Σύνοψη
- Η κατανάλωση ηλεκτρικής ενέργειας από υποδομές Τεχνητής Νοημοσύνης αναμένεται να διπλασιαστεί, φτάνοντας τις 945 TWh (3% της παγκόσμιας χρήσης) έως το 2030.
- Τα συστήματα ψύξης των AI Data Centers θα απαιτούν 9,3 τρισεκατομμύρια λίτρα νερού ετησίως, μέγεθος που ξεπερνά τις ετήσιες ανάγκες πόσιμου νερού ολόκληρου του ανθρώπινου πληθυσμού.
- Οι απαραίτητες εγκαταστάσεις θα καταλαμβάνουν εκτάσεις γης άνω των 14.500 τετραγωνικών χιλιομέτρων, δημιουργώντας νέα δεδομένα για τον παγκόσμιο σχεδιασμό υποδομών.
- Η μετάβαση σε «πράσινες» μορφές ενέργειας (π.χ. βιοενέργεια) μειώνει τις εκπομπές άνθρακα, αλλά αυξάνει δραματικά τη χρήση νερού. Παράλληλα, η βελτίωση της απόδοσης των μοντέλων αυξάνει τη συνολική χρήση (Jevons Paradox), ακυρώνοντας την όποια εξοικονόμηση.
Η ραγδαία ανάπτυξη των μεγάλων γλωσσικών μοντέλων (LLMs) και των εργαλείων παραγωγικής Τεχνητής Νοημοσύνης απαιτεί τεράστιους υπολογιστικούς πόρους, δημιουργώντας ένα δυσανάλογο και συχνά αθέατο κόστος για τους φυσικούς πόρους του πλανήτη.
Μια νέα, αναλυτική έκθεση του Ινστιτούτου του ΟΗΕ για το Νερό, το Περιβάλλον και την Υγεία (UNU-INWEH) φέρνει στο φως τα πραγματικά δεδομένα πίσω από τη λειτουργία των Data Centers, καταρρίπτοντας τον μύθο του άυλου ψηφιακού περιβάλλοντος. Η μελέτη εστιάζει στην τριπλή επιβάρυνση: κατανάλωση ενέργειας, χρήση υδάτινων πόρων και κατάληψη γης.
