AI dhe kriza e energjisë – Pse kursimi nuk mjafton për një zgjidhje të qëndrueshme?

Ndërsa zhvillimi i inteligjencës artificiale (AI) pritet të revolucionarizojë sektorë të ndryshëm dhe të krijojë mundësi të mëdha ekonomike, konsumimi i lartë i energjisë që kërkon kjo teknologji ka ngritur shqetësime serioze mjedisore. Për t’iu përgjigjur këtij problemi, kompanitë e teknologjisë po promovojnë praktikat e njohura si “AI e kursyer” dhe po mbështesin kërkime për të reduktuar konsumin e energjisë. Megjithatë, kjo qasje nuk adreson shkaqet kryesore të rritjes së kërkesës për energji nga industria e AI-së.

Trajnimi dhe përdorimi i modeleve të mëdha gjuhësore (LLM) është një proces tepër i kushtueshëm në aspektin e energjisë, pasi kërkon fuqi të madhe kompjuterike. Me zgjerimin e përdorimit të AI-së, konsumi i energjisë nga qendrat e të dhënave është rritur ndjeshëm. Sipas parashikimeve të Agjencisë Ndërkombëtare të Energjisë (IEA), kërkesa për energji e lidhur me AI-në pritet të dyfishohet deri në vitin 2026.

Qendrat e të dhënave tashmë konsumojnë 1-2% të energjisë globale, një nivel i krahasueshëm me të gjithë industrinë ajrore. Për shembull, në Irlandë, qendrat e të dhënave përbënin 21% të konsumit total të energjisë në vitin 2023. Ndërkohë që industritë dhe qytetarët po kalojnë në elektrifikim për të reduktuar emetimet e gazeve serrë, rritja e kërkesës për AI po vendos një presion të madh mbi rrjetet elektrike dhe tregjet e energjisë. Për këtë arsye, operatori energjetik i Irlandës, EirGrid, ka vendosur një moratorium mbi ndërtimin e qendrave të reja të të dhënave në Dublin deri në vitin 2028. Kufizime të ngjashme janë vendosur edhe në Gjermani, Singapor dhe Kinë.

Lexo edhe: Future Fridays #6 – AI që shet shtëpi, iPhone që paloset dhe 80M$ për Shqipërinë – Çfarë ndodhi këtë javë?

Për të zbutur ndikimin mjedisor të teknologjive të reja, industria e teknologjisë ka filluar të promovojë konceptin e “AI-së së kursyer”, duke rritur ndërgjegjësimin mbi gjurmën e karbonit të AI-së dhe duke inkurajuar përdoruesit – qofshin akademikë apo biznese – të zgjedhin modele më efikase në përdorimin e energjisë.

Megjithëse ky sensibilizim është i vlefshëm, përqendrimi vetëm tek sjellja e përdoruesve anashkalon një fakt thelbësor: furnizuesit janë ata që ndikojnë më së shumti në konsumin e energjisë të AI-së. Arkitektura e modeleve, efikasiteti i qendrave të të dhënave dhe emetimet e energjisë elektrike janë faktorët kryesorë që ndikojnë në gjurmën e karbonit të AI-së. Me avancimin e teknologjisë, përdoruesit do të kenë gjithnjë e më pak ndikim në aspektin e qëndrueshmërisë, pasi modelet e AI-së do të jenë gjithnjë e më të integruara në aplikacione më të mëdha, duke e bërë të vështirë për përdoruesit të dallojnë cilat procese konsumojnë më shumë burime.

Këto sfida përkeqësohen nga zhvillimi i “AI-së agjentike” – sisteme të pavarura që bashkëpunojnë për të zgjidhur probleme komplekse. Edhe pse kjo pritet të jetë hapi i ardhshëm në zhvillimin e AI-së, këto ndërveprime kërkojnë fuqi llogaritëse edhe më të madhe sesa modelet më të avancuara gjuhësore të sotme, duke përkeqësuar ndikimin mjedisor të teknologjisë.

Për më tepër, zhvendosja e përgjegjësisë tek përdoruesit është e paefektshme për shkak të mungesës së transparencës në industri. Shumica e ofruesve të cloud-it nuk publikojnë ende të dhëna specifike mbi emetimet e AI-së gjenerative, duke e bërë të vështirë vlerësimin e ndikimit të tyre mjedisor.

Një qasje më efektive do të ishte që ofruesit e AI-së të siguronin të dhëna të detajuara mbi emetimet. Kjo transparencë do t’i lejonte përdoruesit të merrnin vendime më të informuara dhe do t’i nxiste furnizuesit të zhvillonin teknologji më efikase në përdorimin e energjisë. Duke pasur akses në të dhëna mbi emetimet, konsumatorët mund të krahasojnë aplikacionet e AI-së dhe të zgjedhin modelin më të qëndrueshëm për një detyrë të caktuar. Gjithashtu, bizneset mund të vendosin më lehtë nëse një zgjidhje tradicionale IT është më e favorshme sesa një sistem gjenerativ AI me konsum të lartë energjie.

Natyrisht, AI e kursyer mund të sjellë disa përmirësime në efikasitet. Por kjo qasje nuk e zgjidh problemin kryesor: kërkesën gjithnjë e më të madhe për energji nga AI-ja. Duke siguruar më shumë transparencë mbi konsumin e energjisë, duke ndarë të dhëna të hollësishme mbi emetimet dhe duke zhvilluar metrika të standardizuara për modelet e AI-së, kompanitë mund të ndihmojnë klientët të optimizojnë buxhetet e tyre të karbonit dhe të adoptojnë praktika më të qëndrueshme.

Industria e automobilave ofron një model të dobishëm për rritjen e transparencës në zhvillimin e AI-së. Prodhuesit e makinave etiketojnë efikasitetin e energjisë së automjeteve të tyre, duke u dhënë blerësve mundësinë të bëjnë zgjedhje më të qëndrueshme. Ofruesit e AI-së gjenerative mund të adoptojnë një qasje të ngjashme, duke krijuar metrika standarde për të vlerësuar ndikimin mjedisor të modeleve të tyre. Një metrikë e tillë mund të jetë konsumimi i energjisë për çdo token të përpunuar, duke treguar sasinë e energjisë që kërkohet për njësi të tekstit të gjeneruar nga AI-ja.

Ashtu si standardet e konsumit të karburantit u mundësojnë blerësve të makinave të krahasojnë modele të ndryshme dhe të mbajnë përgjegjës prodhuesit, edhe bizneset dhe përdoruesit individualë kanë nevojë për mjete të besueshme për të vlerësuar ndikimin mjedisor të modeleve të AI-së përpara se t’i përdorin ato. Duke futur metrika transparente, kompanitë e teknologjisë mund të ndihmojnë industrinë të ecë drejt një inovacioni më të qëndrueshëm dhe të sigurojnë që AI-ja të kontribuojë në luftën kundër ndryshimeve klimatike, në vend që ta përkeqësojë atë.

Boris Ruf është drejtues i kërkimeve shkencore në AXA.

Copyright: Project Syndicate, 2025.
www.project-syndicate.org