A  Kreatív újságírójának, Tiszóczi Rolandnak a cikkéből kiderül, hogy  a népszerű mesterségesintelligencia-alkalmazások egy egyszerűbb szöveges válasz elkészítéséhez átlagosan annyi energiát használnak fel, amennyiből egy elektromos biciklivel bőven átszelhetünk hosszában egy futballpályát, méghozzá tekerés nélkül. A videók létrehozása viszont lényegesen több energiát zabál a szöveges válaszoknál: egy néhány másodperces videó generálása is a több százszorosát felemészti annak. Ez pedig nagyjából annyi, mintha ugyanazzal a bringával Budapestről Székesfehérvárig vitetnénk magunkat, vagy mikróban egy egész vacsorát megfőzhetnénk. 

Noha az OpenAI ChatGPT, a Google Gemini, az Anthropic Claude és más alkalmazások zárt forráskódúak, a kulcsfontosságú műszaki paramétereiket pedig az őket gyártó vállalatok üzleti titoknak tekintik és féltve őrzik, az MIT kutatóinak azonban bonyolult számításokkal sikerült megbecsülni a szöveges, képi és videós válaszok energiafelhasználását. 

A kutatók a számításaikat nyílt forráskódú MI-modellek energiafelhasználására alapozták. Az eljárás lényege az volt, hogy a Meta Llama különböző modelljeinek energiaigényét vizsgálták, amelyből következtethetünk más, zárt modellek fogyasztására is. 

Vizsgálatukat a Llama 3.1 8B modellel kezdték, amely a legkisebb, 8 milliárd paramétert használó modell. A paraméter itt lényegében azt jelenti, hogy az MI-modellnek ennyi állítható „gombja” van, ezekkel tud előrejelzéseket készíteni, például arra vonatkozóan, hogy a válaszban mi legyen a következő szó, az adatbázis mintáiból kiindulva. 

Amikor különböző szöveggeneráló kérésekkel (prompt) tesztelték, például egy isztambuli útiterv összeállításával vagy a kvantumszámítás magyarázatával, a modellnek válaszonként körülbelül 57 joule-ra volt szüksége a grafikus processzorok (GPU) működtetéséhez, míg a hűtést és egyéb CPU számításokat is figyelembe véve ennek dupláját, 114 joule-t használt fel. 

Ez nem tűnik soknak – körülbelül annyi, amennyit egy átlagos elektromos kerékpár 1,8 méter alatt vagy egy 800 wattos mikrohullámú sütő egy tizedmásodperc alatt fogyaszt.

A szöveges válaszok generálása során a Llama 3.1 405B volt a legnagyobb modell, amit a tudósok vizsgáltak, ez 50-szer több paraméterrel rendelkezik, mint a korábban említett verzió. A több paraméter általában jobb válaszokat jelent, de minden egyes válaszhoz több energiára van szükség. Ennek a modellnek átlagosan összesen 6706 joule-ra volt szüksége minden egyes válaszhoz. 

Ez elég ahhoz, hogy egy embert körülbelül 122 méterre elvigyen egy e-bicikli, vagy nyolc másodpercig működtessen egy mikrohullámú sütőt.

A modell mérete nagyban befolyásolja, hogy mennyi áramot használ, ugyanis a nagyobb modellhez több chipet kell működtetni, amelyek mindegyike növeli az energiaigényt. Az MIT által tesztelt legnagyobb modell 405 milliárd paramétert tartalmaz, de mások, például a DeepSeek, ennél jóval többet, több mint 600 milliárd paramétert. A zárt forráskódú modellek paramétereinek számát nem hozzák nyilvánosságra, csak becsülni lehet. A GPT-4o becslések szerint több mint 1000 milliárd paraméterrel rendelkezik. 

Természetesen a kérések bonyolultsága is erősen befolyásolja, hogy mennyi áramot használ a rendszer. Az egyszerűek, például, hogy mondjon néhány viccet, sok esetben kilencszer kevesebb energiát használtak fel, mint a kreatív történetek vagy receptötletek megírására vonatkozó bonyolultabb kérések – állítják a kutatók.

Ha azonban csupán abból indulunk ki, hogy a ChatGPT GPT-4o modelljének becslésekben szereplő több mint 1000 milliárd paraméterét arányosítjuk a Llama 3.1 405B modell 405 milliárd paraméteréhez és annak 6706 joule-os fogyasztásához, akkor azt kapjuk, hogy a GPT-4o egy egyszerűbb szöveges válasz elkészítéséhez átlagosan annyi energiát használhat fel, amennyit egy elektromos bicikli tekerés nélkül 300 méter alatt, vagy egy mikrohullámú sütő 20 másodperc melegítéssel, azaz nagyjából 16 ezer joule-t.

Ettől merőben eltérő értékre jutott azonban az Epoch AI nevű mesterségesintelligencia-kutató cég, ez pedig valószínűleg részben a fenti okokra vezethető vissza. Februárban közzétettek egy becslést arról, hogy mennyi energiát használ fel egyetlen ChatGPT-lekérdezés, és arra jutottak, hogy üzenetenként körülbelül 0,3 wattórát, azaz 1080 joule-t. Ez az MIT kutatóinak a legkisebb és a legnagyobb Meta Llama modellre vonatkozó becslései közé esik, és feltehetően jelentősen alábecsült érték.

Az azonban bizonyos, hogy a ChatGPT jelenleg az ötödik leglátogatottabb weboldal a világon, közvetlenül az Instagram után és az X előtt. Decemberben az OpenAI azt állította, hogy a ChatGPT-re naponta egymilliárd üzenet érkezik, és miután a vállalat márciusban elindított egy új képgenerátort, azt közölte, hogy az emberek naponta 78 millió képet generálnak vele, a japán Studio Ghibli animációs filmjeinek stílusát idéző portréktól a saját magukat Barbie babaként ábrázoló képekig.

Mindezek alapján, ha csak az Epoch AI konzervatív becslését vesszük alapul, akkor is napi egymilliárd ilyen ChatGPT szöveges üzenet egy év alatt több mint 109 gigawattóra villamos energiát fogyaszt, ami elég lenne 10 400 amerikai háztartás egy éven át történő ellátásához. Ehhez adódnak még a képek és a videók.

Ennyi energiát zabál egyetlen kép generálása

A képeket és videókat generáló mesterségesintelligencia-modellek más architektúrával, úgynevezett diffúzióval dolgoznak. Ahelyett, hogy egymást követő szavakat jósolnának meg, megtanulják a képek kontúrjait és mintáit, és ezt az információt több millió vagy milliárd paraméterben tárolják. 

Egy adott diffúziós modell által igényelt energia nem függ attól, hogy milyen képet kérünk tőle – egy homokdűnéken síelőt ábrázoló kép generálása ugyanannyi energiát igényel, mint egy, a Marson gazdálkodó űrhajós képének elkészítése. Az energiaszükséglet e helyett a modell méretétől, a kép felbontásától és a diffúziós folyamat „lépéseinek” számától függ (a több lépés jobb minőséget eredményez, de több energiát igényel).

Egy szabványos minőségű kép (1024 x 1024 pixel) generálása a Stable Diffusion 3 Medium, vezető nyílt forráskódú képgenerátorral, 2 milliárd paraméterrel, körülbelül 1141 joule GPU energiát, és nagyjából ugyanennyi CPU, hűtési és egyéb energiát, azaz összesen 2282 joule becsült energiát igényel – számolták ki az MIT kutatói. A képminőség javítása a diffúziós lépések számának megduplázásával közel kétszeresére növeli a szükséges energiát, körülbelül 4402 joule-ra. 

Ez körülbelül 76 méter megtételének felel meg egy e-bringán, vagy körülbelül öt és fél másodpercnek a mikrohullámú sütő működtetésénél. 

Meglepő lehet, de a kép generálása a szöveges modelleknél kevesebb energiát emészt fel. Erre az a magyarázat, hogy a szöveggel ellentétben a képgenerátorok kevesebb paraméterrel dolgoznak. Azonban így is, ha csupán egyetlen szolgáltató, a ChatGPT napi 78 millió legenerált képével számolunk, az is évente 35 gigawattórát jelent, ami egy évig 3300 amerikai háztartás teljes áramellátásához elegendő.

A videók készítése sokkal több energiát éget

Az OpenAI tavaly mutatta be a Sora nevű eszközét, amellyel egészen valósnak tűnő videókat készíthetünk MI segítségével. További zárt forráskódú videomodellek is megjelentek, például a Google Veo2 és az Adobe Firefly.

Tekintettel arra, hogy e modellek betanítása irgalmatlan mennyiségű pénzt és hatalmas adatbázist igényel, nem meglepő, hogy az ingyenesen használható, nyílt forráskódú modellek általában jócskán elmaradnak minőségben. A kutatók szerint az egyik legjobb nyílt forráskódú modell a CogVideoX, amelyet a Zhipu AI nevű kínai startup és a pekingi Tsinghua Egyetem kutatói készítettek.

A modell novemberben kiadott változata öt másodperces videókat képes készíteni másodpercenként 16 képkocka sebességgel (ez a képkockasebesség nem nagy felbontású, ilyet használtak Hollywood némafilmes korszakában egészen az 1920-as évek végéig). Egy 5 másodperces videó elkészítése körülbelül 3,4 millió joule-t emészt fel, ami több mint 770-szerese a jó minőségű kép előállításához szükséges energiának. 

Ez egyenértékű azzal, mintha 61 kilométert vitetnénk magunkat egy elektromos biciklivel, vagy több mint egy órán keresztül működtetnénk egy mikrohullámú sütőt.

A vezető MI-videógenerátorok, amelyek igencsak realisztikus, akár 30 másodperces videókat is képesek készíteni, lényegesen több, akár több százszor ennyi energiát is elhasználhatnak. Ha pedig ezek a modellek később olyan funkciókat is kapnak, amelyek lehetővé teszik a videók egyes elemeinek finomhangolását és több felvétel összeillesztését jelenetekké, az tovább növeli az energiaigényüket. 

Mennyi energiát fogyasztunk, ha az MI-t használjuk a munkánkhoz? 

Az MIT kutatói plasztikus példát hoznak: felteszik, hogy valaki jótékonysági futóként maratont fut, és adománygyűjtést szervez az ügye támogatására. Az illető feltesz egy mesterségesintelligencia-modellnek 15 kérdést az adománygyűjtés legjobb módjáról.

Ezt követően tíz kísérletet tesz a szórólaphoz szükséges kép elkészítésére, mielőtt olyan képet kap, amellyel elégedett, és háromszor próbálkozik egy öt másodperces videóval, amelyet az Instagramra tesz fel.

Mindezzel nagyjából 2,9 kilowattóra elektromos áramot használna, ami elég ahhoz, hogy több mint 

160 kilométert vitesse magát egy e-biciklin, vagy 16 kilométert utazzon egy elektromos autóval, netán arra, hogy több mint három és fél órán keresztül működtesse a mikrohullámú sütőt.

Mennyivel nőtt eddig az adatközpontok fogyasztása?

Bár a kutatók megbecsülték a nyelvi modellekhez intézett egy-egy lekérdezés energiaigényét, ugyanakkor azt is hangsúlyozzák, hogy a való életben ezt nem lehet úgy meghatározni, mint egy autó üzemanyag-fogyasztását vagy egy mosogatógép energiahatékonyságát. Hiszen a modell típusa és mérete, a generált válasz típusa, valamint számtalan, a felhasználó által nem befolyásolható változó miatt – például, hogy a világ melyik adatközpontja dolgozza fel a kérést, milyen energiahálózat csatlakozik ahhoz az adatközponthoz, és a nap melyik szakában történik a feldolgozás – az egyik lekérdezés sokszorosan energiaigényesebb és károsanyag-kibocsátóbb lehet egy másiknál.

Az azonban bizonyos, hogy a fejlettebb és összetettebb modellek megjelenésével a szükséges számítási kapacitás is nőni fog, amelyet – bár a hardvertechnológia is fejlődik közben – az adatközpontok csak sokkal több energia felhasználásával lesznek képesek kiszolgálni. Holott az Egyesült Államokban már ma is az összes felhasznált villamos energia 4,4 százaléka az adatközpontokra megy, ami 2028-ra megháromszorozódhat. Ekkorra pedig az amerikai adatközpontokba kerülő áram több mint felét kizárólag az MI működtetésére fordítják majd, és az MI egymaga annyi áramot fogyaszthat el, mint az összes amerikai háztartás 22 százaléka – állítja az amerikai energiaügyi minisztérium. 

Ez annyi károsanyag-kibocsátást okoz, mintha több mint 483 milliárd kilométert vezetnénk – azaz több mint 1600 alakalommal megtennénk az oda-vissza utat a Föld és a Nap között.

Eközben úgy tűnik, hogy az MI-használatunkat, ha akarnánk se nagyon tudnánk visszafogni, ugyanis mára szinte minden webes alkalmazás futtat valamilyen mesterséges intelligencia szolgáltatást a háttérben, amit akkor is használunk, ha nem is tudunk róla, vagy észre se vesszük, lásd például a prediktív gépelést. Még ennek fényében is jogos azonban a kérdés, hogy a nagy technológiai cégek fejlődése a közelmúltban miért nem okozott ilyen villamosenergia-éhséget, és az MI elterjedése pedig miért okoz ekkorát?

2005 és 2017 között az adatközpontokba kerülő villamos energia mennyisége a hatékonyság növekedésének köszönhetően nagyjából változatlan maradt, annak ellenére, hogy a felhőalapú online szolgáltatások – a Facebooktól a Netflixig – térhódítását kiszolgáló új adatközpontok seregei épültek. A mesterséges intelligencia 2017-ben kezdett mindent megváltoztatni. Noha banki biztonsági rendszerek, adóhatóságok, városi közlekedést irányító szoftverek és más professzionális alkalmazások már ezt megelőzően is használták az MI-technológiát. 2017-től viszont elkezdtek kifejezetten a mesterséges intelligenciához tervezett energiaigényes hardverekkel felszerelt adatközpontokat építeni. Ennek következtében 2023-ra megduplázódott azok áramfogyasztása, jelenleg pedig – ahogy imént említettük – 

az Egyesült Államokban a villamos energia 4,4 százaléka már az adatközpontokra megy, ami Magyarország éves teljes villamosenergia-felhasználásának a négyszerese.

 Eközben kifejezetten az MI-specifikus szerverek a becslések szerint 53 és 76 terawattóra közötti árammennyiséget használnak fel évente, ami önmagában hazánk teljes fogyasztásának nagyjából másfélszerese.

Az USA teljes áramfogyasztásából az adatközpontokra fordított 4,4 százalék persze jóval magasabb arány, mint más országokban (a világátlag az IEA szerint egy százalék körül van jelenleg), ugyanis az összes nagy adatközpont közel fele az Egyesült Államokban található. Egyes becslések szerint az USA-ban nagyjából 3000, más kalkulációk szerint 5400 – és csak az Észak-Virginia régióban több száz – ilyen adatközpontot üzemeltetnek a felhőszolgáltatásokat nyújtó technológiai óriások, például az Alphabet, Amazon vagy a Microsoft, melyeket aztán MI-startupoknak is bérbe adnak. Annyi bizonyos, hogy egyre több adatközpontot a mesterséges intelligencia működtetésére használnak, azt azonban nem tudni, hogy pontosan hányat, mivel az ilyen létesítményekre vonatkozó információk titkosak.

Összehasonlításképpen érdemes tudni, hogy Magyarországon csupán néhány tucat komolyabb adatközpont üzemel. Sőt, a DataCenterMap oldalon mindössze 19 adatközpont szerepel országos szinten, köztük Budapesten 14. Az Internet Society Pulse jelentése pedig ennél is kevesebb, csak 6 aktív adatközpontról ír. Persze nehéz meghatározni, hogy mi tekinthető nagyobb adatközpontnak. Erre alkalmazható esetleg az Uptime Institute által kiadott Tier-minősítés, amely az adatközpontok megbízhatóságát és rendelkezésre állását szavatolja, négy osztályba sorolva. Ezek közül a két magasabb osztályzat takar valóban komoly technológiai hátteret, ilyenből viszont az említettnél is kevesebb van. Hazánkban egyetlen minősített Tier IV adatközpont sem üzemel, míg Tier III is csupán kettő, az Invitech Solutions DC-10 Kozma utcai létesítménye, valamint a MAVIR Gӧd Data Center. Persze számos más szolgáltató is állítja, hogy adatközpontjaik Tier III-as specifikációk szerint épültek, vagy Tier III-nak megfelelőek, de hivatalos Uptime Institute tanúsítvánnyal nem rendelkeznek. 

Hazánkban ennek megfelelően a nagyobb adatközpontok csupán néhány tized százalékát teszik ki a teljes villamosenergia-felhasználásnak, bár erre vonatkozó hivatalos adatok nem állnak rendelkezésre – állítja a Kreatív által megkérdezett energiakereskedelmi szakértő. Hozzáteszi, hogy mindezzel érdekes kontrasztba állítható Írország példája, ahova a nagy technológiai cégek sorra telepítették európai központjaikat, ezért ott 2023-ban az elfogyasztott villamos energia 21 százalékát az adatközpontok zabálták fel, és ez az arány 2027-re várhatóan 31 százalékra emelkedik, miközben 2015-ban még „csak” öt százalék volt. 

Az igazi robbanás csak most jön

Sőt, az energiafogyasztás növekedését – több kutató szerint – az eddig látottak alapján még csak megbecsülni sem igazán lehet. Az eddigi előrejelzések ugyanis még az egyedi lekérdezések növekvő számával kalkulálnak, és nem arra a közeljövőre vonatkoznak, amelyben egészen máshogy fogjuk használni a mesterséges intelligenciát: nem kérdéseket gépelünk majd naponta egy-két alkalommal, vagy fotókat készíttetünk velük, hanem a mesterséges intelligencia „ügynökök” látnak majd el helyettünk feladatokat, anélkül hogy minden lépésüket felügyelnünk kellene. A modellekkel napi több órát is beszélgetünk majd, miközben a telefonunk kameráját videomódban a környezetünkre irányítjuk. Összetett feladatokat fogunk átadni az úgynevezett „érvelő modelleknek”, amelyek logikusan dolgozzák fel a feladatokat, de már a mai becslések szerint is 43-szor több energiát igényelnek majd a jelenlegi verzióknál. Lesznek olyan MI-modelleink, amelyek a mi adatainkon és preferenciáinkon való tréningezéssel „személyre szabottá” alakíthatók. 

Ezzel párhuzamosan az MI-modelleket az ügyfélszolgálati telefonvonalaktól kezdve az orvosi rendelőkig mindenhová beépítik, és ezzel rohamosan növelik a mesterséges intelligencia részesedését az energiafogyasztásban.

Az MI-adatközpontok tuningolt motorja, amely a brutális fogyasztásért felelős

A mesterséges intelligencia modelleket az adatközpontokban olyan szerverklaszterekre töltik fel, amelyek speciális chipeket, úgynevezett grafikus feldolgozóegységeket (GPU-kat) tartalmaznak. Leginkább az MI-feladatokhoz, nagy erőforrás-igényű számításokhoz tervezett és az Nvidia által gyártott, H100 nevű modellt használják, valamint két évvel korábbi elődjét, az A100-as chipet.

A H100-asokat 2022 októberében kezdték el szállítani, mindössze egy hónappal azelőtt, hogy a ChatGPT elindult a nyilvánosság számára. A H100-asok eladásai azóta szárnyalnak, és mivel a vállalat a felturbózott chipek és a legtöbb MI-adatközpont szoftveres ökoszisztémájának is a tervezője, ezért nem csoda, hogy rendszeresen a világ legértékesebb tőzsdén jegyzett vállalatának számít.

A H100-asokat 2025-től fokozatosan a legújabb Blackwell modellek váltják. A 208 milliárd tranzisztoros Blackwell chip a korábbi, 80 milliárd tranzisztorból álló H100-as generációhoz képest akár 25-szörösére növeli a mesterséges intelligencia működéséhez szükséges számítások teljesítményét ugyanakkora energiafelhasználás mellett. Ugyanakkor idén elérhető már a kifejezetten a nagy nyelvi modellek és a generatív MI-rendszerek képzésére és futtatására optimalizált GB200 Superchip is, amely két Blackwell GPU-t és egy Grace CPU-t integrál, közöttük pedig nagy sávszélességű NVLink összeköttetés biztosítja a kommunikációt.

Annak ellenére, hogy ezek a chipek egyre kevesebb energia felhasználásával képesek egyre több számítást elvégezni, mégsem csökken az adatközpontok energiaigénye, mivel az MI-modellek is egyre bonyolultabbá válnak, és egyre szélesebb körben használjuk az MI-t. Egy MI-modell akár egy tucat GPU-n is elfér, de a nagy adatközpontokban, klaszterekben akár több 10 ezer ilyen chip is összekapcsolódhat, amelyek CPU-kkal, hűtőberendezésekkel, kábelekkel kiegészülve fogyasztják az energiát. (A Microsoft egy 2024-es, a nagy nyelvi modellek energiahatékonyságát elemző tanulmánya szerint a GPU által felhasznált energia mennyiségének megduplázása hozzávetőleges becslést ad az MI-műveletek teljes energiaigényére, a CPU-kkal, hűtéssel stb. együtt.)

Mit mond az MI-ről a Jevons-paradoxon?

Hiába nő tehát a hardverek hatékonysága, az energiafelhasználás mégis növekszik. Ezt a jelenséget írja le a Jevons-paradoxon – mondta el kérdésünkre Moldvay Tamás filozófus, mesterségesintelligencia-kutató. A jelenség lényege, hogy a technológiai fejlődés által elért hatékonyságnövekedésből bár az következne, hogy bizonyos erőforrásokból (pl. villamos energia, üzemanyag) kevesebbet használhatunk fel, ennek mégis a fordítottja következik be – azaz növekszik a kereslet, és az összfogyasztás is meglódul.

A hatást William Stanley Jevons brit közgazdász írta le 1865-ben. Azt figyelte meg, hogy az angol iparban a gőzgépek hatékonyságnövekedése nem csökkentette a szénfogyasztást, hanem éppen növelte: mivel olcsóbb és gazdaságosabb lett a gőzgépek használata, így szélesebb körben kezdték alkalmazni azokat, ezáltal még több szenet használtak. A jelenséget később rengeteg más területen is megfigyelték. A Jevons-paradoxont szokták felhozni azokkal a technooptimista gondolkodókkal szemben, akik szerint mindent meg kell tennünk a technológiai fejlődés és annak felgyorsítása érdekében – különösen a mesterséges intelligencia területén, az ugyanis szerintük a globális kihívások kezelésének univerzális eszköze lehet. Feltéve, ha megoldható lenne az MI fenntartható energiaellátása, ami viszont egyelőre kivitelezhetetlennek tűnik.

Akkora az MI energiaigénye, hogy újraindítják az USA legsúlyosabb atomkatasztrófájának erőművét is

Az OpenAI vezérigazgatója, Sam Altman és Donald Trump amerikai elnök január végén jelentették be a Stargate projektet, amelynek célja egy hatalmas MI infrastruktúra kiépítése, ennek részeként pedig az első szuperkomputeres adatközpont építése Texasban, Abilene-ben. A Microsoft, az Oracle, a SoftBank és az MGX egyesült arab emírségekbeli befektetési vállalat közötti együttműködés keretében 500 milliárd dollárt szánnak a rendszerre a következő négy évben, amely így az egyik legdrágább magánfinanszírozású kezdeményezés a történelemben. 

A Stargate projekt 10 darab, egyenként egy baseballstadion méretű adatközpontból áll majd, amelynek becsült teljesítménye elérheti a 15 gigawattot, ami hatalmas mennyiségű áramot igényel. A projekt méretét jól mutatja, hogy ha a rendszer teljes kapacitáson működne, akkor éves áramfogyasztása közel háromszorosa lenne Magyarországénak, ami 2024-ben 44,7 TWh volt. A tervek szerint később a projekt globális léptékű kezdeményezéssé bővülne, és a világ más országaiban is létrehoznának ilyen adatközpontokat, például Japánban és az Egyesült Arab Emírségekben (UAE). Ez utóbbiban be is jelentettek egy Stargate UAE klasztert, amely várhatóan 2026-ban indul el egy gigawatt kapacitással.

Persze más bombasztikus bejelentések is voltak idén. Az Apple sem szeretne lemaradni a licitben, ezért szintén azt közölte, hogy a következő négy évben 500 milliárd dollárt kíván költeni az Egyesült Államokban gyártásra és adatközpontokra. A Google pedig arra számít, hogy csak 2025-ben, egy év alatt 75 milliárd dollárt költ kizárólag a mesterséges intelligencia infrastruktúrájára.

A vezető MI-vállalatok lépései, hogy atomerőműveket indítanak újra és soha nem látott méretű adatközpontokat építenek, azt sugallják, hogy olyannak látják a jövőt, amelyben az MI sokkal több energiát fogyaszt majd, mint azt a jelenlegi típusú egyedi lekérdezések növekvő számából meg tudjuk becsülni. 

A legnagyobb visszhangot a Microsoft terve váltotta ki, amely 2028-ban kívánja újra működésbe hozni a hírhedt Three Mile Island (TMI) atomerőmű 1-es blokkját Pennsylvaniában. Ez az a létesítmény, amelynek 2-es blokkja 1979-ben az USA történetének legsúlyosabb, radioaktív kibocsátással járó atombalesetének helyszíne volt. Az újraindítást a Microsoft és az üzemeltető Constellation Energy együttműködése teszi lehetővé, amely húsz évre szóló áramvásárlási szerződést biztosít a techóriás számára.

A Constellation mintegy 1,6 milliárd dollárt költ az erőmű felújítására, és a projekt jelentős szövetségi adókedvezményekre is támaszkodik, így közpénz is támogatja a magáncégek energiaellátását. A kritikusok szerint ez torzítja a piacot, miközben a Microsoft által felhasznált áram a koránt sem bivalyerős régiós hálózat terheltségét is növeli.

Nem a Microsoft azonban az egyetlen, amely az atomenergiában látja a megoldást. Az Amazon 650 millió dollárért vásárolt egy atomerőműhöz kapcsolódó adatközpontot Pennsylvaniában, az Oracle pedig kis moduláris reaktorokkal tervez saját adatközpontokat üzemeltetni, miként korábban ezt a Google is bejelentette. Emellett a Duane Arnold Energy Center Iowában és a Palisades atomerőmű Michiganben szintén az újraindítás küszöbén áll – előbbit részben adatközpontok energiaellátására szánják, utóbbit az állam klímacéljainak elérése érdekében támogatják jelentős állami és szövetségi pénzekkel. Persze a Microsoft próbál mindenkin túllicitálni, ezért már most szerződést kötött fúziós erőműből származó tiszta és olcsó energia megvásárlására, már ha sikerül azt egyáltalán megvalósítani. 

Komoly vállalások is születtek már nukleáris témában. A nagy technológiai vállalatok, köztük a Meta, az Amazon és a Google a fosszilis tüzelőanyagok problémájára úgy reagáltak, hogy március közepén bejelentették, több nukleáris energiát fognak használni. Ez a három cég csatlakozott ahhoz a Large Energy Users Pledge néven ismert kezdeményezéshez, hogy 2050-ig megháromszorozzák a világ nukleáris kapacitását. Ez az első alkalom Amerikában, hogy a nukleáris szektoron kívüli nagyvállalatok nyilvánosan kiálltak a nukleáris energia jelentős bővítése mellett.

Közben a trend hátulütői is egyre világosabbak: a kritikusok szerint az MI-fejlesztések energiaéhsége fenntarthatatlan, és ahelyett, hogy a techcégek monopolizálnák a kibocsátásmentes energiát, inkább magának az MI működésének fenntarthatóságán kellene dolgozniuk. Ráadásul az atomenergia bár nagyrészt mentes a károsanyag-kibocsátástól, koránt sem mentes a kockázatoktól, a nukleáris hulladék kezelésének problémája pedig továbbra sem megoldott. 

Mivel az új nukleáris létesítmények megvalósítása évtizedekig is eltarthat, az MI növekvő energiaigénye közben a fosszilis energiák fogyasztását jelentősen növeli. Ezt jól mutatja, hogy az adatközpontok által felhasznált villamos energia szén-dioxid-intenzitása 48 százalékkal volt magasabb az amerikai átlagnál, mivel folyamatosan működnek, akkor is, amikor a tisztább energiaforrások nem állnak rendelkezésre. Holott az USA-ban amúgy sem túl rózsás a helyzet: 2024-ben a fosszilis tüzelőanyagok, beleértve a földgázt és a szenet, a villamosenergia-ellátás közel 60 százalékára rúgtak, a nukleáris energia körülbelül 20 százalékot tett ki, a fennmaradó 20 százaléknak pedig a megújuló energiaforrások keveréke volt a fő forrása.

Az MI berobbanása tehát az emissziócsökkentési célokat – és alapvetően a környezetünket – igencsak veszélyezteti, miközben a tisztaenergia-piacot is torzíthatja azzal, hogy a techcégek kiszorítják onnan a lakosságot és más iparágakat. A mesterséges intelligencia forradalmának költségeit ugyanakkor az embereknek is bőven meg kell majd fizetniük, a többi között a növekvő áramkereslet miatt egyre magasabbra szökő villanyszámlák formájában is.

Noha itt-ott felsejlik, hova vezethet mindez, sok mindent nem látunk még – miközben a technológiai óriások nagyrészt hallgatnak a részletekről. Az azonban egyértelmű, hogy az MI nemcsak a technológiát, hanem az energiaellátást és a körülöttünk lévő világot is vészes sebességgel átformáló erő. Kérdés, hogyan fogjuk ezt kordában tartani, hogy ne emésszen fel mindent. És ki tudjuk-e majd húzni a dugót a konnektorból, mielőtt az emberi faj túlélése kerülne veszélybe?

Forrás: Kreatív 

A borírókép illusztráció, forrás: Adobe Stock