Umjetna inteligencija transformira naš svijet nezamislivom brzinom, donoseći inovacije koje mijenjaju način na koji radimo i živimo. No, uz sav taj potencijal, prirodno dolaze i novi izazovi. Jedan od značajnijih, o kojem se sve više govori u tehnološkim krugovima, je energetska potreba AI-a. Nedavno istraživanje baca svjetlo na ovu temu, nudeći zanimljivu perspektivu.
Energetska utakmica: AI protiv Bitcoina
Prema novoj analizi, čini se da bi AI do kraja 2025. godine mogao trošiti više energije od Bitcoin mininga. Alex de Vries-Gao, istraživač koji godinama prati potrošnju energije kriptovaluta, sada usmjerava pažnju na AI. Procjene sugeriraju da bi AI mogao koristiti blizu polovice ukupne električne energije koju troše data centri globalno do kraja 2025.
Ova je brojka značajna. Dok je Bitcoin mining bio poznat po svojoj velikoj potrošnji, razvoj AI-a, posebno velikih jezičnih modela poput ChatGPT-a, pokrenuo je novu energetsku utrku. Mentalitet “veće je bolje” u razvoju modela neizbježno vodi ka većim zahtjevima za resursima.
Izazovi mjerenja i transparentnosti
Točan iznos potrošnje energije AI-a teško je utvrditi jer velike tehnološke kompanije ne objavljuju specifične podatke. Istraživači poput de Vries-Gao moraju koristiti metode “triangulacije”, temeljeći procjene na javno dostupnim detaljima uređaja, analitičkim procjenama i izvješćima kompanija. Na primjer, proizvodnja čipova za AI (poput onih koje proizvodi TSMC za Nvidiju i AMD) značajno je porasla.
Procjenjuje se da je prošle godine AI trošio otprilike onoliko električne energije koliko i cijela Nizozemska. Predviđanja za kraj 2025. govore o potrošnji koja bi mogla doseći razinu Ujedinjenog Kraljevstva (23GW).
Utjecaj na infrastrukturu i okoliš
Rast potražnje za električnom energijom, potaknut AI-em i data centrima, stvara pritisak na elektroenergetske mreže. Energetske kompanije planiraju izgradnju novih postrojenja, uključujući ona na plin i nuklearna postrojenja, kako bi zadovoljile tu potražnju. Ovi nagli skokovi mogu otežati prijelaz na čišće izvore energije. Iako mnoge tehnološke kompanije imaju ciljeve održivosti, nedostatak specifičnih podataka o potrošnji AI-a otežava praćenje i upravljanje utjecajem na okoliš.
Put naprijed: Učinkovitost i odgovornost
Budućnost energetske potrošnje AI-a je neizvjesna. Hoće li poboljšanja u učinkovitosti modela s vremenom izravnati krivulju potražnje? Primjeri poput DeepSeekovog modela, koji navodno koristi djelić energije Meta-inog Llama 3.1, pokazuju da postoji potencijal za razvoj manje energetski zahtjevnih rješenja. Pitanje je hoće li industrija prioritizirati učinkovitost nad pukim povećanjem veličine modela.
Postoji i rizik Jevonsovog paradoksa – da će veća učinkovitost dovesti do veće i šire upotrebe tehnologije, što će u konačnici povećati ukupnu potrošnju. Bez transparentnijeg pristupa podacima o potrošnji, bit će teško učinkovito upravljati ovim izazovom.
Ova situacija naglašava važnost usmjerenosti na održivi razvoj i transparentnost u AI industriji. Napredak u AI-u ne smije doći pod cijenu neodrživog opterećenja naših energetskih sustava.




