Πίσω από τις αστραπιαίες απαντήσεις του ChatGPT και τις εντυπωσιακές εικόνες που παράγουν τα μοντέλα διάχυσης, κρύβεται μια αθέατη και εξαιρετικά δαπανηρή πραγματικότητα: μια κολοσσιαία κατανάλωση φυσικών πόρων. Ενώ ο δημόσιος διάλογος επικεντρώνεται συχνά στους κινδύνους της AI για την απασχόληση ή την παραπληροφόρηση, μια νέα έκθεση από το Πανεπιστήμιο των Ηνωμένων Εθνών (UNU-INWEH) φέρνει στο φως μια πιο άμεση, υπαρξιακή απειλή. Έως το 2030, η Τεχνητή Νοημοσύνη αναμένεται να καταναλώνει ποσότητες νερού ικανές να καλύψουν τις ανάγκες 1,3 δισεκατομμυρίων ανθρώπων — περίπου το 1/6 του παγκόσμιου πληθυσμού.
Η αθέατη υποδομή και το κόστος της ψύξης
Γιατί όμως η AI «διψάει» τόσο πολύ; Η απάντηση βρίσκεται στα κέντρα δεδομένων (data centers), τις τεράστιες εγκαταστάσεις που στεγάζουν χιλιάδες επεξεργαστές GPU (Graphics Processing Units). Αυτά τα τσιπ, απαραίτητα για την εκπαίδευση και τη λειτουργία των Μεγάλων Γλωσσικών Μοντέλων (LLMs), παράγουν τεράστιες ποσότητες θερμότητας. Για να αποφευχθεί η υπερθέρμανση και η καταστροφή του εξοπλισμού, απαιτούνται εξελιγμένα συστήματα ψύξης. Τα περισσότερα από αυτά βασίζονται στην εξάτμιση νερού, μια μέθοδο που είναι ενεργειακά αποδοτική αλλά υδροβόρα.
Σύμφωνα με την έκθεση, κάθε φορά που ένας χρήστης υποβάλλει μια σειρά από 10 έως 50 ερωτήσεις σε ένα μοντέλο όπως το GPT-4, το σύστημα «καταναλώνει» περίπου μισό λίτρο νερού. Αν πολλαπλασιάσουμε αυτόν τον αριθμό με τα δισεκατομμύρια των καθημερινών αλληλεπιδράσεων παγκοσμίως, αντιλαμβανόμαστε το μέγεθος του προβλήματος. Η κατανάλωση δεν περιορίζεται μόνο στην άμεση ψύξη, αλλά επεκτείνεται και στην παραγωγή της ηλεκτρικής ενέργειας που τροφοδοτεί αυτά τα κέντρα, η οποία συχνά απαιτεί νερό για τους υδροηλεκτρικούς σταθμούς ή για την ψύξη θερμοηλεκτρικών μονάδων.
Γεωπολιτικές εντάσεις και τοπικές κοινωνίες
Το ζήτημα δεν είναι μόνο ποσοτικό αλλά και γεωγραφικό. Πολλά από τα μεγαλύτερα data centers του κόσμου βρίσκονται σε περιοχές που ήδη αντιμετωπίζουν λειψυδρία. Στην Αριζόνα των ΗΠΑ, για παράδειγμα, η επέκταση των εγκαταστάσεων τεχνολογικών κολοσσών έχει προκαλέσει έντονες αντιδράσεις από τις τοπικές κοινότητες, καθώς η βιομηχανική χρήση νερού ανταγωνίζεται την οικιακή και την αγροτική κατανάλωση. Η έκθεση του ΟΗΕ προειδοποιεί ότι αν δεν υπάρξει αυστηρό ρυθμιστικό πλαίσιο, η «κούρσα εξοπλισμών» στην AI θα μπορούσε να επιδεινώσει την παγκόσμια κρίση νερού, πλήττοντας δυσανάλογα τις αναπτυσσόμενες χώρες όπου οι υποδομές είναι ήδη εύθραυστες.
Επιπλέον, η ενεργειακή ζήτηση της AI αναμένεται να αυξηθεί κατά 160% έως το 2030. Αυτή η αλματώδης αύξηση απειλεί να ακυρώσει τις προσπάθειες για την πράσινη μετάβαση, καθώς οι εταιρείες τεχνολογίας στρέφονται συχνά σε οποιαδήποτε διαθέσιμη πηγή ενέργειας, συμπεριλαμβανομένων των ορυκτών καυσίμων, για να καλύψουν το κενό που αφήνουν οι ανανεώσιμες πηγές κατά τις ώρες αιχμής.
Εταιρική ευθύνη: Υποσχέσεις vs Πραγματικότητα
Οι μεγάλοι παίκτες της Silicon Valley — Microsoft, Google και Meta — έχουν δεσμευτεί να γίνουν «water positive» έως το 2030, δηλαδή να επιστρέφουν στο περιβάλλον περισσότερο νερό από όσο καταναλώνουν. Ωστόσο, οι επικριτές επισημαίνουν ότι αυτές οι δεσμεύσεις βασίζονται συχνά σε λογιστικά τεχνάσματα και αντισταθμιστικά οφέλη (offsets) που δεν λύνουν το πρόβλημα της τοπικής έλλειψης νερού. Η διαφάνεια παραμένει ένα σημαντικό αγκάθι, καθώς οι εταιρείες σπάνια αποκαλύπτουν τα ακριβή δεδομένα κατανάλωσης ανά εγκατάσταση, επικαλούμενες το εμπορικό απόρρητο.
Η λύση απαιτεί μια ριζική επανεκτίμηση του τρόπου με τον οποίο σχεδιάζουμε την τεχνολογία. Η στροφή προς την «πράσινη AI» (Green AI) δεν αφορά μόνο τη χρήση ανανεώσιμων πηγών ενέργειας, αλλά και τη δημιουργία πιο αποδοτικών αλγορίθμων που απαιτούν λιγότερη υπολογιστική ισχύ. Παράλληλα, η υιοθέτηση συστημάτων ψύξης κλειστού κυκλώματος, που ανακυκλώνουν το νερό αντί να το εξατμίζουν, είναι επιβεβλημένη, παρά το υψηλότερο κόστος εγκατάστασης.
Συμπέρασμα: Η ψηφιακή πρόοδος σε έναν πεπερασμένο πλανήτη
Η έκθεση του Πανεπιστημίου των Ηνωμένων Εθνών αποτελεί μια προειδοποιητική βολή. Η Τεχνητή Νοημοσύνη έχει τη δυνατότητα να επιλύσει μερικά από τα δυσκολότερα προβλήματα της ανθρωπότητας, από την ιατρική διάγνωση μέχρι την κλιματική μοντελοποίηση. Όμως, αν το κόστος αυτής της προόδου είναι η εξάντληση των πηγών της ζωής, τότε το τίμημα είναι υπερβολικά υψηλό. Η βιωσιμότητα δεν μπορεί να είναι μια δευτερεύουσα σκέψη ή ένα τμήμα στο ετήσιο report εταιρικής κοινωνικής ευθύνης· πρέπει να αποτελέσει τον πυρήνα της αρχιτεκτονικής της AI.
