Generelt bør man som den svenske professor Hans Rosling pegede på, være glad for den tid, som vi lever i. På næsten alle traditionelle måder at måle verden på, så er verden blevet et bedre sted. Men det betyder ikke, at alle teknologiske nyskabelser er gode og altid gør verden bedre. Kunstig intelligens, der er sidste skud på stammen i informationsteknologiens fremmarch, er ingen undtagelse. Mens kunstig intelligens har et enormt potentiale for at gøre verden bedre, så er der berettiget bekymringer om den.
En bekymring som ofte fremhæves på vores lille del af kloden, er det klimatryk som kunstig intelligens medfører. For det er et faktum, at kunstig intelligens er forbundet med et større energiforbrug. Træningen af store sprogmodeller og billedgeneratorer kræver betydelige mængder beregningskraft, og selv når modellerne er trænet, forbruges der energi ved hver eneste anmodning. Forskere som f.eks. Strubelldokumenterede for år tilbage, at enkelte modeltræninger er forbundet med betydelige CO₂-udledninger. Senere undersøgelser viser, at datacentre i dag optager en voksende andel af verdens elforbrug, og at AI-arbejdsbyrder er en af de vigtigste drivere i denne stigning. Det internationale energiagentur IEA vurderer, at elforbruget fra datacentre globalt ligger i hundreder af terawatt-timer årligt, og at det kan mere end fordobles frem mod 2030, hvis nuværende investerings- og efterspørgselsspor fortsætter; AI tegner sig for en væsentlig del af denne vækst.
Energi er ikke det eneste input. Vandforbrug til køling og strømproduktion er en overset dimension. Nyere analyser anslår, at både træning og drift kan være forbundet med store mængder ferskvand, og at AI’s globale vandaftryk kan blive betydeligt i de kommende år, hvis udviklingen fortsætter uændret. Vigtigst er pointeringen, at vandaftrykket varierer markant efter tid og sted; den samme arbejdsbyrde kan have vidt forskellig miljøprofil afhængigt af strømkilde og kølingsmetode på det pågældende site.
Men samtidig er det let at overdrive. Som den amerikanske professor Patterson pegede på, så overestimere nogle af de tidlige bud på, hvad det ville kræve at træne og anvende kunstig inteligens energiforbruget, ikke bare lidt, men meget, som i en faktor 17.000 for højt. Men at kunstig intelligens hurtigt bliver mere energieffektivt, kan i sig selv sagtens føre til et større klimaaftryk.
Den engelsk økonom Jevons påpegede tilbage i 1800-tallet at den højere effektivitet i brugen af en kul førte til et højere samlet forbrug, ganske simpelthen fordi nytten blev desto meget bedre. – er blevet et nøglebegreb i miljøøkonomien og står som en vedvarende advarsel i teknologioptimistiske perioder. Anvender vi Jevons på AI, er risikoen, at mere effektive modeller og billigere inference blot udløser flere anvendelser, som samlet set øger energiforbruget, selv hvis hver enkelt forespørgsel er blevet billigere.
Det er et faktum, at kunstig intelligens, som al andet elektronik, har behov for store mængder af energi, og at energi har det med at medføre co2-udledninger. Det amerikanske energiministerium anslår at om 3 år vil kunstig intelligens stå for 5% af det amerikanske elektricitetsforbrug. Generelt kunne man let forstille sig et lignede billede for resten af verden, og så taler vi om et forventet øget co2 udledning på 2½ milliard tons om året, hvilket er 60 gange Danmark’s nuværende årlige udledning. Det virker således overvejende sandsynligt at kunstig intelligens vil føre til et øget energiforbrug, præcist som det skete med EDB-maskiner, laptops og smartphones, da de i sin tid dukkede op.
Men hvis man kigger ned fra det overordnede billede til det enkelte forbrug, så er det fristende at pege på enkle sammenligninger. Problemet er bare, at flere af dem er vildledende. En populær analogi har været, at en enkelt prompt til en stor sprogmodel “svarer til en kop kaffe”. Men den slags sammenligninger er metodisk skrøbelige, dels fordi energi pr. prompt varierer med modelstørrelse, batch-størrelse, hardware og udnyttelsesgrad, men så sandelig også fordi man ofte sammenligner produktionsomkostninger for en kop kaffe med livscyklustal for en sprogmodel.
Det generelle problem ved sammenligninger er, at de ofte er forudsætningstunge. Hvis du f.eks. sammenligner en benzinbil med en elbil, så er bilens levetid en væsentlig faktor. Mens en benzinbil har løbende udledning af co2, så udleder selve produktionen af elbiler betydeligt mere end en benzinbil. Hvis du altså tror på, at bilerne kan holde i 20 år, så udleder en elbil mere co2 end en elbil, og omvendt hvis du tror på at bilerne bliver skrottet efter 10 år.
Ofte kommer der også en sammenligning som man kunne “menneske versus maskine”-altså hvis man selv løste en opgave, såsom at skrive en e-mail fremfor at prompte ChatGPT om en e-mail. Men sammenligner du her æbler med æbler? En tekstarbejdsopgave løst af et enkelt menneske forbruger relativt lidt marginal energi, mens en AI-baseret løsning ofte muliggør masseproduktion af indhold i en skala. Forudsætninger driller igen, og hvis opgaven pludselig blev ”skriv 100 individuelle e-mails”, så kunne man let forstille sig at energiforbruget fra en kunstig intelligens ville være lavere.
Et andet aspekt er at ønsket om global co2-reduktion i praksis er begrænset til Europa og enkelte tidligere europæiske kolonier. Tag f.eks. de europæiske lukninger af kulkraftværker. For hvert kulkraftværk, der er blevet lukket i Europa over de sidste 10 år, så har Kina bygget 5 nye af samme størrelse.
Det er ikke fordi at Kina og resten af den globale mellemklasse ikke tro, at Co2-udledninger er noget godt, men mere fordi den herskende holdning er udenfor Europa er, at folk som Bjørn Lomborg har ret i, at de problemer som klimaforandringer kommer til at skabe, vil koste mindre at fikse end at reducere udledningen i dag.
Heller ikke i USA er klima højt på dagsorden. Hvis demokraterne virkelig troede på, at den globale Co2-udledning skulle nedbringes for enhver pris, så ville de juble over Trumps deportationer, der flytter folk fra et samfund med høj co2-udledning til samfund med en lavere co2-udledning, men det gør de som bekendt ikke.
Set helt oppe i helikopterperspektivet, er vi ude i den idéhistoriske debat om hvorvidt vækst er en god ting. Går man tilbage til den klassiske kritik fra Malthus, så var hans tese var, at befolkningen vokser geometrisk og ressourcer aritmetisk, hvorfor vi burde forvente hungersnød og sult. Malthus’s grundtanke om begrænsede resurser lever stadigvæk og har det godt i slogans som ”der er kun en klode”. Den knap så kendte danske økonom Edith Boserup formulerede derimod idéen om, at knaphed driver innovation; presset tvinger os til at intensivere, optimere og reorganisere praksisser. Er der mangel på land, så inddæmmer man nyt land fra hav, moser og sumpe. Er der mangel på kobber, så vil man anvende substituerende materialer. Debatten mellem de to idealer kan virke abstrakt, men det er et faktum, at op til nu har Malthus’ ide om at vi løber tør for resurser sådan helt generelt været forkert.
Kritikken af kunstig intelligens som en teknologi, der accelererer ressourceforbruget, øger el-efterspørgslen og dermed forstærker klimakrisen, er i bund og grund en klassisk kritik af vækst, der overskrider naturens bæreevne, nu blot i digital form. På den anden side kan man, med Boserups briller, se AI som en kilde til innovation, der netop bliver udviklet og anvendt under pres. Klimaforandringer skaber behovet for smartere energistyring, mere præcis produktion og effektivisering af logistiksystemer – områder hvor kunstig intelligens allerede viser lovende resultater.
Tager vi jubelhatten på, så kan AI blive en nøgleaktør i den grønne omstilling. For eksempel kan machine learning-algoritmer optimere elnettet ved at balancere udbud og efterspørgsel i realtid, hvilket muliggør en større andel af vedvarende energi, der ellers er karakteriseret ved ustabilitet. Andre fremhæver potentialet i præcisionslandbrug, hvor billedgenkendelse og sensorintegration gør det muligt at reducere gødnings- og pesticidforbruget markant. Endelig har transportsektoren vist, at AI kan optimere ruter og lastfordeling, hvilket fører til mindre brændstofforbrug.
Derfor kan det være nyttigt at se på AI’s klimapotentiale som en form for nødvendighed frem for et valg. For mens EU diskuterer reguleringer, må vi erkende, at resten af verden egentlig ikke synes at have noget større ønske om at reducere deres udledninger i samme omfang. USA, Indien, Rusland og Kina udleder hver især mere CO₂ end hele EU, og der er intet, der tyder på, at de lande for alvor vil drosle ned på deres forbrug. Tværtimod bliver væksten i energibehovet i disse økonomier en drivkraft for mere kunstig intelligens, fordi AI netop tilbyder nye lag af effektivisering, produktivitet og kontrol.
Fra et dansk eller europæisk perspektiv, så kommer vi til – uanset vores egen kurs – at skulle agere i en global virkelighed, hvor kunstig intelligens ikke bare vinder frem, men bliver en integreret del af den globale økonomi. Og her ligger måske det største håb. For selvom AI trækker på ressourcer, kan de samme teknologier bruges til at presse CO₂-udledninger ned i sektorer, hvor det ellers er svært: styring af energinet, logistik, landbrug, byggeri og industriproduktion. Lidt sat på spidsen: hvis AI kan gøre stålproduktion blot få procent mere energieffektiv i Kina, eller mindske madspild i Indien gennem bedre logistik, så kan klimaeffekten være langt større end enhver europæisk energibesparelse på datacentre.
En realistisk tilgang til kunstig intelligens må tage udgangspunkt i, at teknologien ikke bare forsvinder. At håbe på en verden med mindre kunstig intelligens er naivt; opgaven er i stedet at finde måder at leve i en verden med mere.
At bekymre sig om elforbrug fra kunstig intelligens i Danmark svarer til at bekymre sig om vandspild fra en dryppende hane, mens der går en dæmning på i stykker længere oppe ad floden. Hvis du brænder for kunstig intelligens, så drop klima-angsten og stil dig selv et mere fornuftigt spørgsmål: hvordan kan jeg bruge kunstig intelligens til at skabe reel værdi for mennesker og virksomheder? Svaret på det spørgsmål er langt vigtigere end endnu et debatindlæg om datacentres strømforbrug.
Follow Me