Tekoälyn vastuullisuus ja erityisesti sen energiankulutus on saanut suhteessa aiheen merkittävyyteen hyvin vähän huomiota. Osasyynä on varmasti se, etteivät isot teknologiafirmat halua kertoa julkisuuteen sellaisia tietoja, joiden perusteella esimerkiksi energiankulutusta voisi luotettavasti arvioida, saati sitten mitata konkreettisesti. Tekoälymallien arkkitehtuurin ja teknologisten ratkaisujen ollessa suljettuja, vastuullisuuden selvittäminen on vaikeaa. Mitä enemmän taloudellista tuottoa tekoälymalleilta on saatavissa, sitä vähemmän yritykset avaavat niiden taustoja. Tämä on johtanut siihen, että ulkopuolisten toimijoiden täytyy itse kokeilla eri mallien energiatehokkuutta eri tilanteissa. Näin ollen tiukkaa tutkimustietoa on tarjolla vielä hyvin niukasti.
Haluamme tässä tekstissä painottaa erityisesti sitä, minkälaisiin asioihin tekoälyn energiankäyttöön liittyen kannattaa nyt kiinnittää huomiota ja mihin voi ylipäänsä ottaa kantaa. Tekoäly ja energiatehokkuus eivät aina kulje käsi kädessä, mutta pelkkää pahistakaan tekoälystä ei ole syytä tehdä.
Tekoälymallien energiankulutus
Tekoälyn laajempi käyttö johtaa väistämättä teknologian energiankulutuksen kasvuun, vaikka jotkut tekoälyinnovaatiot vähentävätkin energiankulutusta. Kansainvälinen energiajärjestö IEA ennustaa, että tekoälyteollisuus voi kuluttaa vuonna 2026 kymmenen kertaa enemmän sähköä kuin vuonna 2023.
Esimerkiksi ChatGPT:n kirjautumissivulla oli 1,7 miljardia käyntiä lokakuussa 2023. Vaikka oletettaisiin, että jokainen käyttäjä tekisi vain yhden kyselyn, ylittäisivät käytön energiakustannukset koulutuksen kustannukset muutaman viikon tai vähintään kuukauden käytön jälkeen. Tämä arvio löytyy vuonna 2024 tehdystä tutkimuksesta. Vielä viime vuonna asiantuntijat puhuivat yhdellä suulla siitä, että kouluttaminen on tekoälyn eniten energiaa vievä vaihe.
ChatGPT-kysely vaatii keskimäärin lähes kymmenen kertaa enemmän sähköä kuin Google-haku: IEA mukaan yksi ChatGPT-kysely vaatii 2,9 wattituntia sähköä, kun taas Google-haku 0,3 wattituntia. Goldman Sachs Research arvioi , että tekoälyn aiheuttama datakeskusten energiankulutuksen kokonaiskasvu on vuosien 2023 ja 2030 välillä noin 200 terawattituntia vuodessa. Goldman Sachsin analyytikot ennustavat, että vuoteen 2028 mennessä tekoäly edustaa noin 19 % datakeskusten energiantarpeesta.
Viime vuosina esimerkiksi lohkoketjujen valtavasta energiankulutuksesta on puhuttu paljon ja joidenkin lohkoketjuteknologioiden muutokset ovat vähentäneet energiankulutusta todella merkittävästi. Mahtaako sama olla tekoälylläkin edessä alkuhuuman haihduttua?
Tekoälyn energiankulutuksen kasvu: Syyt ja seuraukset
Tekoälymallien kehittyessä, myös energiankulutus kasvaa. On realismia arvioida, että tekoälyn käytön kasvuun vaatimaan energiantarpeeseen ei pystytä vastaamaan kestävällä tavalla. Todennäköisesti fossiilista sähköntuotantoa joudutaan ajamaan ylös, koska vihreää sähköntuotantoa ei saada rakennettua riittävän nopeasti kasvavaan tarpeeseen nähden.
Tekoälyn energiankulutus edustaa tällä hetkellä vain pientä osaa teknologiasektorin sähkönkulutuksesta, joka on arviolta noin 2–3 % maailmanlaajuisista kokonaispäästöistä. Tämä tilanne on kuitenkin muuttumassa, kun yhä useammat organisaatiot alkavat hyödyntää tekoälyä tehokkuuden ja tuottavuuden lisäämiseksi. Datakeskukset ovat jo nyt merkittäviä sähkönkulutuksen kasvun ajureita monilla alueilla, kuten Yhdysvallat, EU (erityisesti Irlanti ja Tanska) ja Kiina.
Jatkossa, vuosien 2023 ja 2033 välillä, datakeskusten laajenemisen ja sähköistymisen kiihtymisen vuoksi Euroopan energiankulutus voi kasvaa 40 % ja mahdollisesti jopa 50 %, Goldman Sachs Researchin mukaan. Datakeskusten hiilidioksidipäästöt saattavat myös yli kaksinkertaistua vuosien 2022 ja 2030 välillä.
Hollantilainen tutkija Alex de Vries arvioi, että tekoälysektori saattaa kuluttaa 85-134 terawattituntia sähköä vuoteen 2027 mennessä, mikä vastaa noin 0,5 prosenttia maailmanlaajuisesta sähkönkulutuksesta. Tämä energiankulutus on samaa kokoluokkaa kuin esimerkiksi kryptovaluutan louhinnan tai PC-pelaamisen sähkönkäyttö, joten tekoälyn energiankulutus ei ole siinä mielessä poikkeuksellisen suuri muihin merkittäviin ilmiöihin verrattuna. Nämä kaikki yhdistettynä vievät kuitenkin ICT-alan energiankulutuksen suurimmaksi yksittäiseksi energiankuluttajaksi maailmassa.
Generative AI power demand -kuva, kuvan lähde: I/O Fund
Energiatehokkuuden ja -kulutuksen arvioiminen on mahdollista myös tekoälyn osalta
Datan määrä maailmassa tuplaantuu joka toinen vuosi. Kun tätä datamäärää pitää myös säilyttää ja käsitellä, kuluu valtavia määriä energiaa ja vettä servereiden ja muiden laitteiden toimintaan sekä jäähdyttämiseen.
Jos halutaan ymmärtää esimerkiksi generatiivisten tekoälyteknologioiden energiankulutusta, on hyvä ymmärtää se, mistä ja miten generatiivinen tekoäly koostuu sekä miten esimerkiksi koneoppimisen (ML = machine learning) hiilijalanjälki rakentuu. Tätä kautta on mahdollista myös tunnistaa ne kohdat, joissa voidaan toimia kestävämmällä tavalla. Mallin opettaminen luo oman hiilijalanjälkensä, samoin mallin käyttö lanseerauksen jälkeen ja lisäksi mukaan pitää lukea hiilijalanjälki kaikista niistä laitteista, joita tekoälyn tuotantoon tarvitaan.
Harvard Business Review:n (HBR) artikkeli viime vuodelta kertoo, miten generatiivisesta tekoälystä voi tehdä vihreämpää. Lista pitää sisällään yleisiä neuvoja siitä, miten isoja jo olemassa olevia tekoälymalleja tulee hyödyntää ja jatkojalostaa, miten kaikkien ei tule luoda omia mallejaan, sekä isoja malleja tulee hyödyntää vain silloin, kun siitä on selvästi hyötyä, eivätkä esimerkiksi pienemmät mallit riitä. HBR:n mukaan mallin käyttämiä energialähteitä tulee arvioida sekä liittää tekoälyyn liittyvät organisaation aktiviteetit osaksi hiilijalanjäljen laskentaa.
HBR:n neuvot eivät mene vielä kovin syvälle aiheeseen, mutta esimerkiksi vuoden 2024 puolella kompaktimmat tavat hyödyntää dataa ovat nousseet jo paljon enemmän keskusteluun ja moni asiantuntija tuntuu liputtavan niiden puolesta. Samoin moni kyseenalaistaa vahvasti sitäkin, missä kaikessa oikeasti edes tarvitsemme tai voimme tekoälyä todella hyödyntää.
Tekoäly-yritys Hugging Facen tutkija Sasha Luccioni sanoo haluavansa, että yritykset ottaisivat käyttöön energiatehokkuustähtiluokitukset tekoälymalleille, jolloin kuluttajat voisivat vertailla energiatehokkuutta samaan tapaan kuin kodinkoneiden osalta. Markkinoilla toimivat isot tekoäly-yhtiöt eivät nyt panosta läpinäkyvyyteen, mikä vaikeuttaa ratkaisevasti käyttäjien mahdollisuuksia tehdä vastuullisuuteen perustuvia valintoja esimerkiksi palveluntarjoajien välillä.
Nvidia, AMD ja Intel julkaisevat uuden sukupolven tekoälysiruja, joissa painotetaan aiempaa enemmän virrankulutusta laskentatehon ja muistin sijaan. Laskentateho ja energiankulutus kasvavat, mutta kestävän kehityksen saavuttamiseksi tarvitaan erikoistuneita laitteistoja, kuten 3D-siruja ja uusia jäähdytystekniikoita. Nvidia väittää esimerkiksi uuden "supersirunsa" tarjoavan 30-kertaisen suorituskyvyn parannuksen ja käyttävän silti 25 kertaa vähemmän energiaa.
Samalla kokonaisdatan käytön vähentäminen – mukaan lukien niin sanotun "pimeän datan" ongelman ratkaiseminen, eli datan, joka luodaan ja tallennetaan mutta jota ei koskaan enää käytetä – on tärkeää. Tekoälyn käytön valikoivampi lähestymistapa, kuten pienempien kielimallien käyttäminen vähemmän resurssi-intensiivisiin tehtäviin, auttaa myös. Tasapainon löytäminen suorituskyvyn, kustannusten ja tekoälytyökuormien hiilijalanjäljen välillä on avainasemassa.
Pienemmän, tiettyyn tehtävään räätälöidyn tekoälymallin käyttö voi olla kymmeniä kertoja tehokkaampaa kuin massiivisen, monikäyttöisen generatiivisen mallin käyttö. Kokonaisuudessa tulee miettiä realistisesti saavutettavaa hyötyä ja sitä, voiko sen saavuttaa vastuullisesti pienemmän mittakaavan ratkaisulla. Jos tarkkuus vastauksiin paranee laajalla kielimallilla 1–3 %, kannattaako sitä käyttää?
Yhteenveto ja tulevaisuuden näkymät
Jos poimii vain pahimmat esimerkit tekoälyn epäonnistumisista, voi helposti nähdä koko sektorin rahallisten ja energisten resurssien väärinkäyttönä. Mutta jos on esimerkiksi digipalveluiden kehittäjä, joka saa tekoälyn avulla tehokkaammin ratkaisuja aikaan, energiankäyttö voi tuntua hyvin perustellulta.
On vaikeaa nähdä tai aukottomasti perustella sitä, onko generatiivisen tekoälyn kokonaisvaikutus positiivinen vai negatiivinen, sillä tekoälyllä on myös erittäin hyvä mahdollisuus pienentää hiilijalanjälkeä useissa eri käyttökonteksteissa.
Hedge fund Elliot Managemet totesi elokuussa asiakkailleen lähettämässä viestissä, että tekoälyn osalta ”on vain vähän todellisia käyttökohteita, muutoin kuin kokousmuistioiden tiivistäminen, raporttien luominen ja tietokonekoodauksen avustaminen.” Sisältö muistutti aiemmin Goldman Sachsilta tullutta samankaltaista raporttia, jossa kyseenalaistettiin tekoälyn tuottavuushyödyt ja varoitettiin, että tuotto on todennäköisesti merkittävästi odotettua rajatumpaa. "Tekoälyteknologia on poikkeuksellisen kallista, ja kustannusten oikeuttamiseksi teknologian on pystyttävä ratkaisemaan monimutkaisia ongelmia, mihin sitä ei ole suunniteltu," toteaa Jim Covello, Goldman Sachsin Head of global equity research.
Ihmiset ja organisaatiot, jotka yrittävät olla tietoisia energiankulutuksestaan, saattavat tuntea olonsa neuvottomaksi. Vaikka ei aktiivisesti edes etsi tekoälytyökaluja, niitä voi olla vaikea välttää, koska ne sisällytetään nykyisin oletusominaisuuksina käyttöjärjestelmiin, verkkosovelluksiin ja päivittäisiin ohjelmistoihin. Näistä ominaisuuksista tulisikin voida halutessaan kieltäytyä.
Generatiivisen tekoälyn suurin panos päästöjen lisääntymiseen tulee sen rutiinikäytöstä. Vaikka mallien koulutuksen energiankulutus on ollut keskeinen tarkastelun kohde, yrityskäyttäjille mallin inferenssi, eli käyttäjän ohjaaminen ja mallin vastaukset, tulee vaikuttamaan enemmän.
Tutkimukset avaavat jatkuvasti enemmän tekoälyn energiankulutusta ja vastuullisuutta. Tuorein tutkimustieto vaikuttaa vievän siihen suuntaan, että päinvastoin kuin on luultu ja annettu ymmärtää, tekoälyn suurin energiankulutus ei tule kielimallien koulutuksesta vaan itseasiassa niiden käytöstä.
Kirjoittaja Ville Nordberg on tutkinut digitaalisten palveluiden vastuullisuutta vuodesta 2021 ja perustanut Trail Openers Oy:n luomaan vastuullisempaa ja energiatehokkaampaa digimaailmaa vuonna 2022. Ville haluaa tehdä työllään ja esimerkillään alan käytäntöjä kestävämmiksi. Ville on myös mukana kansallisessa Green Software standardointiryhmässä, joka tuottaa vihreämmän ohjelmistokehityksen standardia.
