A mesterséges intelligencia több áramot fogyaszt, mint a Bitcoin.

Alex de Vries-Gao kutatása szerint egyes mesterséges intelligencia modellek annyi áramot fogyasztanak, mint egy egész ország. Fotó: TheVerge .

Egy új elemzés szerint a mesterséges intelligencia (MI) hamarosan meghaladhatja a Bitcoin bányászatot energiafogyasztás tekintetében. A tanulmány arra a következtetésre jutott, hogy a MI 2025 végére a globális adatközpontok által fogyasztott teljes villamosenergia-mennyiség közel felét használhatja fel.

Ezek a becslések Alex de Vries-Gaótól, az Amszterdami Egyetem Vrije Környezettudományi Intézetének kutatójától származnak, ahol a kriptovaluták áramfogyasztását és környezeti hatását követi nyomon. Legújabb, a mesterséges intelligencia növekvő áramigényéről szóló kommentárja a Joule folyóiratban jelent meg a múlt héten.

"Minél nagyobb, annál jobb"

Jelenleg a mesterséges intelligencia becslések szerint az adatközpontok által felhasznált villamos energia akár 20%-át is teszi ki. De Vries-Gao elemzése szerint, amely a speciális mesterséges intelligencia chipek ellátási láncára vonatkozó előrejelzéseken alapul (a technológiai vállalatoktól származó konkrét adatok hiánya miatt), ez a fogyasztás gyorsan növekszik, a hatékonyság javulása ellenére.

De Vries-Gao egykor úgy gondolta, hogy az energiaigényes technológiákkal kapcsolatos kutatások véget érhetnek az Ethereum The Merge-dzsel. A ChatGPT megjelenése azonban új irányba terelte kutatási fókuszát. Az elemző feltűnő hasonlóságokat lát a mesterséges intelligencia fejlődése és a kriptovaluta-piacok energiaigénye között.

„Amikor megjelent a ChatGPT, azt gondoltam: »Úristen, megint.« Ez egy újabb technológia, ami rengeteg energiát fogyaszt, különösen a rendkívül versenyképes piacokon” – osztotta meg a The Verge- nek.

A mesterséges intelligencia iparág egyre több energiát fog igényelni a verseny miatt. Fotó: SciTechDaily.

Egy kulcsfontosságú közös vonás a két iparágban uralkodó „minél nagyobb, annál jobb” gondolkodásmód. „Látjuk, hogy a technológiai vállalatok folyamatosan bővítik modelljeiket, hogy a lehető legjobb alkalmazásokat hozzák létre. Ez azonban egyben növeli az erőforrások iránti igényt is” – magyarázza De Vries-Gao.

Ennek a trendnek a követése az új mesterséges intelligencia adatközpontok fellendüléséhez vezetett, különösen az Egyesült Államokban. Ez vezetett ahhoz a tervhez, hogy több gáztüzelésű erőművet és atomreaktort építsenek a növekvő villamosenergia-igény kielégítése érdekében.

A hirtelen megnövekedett villamosenergia-kereslet jelentős nyomást gyakorolhat a hálózatra, és akadályozhatja a tisztább energiaforrásokra való átállást, hasonlóan a kriptovaluta-bányászat által okozott kihívásokhoz. Egy másik hasonlóság az ilyen technológiák villamosenergia-fogyasztásának és környezeti hatásának pontos felmérésének nehézsége. Míg a nagy technológiai vállalatok beszámolnak a szén-dioxid-kibocsátásukról, ritkán szolgáltatnak konkrét adatokat a saját mesterséges intelligenciájukról.

A probléma megoldására De Vries-Gao egy „triangulációs” technikát alkalmazott. Az eszközökről nyilvánosan elérhető információkat, elemzői becsléseket és vállalatok bevételi jelentéseit használta fel a gyártandó hardveregységek számának és az általuk fogyasztott energia mennyiségének előrejelzésére.

Azt is megjegyezte, hogy a Taiwan Semiconductor Manufacturing Company (TSMC), egy jelentős mesterséges intelligencia chip gyártó, több mint kétszeresére növelte mesterséges intelligencia chip gyártási kapacitását 2023 és 2024 között.

Előrejelzések és bizonytalanságok a jövőben

De Vries-Gao becslése szerint 2024-re a mesterséges intelligencia Hollandia teljes áramfogyasztásának megfelelő mennyiségű áramot fogyasztott. 2025 végére ez a szám elérheti az Egyesült Királyságét, a mesterséges intelligencia villamosenergia-igénye pedig elérheti a 23 gigawattot (GW).

Az ICF tanácsadó cég egy külön jelentése azt is előrejelzi, hogy az Egyesült Államok villamosenergia-kereslete 2030-ra 25%-kal fog növekedni. Ezt a növekedést elsősorban a mesterséges intelligencia, az adatközpontok és a Bitcoin-bányászat vezérli.

Ezen előrejelzések ellenére a mesterséges intelligencia energiafogyasztásának pontos meghatározása továbbra is összetett. A környezeti hatás számos tényezőtől függően jelentősen eltér, például a szükséges feldolgozás típusától, a mesterséges intelligencia modell méretétől és a helyi hálózat áramellátásától függően.

Az Ethereum áramfogyasztása 99,988%-kal csökkent, miután a Bitcoinhoz képest energiahatékonyabb tranzakció-érvényesítési módszerre váltott. Fotó: SCMP.

Például a Nyugat-Virginia adatközpontjai által feldolgozott mesterséges intelligencia alapú eszközök használata közel kétszer annyi szén-dioxid-kibocsátást eredményezhet, mint Kalifornia. Ez a két állam közötti megújulóenergia-felhasználásbeli különbségeknek köszönhető.

De Vries-Gao úgy véli, hogy a technológiai vállalatoknak nagyobb átláthatóságra van szükségük. „Az, hogy ennyi bonyolult lépésen kell keresztülmenni egy becsléshez, valóban abszurd. Nem szabadna nevetségesen nehéznek lennie, de sajnos az” – osztotta meg.

A jövőre nézve, az energiahatékonyság javulása továbbra is nyitott kérdés. Míg egyes MI-modellek, mint például a DeepSeeké, jelentősen alacsonyabb energiafogyasztást állítanak, mint mások, a kérdés az, hogy a vállalatok vajon a hatékonyságot helyezik-e előtérbe a „minél nagyobb, annál jobb” trenddel szemben.

A Jevons-paradoxon kockázata – ahol a megnövekedett hatékonyság a megnövekedett használat miatt magasabb összfogyasztáshoz vezet – szintén jelen van. Jobb mérőszámok és átláthatóság nélkül a mesterséges intelligencia által fogyasztott energia kezelése komoly kihívást jelent majd.

Forrás: https://znews.vn/ai-co-the-tieu-thu-dien-nhieu-hon-bitcoin-vao-cuoi-nam-2025-post1556958.html