„Je pravdepodobné, že celá planéta bude pokrytá solárnymi panelmi a dátovými centrami“. Takto vyjadril spoluzakladateľ spoločnosti OpenAI Ilya Sutskever pred niekoľkými rokmi svoju pochmúrnu predpoveď o možnom vývoji umelej inteligencie. Energetika a umelá inteligencia je previazaná viac, než by sme si mohli na prvý pohľad myslieť.
Služby ako ChatGPT od OpenAI či Llama 3 od spoločnosti Meta môžu fungovať len vďaka obrovským dátovým centrám a výpočtovej technike, ktoré sú náročné na spotrebu elektriny.
Pre lepšiu predstavu: e-mail s rozsahom sto slov vygenerovaný pomocou umelej inteligencie ChatGPT 4 spotrebuje 0,14 kilowatthodín elektriny, čo je ekvivalent toho, čo spáli 14 LED žiariviek počas jednej hodiny.
Prirátajme si k tomu požiadavky miliónov ľudí z celého sveta a výsledkom je veľké zvýšenie dopytu po elektrine.
Do roku 2030 by sa globálny dopyt po energii z dátových centier – primárne poháňaný umelou inteligenciou – mohol zvýšiť o 18 až 20 percent ročne a dosiahnuť viac ako tisíc terawatthodín (TWh), uvádza štúdia Goldman Sachs.
Toto množstvo zodpovedá takmer štvrtine súčasného dopytu po energii v USA. Nečudo, veď len jeden projekt dátového centra Meta v americkej Louisiane počíta s rozlohou 900 hektárov a spotrebou 2,23 GWh – to je ekvivalent odberu elektriny asi dvoch miliónoch domácností.
Žrút elektriny
Aby vedeli jazykové modely ľuďom zefektívniť prácu, pri vývoji prechádzajú trénovaním. A práve to je veľmi energeticky náročné.
„Trénovanie modelov AI je energeticky náročné kvôli potrebe spracovávať veľké množstvo dát a vykonávať komplexné výpočty na výkonných hardvérových zariadeniach,“ tvrdí pre Forbes Róbert Gašparovič, vedúci advokát advokátskej kancelárie Havel & Partners a predseda správnej rady ASAI, Asociácie pre AI.
Upozorňuje, že počet potrebných operácií pri trénovaní modelov AI, ako aj spotreba energie v dátových centrách, sa môže pohybovať v rozsahu stoviek, a možno až tisícok megawatthodín.
Svet tak stojí pred náročnou výzvou. Na jednej strane bude musieť uspokojiť rastúce energetické potreby umelej inteligencie a na druhej zvýšiť efektivitu a prechod na bezemisné zdroje energie. Dobrou správou je, že umelá inteligencia vie pomôcť aj so zvýšením energetickej efektívnosti.
„Môže napríklad optimalizovať rozvod elektrickej energie, predpovedať spotrebu v reálnom čase, zlepšiť riadenie výroby a distribúcie alebo pomôcť pri riadení spotreby v domácnostiach a priemysle, čím môže znížiť celkovú spotrebu energie,“ vymenúva Gašparovič.
Spotreba elektriny sa tak bude pravdepodobne aj v dôsledku používania umelej inteligencie v najbližších rokoch zvyšovať. Na druhej strane vďaka mnohým novým nástrojom AI dokážeme elektrinu aj šetriť.
Efektívnejšie modely
A potom tu máme ešte jeden faktor: čínska spoločnosť DeepSeek s jej jazykovým modelom R1 zbúrala predstavu o tom, že čím väčší je výpočtový výkon a čím rozsiahlejšie je dátové centrum, tým lepšie výsledky dosiahne AI model. Čínska firma ukázala, že modely môžu byť efektívnejšie aj pri nižšej spotrebe energie.
Podľa analytika XTB Mareka Nemkyho by táto zmena mohla viesť investorov k prehodnoteniu očakávaného dopytu po elektrickej energii potrebnej na prevádzku systémov umelej inteligencie, čo by mohlo naznačovať, že zisky energetických spoločností nebudú až také vysoké, ako sa pôvodne očakávalo.
Na druhej strane ale odborník poukazuje aj na takzvaný Jevonsov paradox. Ten hovorí, že ak sa niečo vyrába efektívnejšie, nemusí to nevyhnutne viesť aj ku znížení spotreby elektrickej energie.
Ako príklad uvádza analytik vývoj parného stroja – jeho efektívnejšie využívanie uhlia neznížilo dopyt po tomto zdroji. Naopak, zvýšená popularita parného stroja viedla k vyššej spotrebe uhlia. „Podobný vývoj môže nastať aj v prípade AI technológií,“ dodáva.
