Τα AI data centers θα καταναλώνουν περισσότερο νερό απ’ ό,τι η Ανθρωπότητα!

Σύνοψη

• Η κατανάλωση ηλεκτρικής ενέργειας από υποδομές Τεχνητής Νοημοσύνης αναμένεται να διπλασιαστεί, φτάνοντας τις 945 TWh (3% της παγκόσμιας χρήσης) έως το 2030.
• Τα συστήματα ψύξης των AI Data Centers θα απαιτούν 9,3 τρισεκατομμύρια λίτρα νερού ετησίως, μέγεθος που ξεπερνά τις ετήσιες ανάγκες πόσιμου νερού ολόκληρου του ανθρώπινου πληθυσμού.
• Οι απαραίτητες εγκαταστάσεις θα καταλαμβάνουν εκτάσεις γης άνω των 14.500 τετραγωνικών χιλιομέτρων, δημιουργώντας νέα δεδομένα για τον παγκόσμιο σχεδιασμό υποδομών.
• Η μετάβαση σε «πράσινες» μορφές ενέργειας (π.χ. βιοενέργεια) μειώνει τις εκπομπές άνθρακα, αλλά αυξάνει δραματικά τη χρήση νερού. Παράλληλα, η βελτίωση της απόδοσης των μοντέλων αυξάνει τη συνολική χρήση (Jevons Paradox), ακυρώνοντας την όποια εξοικονόμηση.

Η ραγδαία ανάπτυξη των μεγάλων γλωσσικών μοντέλων (LLMs) και των εργαλείων παραγωγικής Τεχνητής Νοημοσύνης απαιτεί τεράστιους υπολογιστικούς πόρους, δημιουργώντας ένα δυσανάλογο και συχνά αθέατο κόστος για τους φυσικούς πόρους του πλανήτη. 

Μια νέα, αναλυτική έκθεση του Ινστιτούτου του ΟΗΕ για το Νερό, το Περιβάλλον και την Υγεία (UNU-INWEH) φέρνει στο φως τα πραγματικά δεδομένα πίσω από τη λειτουργία των Data Centers, καταρρίπτοντας τον μύθο του άυλου ψηφιακού περιβάλλοντος. Η μελέτη εστιάζει στην τριπλή επιβάρυνση: κατανάλωση ενέργειας, χρήση υδάτινων πόρων και κατάληψη γης.

Ποιο είναι το πραγματικό περιβαλλοντικό κόστος της Τεχνητής Νοημοσύνης;

Σύμφωνα με την έκθεση του ΟΗΕ, το περιβαλλοντικό κόστος της Τεχνητής Νοημοσύνης υπολογίζεται σε 945 TWh ενέργειας και 9,3 τρισεκατομμύρια λίτρα νερού ετησίως έως το 2030. Η λειτουργία των AI Data Centers καταναλώνει πόρους που αντιστοιχούν στο 3% της παγκόσμιας ηλεκτρικής ενέργειας, υπερβαίνοντας τις ανάγκες πόσιμου νερού ολόκληρης της ανθρωπότητας, ενώ απαιτεί εκτάσεις γης άνω των 14.500 τετραγωνικών χιλιομέτρων.

Η παραγωγή και η συντήρηση συστημάτων Τεχνητής Νοημοσύνης δεν είναι απλώς κώδικας, αλλά μια βαριά βιομηχανική διαδικασία. Σύμφωνα με τα στοιχεία, τα παγκόσμια Data Centers κατανάλωσαν περίπου 448 Terawatt-hours (TWh) ηλεκτρικής ενέργειας το 2025. Ο αριθμός αυτός αναμένεται να υπερδιπλασιαστεί αγγίζοντας τις 945 TWh μέχρι το τέλος της δεκαετίας.

Για να γίνει κατανοητό το μέγεθος, η ενέργεια αυτή θα αρκούσε για να καλυφθούν οι ανάγκες 1,3 δισεκατομμυρίων ανθρώπων στην Υποσαχάρια Αφρική για περισσότερα από πέντε χρόνια. Σήμερα, εφαρμογές όπως το ChatGPT διαχειρίζονται περίπου 2,5 δισεκατομμύρια ερωτήματα καθημερινά. Μόνο η διαδικασία εξαγωγής συμπερασμάτων ευθύνεται για το 80% έως 90% της ενέργειας που δαπανά το AI, μεταφραζόμενη σε ετήσια χρήση 383 Gigawatt-hours.

Ενώ οι εκπομπές διοξειδίου του άνθρακα μονοπωλούν τον δημόσιο διάλογο, η κατανάλωση νερού αποτελεί τη μεγαλύτερη σιωπηλή απειλή. Τα συστήματα Τεχνητής Νοημοσύνης απαιτούν τεράστιες ποσότητες νερού, όχι μόνο για την άμεση ψύξη των servers, αλλά και έμμεσα, μέσω των μονάδων παραγωγής ηλεκτρικής ενέργειας που τα τροφοδοτούν.

Η έκθεση εκτιμά ότι μέχρι το 2030, οι υποδομές αυτές θα αφαιρούν από τον πλανήτη 9,3 τρισεκατομμύρια λίτρα νερού. Οι ερευνητές τονίζουν ότι οι αντλήσεις αυτές γίνονται συχνά σε περιοχές με ήδη επιβαρυμένους υδροφόρους ορίζοντες. Ακόμη και αν μέρος αυτού του νερού επιστρέφει στο περιβάλλον, η διαδικασία εξαντλεί τα τοπικά οικοσυστήματα.

Το παράδοξο του Jevons και το οπτικό σφάλμα του άνθρακα

Η απάντηση της βιομηχανίας επικεντρώνεται συνήθως στη βελτιστοποίηση των αλγορίθμων και τη μετάβαση σε Ανανεώσιμες Πηγές Ενέργειας (ΑΠΕ). Εδώ, ωστόσο, υπεισέρχεται μια κρίσιμη παράμετρος της οικονομικής θεωρίας: το Jevons Paradox. Η αρχή αυτή ορίζει ότι καθώς η τεχνολογία βελτιώνει την αποδοτικότητα χρήσης ενός πόρου, το συνολικό κόστος λειτουργίας μειώνεται. Αυτό καθιστά το προϊόν πιο προσιτό, αυξάνοντας γεωμετρικά τη ζήτηση και οδηγώντας τελικά σε αύξηση της συνολικής κατανάλωσης του πόρου. Η φθηνότερη και πιο αποδοτική Τεχνητή Νοημοσύνη δεν θα καταναλώνει λιγότερο, αλλά περισσότερο, καθώς θα ενσωματώνεται σε κάθε πτυχή της οικονομίας.

Παράλληλα, η έκθεση του ΟΗΕ επισημαίνει ότι η βελτίωση ενός δείκτη συχνά επιδεινώνει έναν άλλον. Για παράδειγμα, η μετάβαση από τον άνθρακα στην παραγωγή βιοενέργειας μπορεί να μειώσει τις εκπομπές CO₂ κατά 72%. Αντίστοιχα, όμως, πολλαπλασιάζει την κατανάλωση νερού κατά 30 φορές και διευρύνει τη χρήση γης κατά 100 φορές, δημιουργώντας έναν φαύλο κύκλο.