahutusvett võrreldes massiivsete tihedate mudelitega, mis aktiveerivad sadu miljardeid parameetreid iga tokeni jaoks. GDPR-iga vastavate tehisintellekti valikute mõistmine viib sageli nende väga tõhusate alternatiivide avastamiseni, mis pakuvad võrdväärseid äritulemusi murdosa ressursijalajäljest.

Proovige DentroChati: Euroopa jätkusuutlik tehisintellekti valik

Euroopa andmekeskused töötavad tavaliselt jahedamates kliimades puhtamate energiavõrkudega, vähendades nii vee- kui süsinikujalajälge. Näiteks suured Põhjamaade andmekeskuste operaatorid nagu atNorth teatavad vee kasutamise efektiivsusest (WUE) vaid 0,1 liitrit kWh kohta. Palju madalam kui tööstuse keskmine 1,8 L/kWh. Lisaks taaskasutavad rajatised Soomes, Islandil ja Rootsis aktiivselt serveri soojust kaugkütte ja toiduainete tootmise jaoks, mitte ei aurusta vett.

DentroChat käitab avatud lähtekoodiga mudeleid Euroopa infrastruktuuril, pakkudes väiksema mõjuga alternatiivi GPT-le või Claude’ile kasutajatele, kellele jätkusuutlikkus loeb koos privaatsusega. Tõhusate mudelite, soodsate asukohtade ja läbipaistvate tegevuste kombinatsioon esindab seda, milline võib olla vastutustundlik tehisintellekti juurutamine.