In de rubriek De broeikas schrijft klimaatverslaggever Jeroen Kraan iedere zondag over wat hem opvalt. Deze week: Weegt het nut van AI-modellen op tegen de milieukosten? Geen idee, want met transparantie is het in deze snelgroeiende sector nog altijd bedroevend gesteld.
Ik geef het toe: ik gebruik weleens AI. Nee, niet om dit stukje te tikken, dat plezier laat ik me niet afnemen door een zielloze machine. Wat mij betreft moeten de plagiaatrobots ver wegblijven van alles wat ook maar een beetje creatief is.
Maar de afgelopen tijd ben ik er wel achter gekomen dat AI-tools op andere manieren nuttig kunnen zijn. Bijvoorbeeld om vele duizenden pagina's aan documenten door te nemen, op zoek naar die ene paragraaf die ik voor mijn onderzoek nodig heb. Of om me te helpen met formules in spreadsheets, waarvoor ik helaas geen natuurlijk talent heb.
Als ik Gemini of Claude daarvoor aanslinger, voelt het altijd wel alsof er een duiveltje op mijn schouder zit. Ik weet dat er met elke opdracht ergens een AI-datacenter voor mij aan de slag gaat, en dat daarbij een stuk meer elektriciteit en water wordt gebruikt dan bij 'gewoon' internetten.
Dat hoeft op zich geen probleem te zijn; ik stap ook weleens in de auto voor een artikel, en dat is ook niet zonder milieukosten. Maar ik weet hoeveel benzine die auto gebruikt, terwijl het voor mij als AI-gebruiker volstrekt onduidelijk is hoe hard het model eigenlijk aan het rekenen is, en wat dat vervolgens voor het milieu betekent.
Daar wordt veel onderzoek naar gedaan, maar de schattingen in de wetenschappelijke literatuur lopen nog behoorlijk uiteen. AI-ontwikkelaars zijn op zijn zachtst gezegd niet erg scheutig met informatie over het energiegebruik van hun modellen.
Een gemiddelde vraag aan ChatGPT gebruikt 0,34 wattuur aan energie, schreef OpenAI-directeur Sam Altman vorig jaar op zijn blog. Google zegt daar met Gemini nog iets onder te zitten. De milieu-impact van een simpele vraag lijkt daarmee vrij verwaarloosbaar te zijn: vergelijkbaar met een ledlamp die een paar minuutjes aanstaat. Al begint het natuurlijk wel aan te tikken als je de hele dag met zo'n robot zit te chatten.
Maar dat is maar een deel van het verhaal. Hoeveel energie is er gebruikt bij het trainen van het model? En hoe zit het met het energiegebruik van geavanceerdere modellen? We weten dat die veel meer rekenkracht gebruiken, omdat ze in één keer veel informatie verwerken. Zoals die dikke rapporten die ik als krachtvoer aan Claude geef.
Zo kan het energiegebruik van AI toch flink optellen. Een programmeur die veel gebruikmaakt van Claude Code kan zijn persoonlijke CO2-voetafdruk hiermee ruim verdubbelen, berekende AI-kenner Boris Gamazaychikov onlangs.
Zo'n vaart zal het bij mij niet lopen, want de meeste dagen kom ik geheel AI-vrij door. Maar af en toe zet ik de datacenters wel flink aan het werk. Toen ik onlangs een lastige vraag stelde aan Claude, kon ik rustig koffie gaan drinken voordat ik een antwoord kreeg. Wat is daar in de tussentijd allemaal gebeurd?
Vooralsnog is het antwoord helaas: geen idee. In de AI-omgeving van mijn werkgever kan ik niet eens zien hoeveel 'tokens' mijn vragen gebruiken, terwijl dat de beste manier is om te zien hoeveel rekenkracht (en dus energie) een model nodig heeft om een antwoord te geven.
Als ik die informatie wel had - en het liefst ook nog een doorrekening naar energiegebruik of CO2-uitstoot - zou ik ook de verschillen tussen AI-tools kunnen zien. Misschien kan ik mijn opdrachten beter aan een minder geavanceerd model geven. Of blijken mijn opdrachten zo energie-intensief te zijn dat ik toch liever handmatig door de stapels documenten worstel.
Twee jaar geleden suggereerden wetenschappers al in Nature dat AI-modellen een soort energielabel zouden moeten krijgen. Sindsdien zijn de ontwikkelingen rond AI in een stroomversnelling geraakt: in de VS worden datacenters van wel 10 gigawatt gepland - de helft van het piekverbruik van elektriciteit in heel Nederland. In toenemende mate draaien die datahallen op aardgas.
Van dat energielabel is in de tussentijd nog weinig terechtgekomen. De Europese Unie heeft regels die bedrijven dwingen om het energie- en waterverbruik van hun datacenters te delen, maar dankzij gelobby door techbedrijven wordt die informatie vervolgens niet openbaar gemaakt.
AI-tools kunnen best handig zijn, ondervind ik inmiddels ook zelf. Maar het is hoog tijd om dat nut af te wegen tegen de kosten voor het milieu. Dat vraagt om veel meer helderheid over wat zich achter de hoge muren van de datacenters afspeelt.
Ik ben altijd erg onder de indruk van mieren. In een groenbak in mijn tuin hebben ze een indrukwekkend nest gebouwd, dat ik maar heb laten zitten. Zo lang dat vernuft zich buiten afspeelt, vind ik het prachtig.
Wie ook graag kijkt naar mieren, moet zeker Phase IV (1974) eens opzetten. De enige speelfilm van grafisch ontwerper Saul Bass bevat tal van indrukwekkende close-ups van mieren, die door een kosmisch fenomeen superslim zijn geworden. De menselijke hoofdrolspelers in de film gaan daar een stuk minder ontspannen mee om. Op dvd en blu-ray.
Ik ontvang graag jullie vragen, feedback en tips! Je kan me bereiken via jeroen@nu.nl.
Source: Nu.nl economisch