Úsporná AI podle Googlu
Google zveřejnil data o ekologickém dopadu své umělé inteligence Gemini. Podle její technické zprávy spotřebuje jeden dotaz zanedbatelné množství zdrojů:
-
přibližně 5 kapek vody (0,26 ml)
-
méně energie než 9 sekund sledování televize
-
a vyprodukuje jen 0,03 gramu CO₂.
Firma se také chlubí obrovským meziročním zlepšením efektivity. Na první pohled to vypadá jako skvělá zpráva, ale má to háček.
Proč jsou experti skeptičtí?
Odborná veřejnost okamžitě upozornila, že čísla Googlu sice nemusí být technicky lživá, ale jsou problematická, protože ukazují jen malý a pečlivě vybraný výsek reality. Kritika se soustředí na tři hlavní oblasti, které Google ve své zprávě buď ignoruje, nebo je prezentuje zavádějícím způsobem.
1. Skrytá vodní stopa v elektřině
Největší výtka směřuje k tomu, jak Google počítá spotřebu vody. Jeho údaj o „pěti kapkách“ zahrnuje pouze přímou spotřebu vody. Tedy vodu, která je fyzicky použita v datovém centru, primárně na chlazení přehřívajících se serverů.
Experti však zdůrazňují, že tímto Google zcela ignoruje nepřímou spotřebu vody, která je pro provoz AI naprosto klíčová a mnohonásobně větší. Jedná se o vodu potřebnou k výrobě obrovského množství elektřiny, kterou datacentra spotřebovávají.
Většina elektráren (uhelných, jaderných i plynových) funguje na principu parních turbín a vyžaduje miliony litrů vody pro chlazení svých vlastních systémů. Tato „externí“ vodní stopa je s provozem AI neoddělitelně spjata, ale v marketingových materiálech Googlu se neobjevuje.
2. Problematické měření emisí
Podobný problém se týká i uhlíkové stopy. Google používá takzvanou tržní metodiku. Zjednodušeně to znamená, že si může „koupit“ certifikáty o původu zelené energie z větrné farmy na druhém konci země a tím na papíře vykázat nulové emise pro své datacentrum, i když lokální elektrická síť, ze které reálně čerpá energii, ve skutečnosti běží na uhlí.
Odborníci proto volají po používání lokální metriky, která je mnohem upřímnější. Ta měří skutečnou uhlíkovou stopu elektřiny odebrané z místní sítě v daný čas. Tento přístup by ukázal reálný dopad na životní prostředí v místě, kde datové centrum stojí, a ne jen účetně vylepšený obraz.
3. Chybějící vědecké ověření
Posledním, ale zásadním bodem kritiky je fakt, že Google svou studii a metodiku měření neposkytl k nezávislému vědeckému ověření. Vědecká komunita tak nemá možnost zkontrolovat, jak přesně Google k číslům dospěl, jaké proměnné zahrnul, proč použil například medián místo průměru nebo jak přesně definoval „jeden dotaz“.
Bez této transparentnosti a kontroly má zpráva spíše povahu marketingového sdělení než důvěryhodné vědecké studie, což její celkovou váhu výrazně snižuje.
Kolik to tedy stojí doopravdy?
Abychom pochopili, proč je pohled Googlu tak úzký, je nejlepší ho porovnat s odhady nezávislých studií, které se snaží zachytit celkový dopad. Práce výzkumníka Shaolei Rena z University of California a jeho týmu se stala v této oblasti klíčovou a ukazuje zcela jiné rozměry spotřeby.
Cena za běžnou konverzaci
Zatímco Google mluví o pěti kapkách za jeden izolovaný dotaz, naše běžná interakce s AI vypadá jinak. Vedeme totiž konverzaci. Podle Renovy studie může běžný rozhovor s chatbotem typu ChatGPT, který zahrnuje 20 až 50 otázek a odpovědí, spotřebovat až půl litru čisté vody.
Toto množství si už snadno představíme jako malou lahev s vodou, kterou si koupíme k pití. Tento údaj zahrnuje jak vodu na přímé chlazení, tak i odhadovanou nepřímou spotřebu na výrobu elektřiny. Rozdíl mezi několika kapkami a celou lahví vody jasně ukazuje, jak zavádějící může být zaměření se na jediný úkon.
Cena za zrození AI
Ještě dramatičtější čísla se objevují, když se podíváme na spotřebu vody potřebnou pro samotné trénování umělé inteligence. Tento proces, kdy se model učí na obrovském množství dat, je extrémně energeticky náročný a trvá týdny až měsíce.
Podle odhadů spolykalo jen natrénování staršího modelu GPT-3 ve specializovaných datových centrech Microsoftu přibližně 700 000 litrů vody. To je dost na naplnění menšího plaveckého bazénu nebo zhruba tolik, kolik spotřebuje jeden člověk v domácnosti za 20 let.
Novější a výkonnější modely mají nároky ještě vyšší. Například trénink francouzského modelu Mistral 8×22B si vyžádal objem vody odpovídající stovkám olympijských bazénů a vyprodukoval přes 20 kilotun CO₂.
Tyto údaje ukazují, že za každým naším jednoduchým dotazem stojí nejen okamžitá, ale i obrovská jednorázová investice vody a energie, která byla nutná pro vytvoření samotného modelu.
Globální dopad a paradox efektivity
Na obranu technologických firem je třeba říci, že se skutečně snaží zvyšovat efektivitu svých systémů. Problém je, že tento pokrok naráží na ekonomický jev známý jako Jevonsův paradox.
Ten zjednodušeně říká, že když se nějaký zdroj stane efektivnějším a levnějším, lidé ho nezačnou spotřebovávat méně. Naopak, jeho celková spotřeba exploduje, protože se začne používat na mnohem více věcí.
Přesně to se děje s AI. I kdyby se podařilo snížit spotřebu jednoho dotazu na pouhé dvě kapky, nic to nezmění na faktu, že umělá inteligence je masivně integrována do vyhledávačů, e-mailů, kancelářských balíků a tisíců dalších aplikací. Celkový počet dotazů tak roste exponenciálně a tento masivní nárůst v objemu zcela přebíjí úspory na úrovni jednotlivých operací.
Budoucnost měřená na řeky, ne na kapky
Když se podíváme na globální prognózy, čísla jsou alarmující. Podle studií by celosvětová poptávka AI po vodě mohla do roku 2027 dosáhnout 4,2 až 6,6 miliardy metrů krychlových vody ročně. Pro představu je to:
-
Více, než kolik za rok spotřebuje celé Dánsko.
-
Zhruba polovina roční spotřeby vody celé Velké Británie.
Tato obrovská žízeň přichází v době, kdy se velká část světa potýká s historickým suchem a nedostatkem vody. Stavět stále větší datacentra v již tak vyprahlých oblastech, jako je například jihozápad USA, se tak stává čím dál větším ekologickým i etickým problémem.
Tvrzení Googlu o pěti kapkách je tedy ukázkou mikro-optimalizace, která záměrně odvádí pozornost od makro-dopadu. Skutečná výzva nespočívá v tom, zda bude dotaz stát pět nebo čtyři kapky vody. Spočívá v tom, jak zvládnout exponenciální růst celé technologie, jejíž ekologický účet teprve začínáme sčítat.
Zdroj: PCWorld.com, Google
