Hoe schaadt AI het milieu?
Kunstmatige intelligentie is overal, van de spraakassistent van je telefoon tot de aanbevelingen die je online ziet. Maar achter de schermen heeft AI veel kracht nodig.
Het trainen van grote AI-modellen verbruikt enorme hoeveelheden elektriciteit. Datacenters draaien dag en nacht en houden servers koel en klaar voor actie. Deze energie is vaak afkomstig van niet-hernieuwbare bronnen, wat vervuiling en koolstofuitstoot in de hand werkt.
Daar houdt de impact van AI op het milieu niet op. Voor het bouwen en onderhouden van de hardware voor AI-systemen zijn ook zeldzame mineralen en water nodig, waardoor natuurlijke hulpbronnen extra worden belast. Naarmate AI groeit, neemt ook haar voetafdruk toe.
Wat zijn de gevolgen van AI voor het milieu?
Kunstmatige intelligentie verandert de wereld, maar het gaat niet alleen om slimmere machines of snellere antwoorden. De opkomst van AI brengt verborgen kosten met zich mee die veel verder reiken dan het huidige moment.
Naarmate we krachtigere systemen bouwen, grotere modellen trainen en vertrouwen op datacenters om alles draaiende te houden, voelt het milieu de impact.
Laten we eens kijken hoe het gebruik van AI de toekomst van onze planeet vormgeeft en wat dat betekent voor de komende generaties.
Energieverbruik en koolstofvoetafdruk
Elke keer dat je een AI vraagt om een verhaal te genereren, een zin te vertalen of een gezicht te herkennen, is er veel activiteit achter de schermen. Datacenters met duizenden servers komen in actie en trekken elektriciteit aan om jouw verzoek te verwerken.
Het trainen van grote AI-modellen kan weken of zelfs maanden duren, waarbij net zoveel energie wordt verbruikt als tientallen huishoudens in een jaar. Het trainen van een AI-model kan ongeveer 626.000 kilo kooldioxide. Dit is hetzelfde als 300 vluchten tussen New York en San Francisco
Het grootste deel van deze energie is nog steeds afkomstig van fossiele brandstoffen, wat betekent dat elke berekening een spoor van koolstof achterlaat in de atmosfeer. Naarmate AI meer gemeengoed wordt en modellen steeds groter worden, blijft de totale vraag naar energie stijgen.
Elektronisch afval en levenscyclus van hardware
AI leeft niet alleen in de cloud. Het vertrouwt op fysieke machines, servers, GPU's en gespecialiseerde chips, die hun eigen omgevingsverhalen hebben.
Deze apparaten zijn gemaakt van zeldzame mineralen en metalen die uit de aarde worden gehaald via mijnbouwprocessen die landschappen kunnen beschadigen en waterbronnen kunnen vervuilen. Naarmate de technologie voortschrijdt, raakt oudere hardware snel verouderd, wat leidt tot bergen elektronisch afval.
Het weggooien van deze onderdelen is niet eenvoudig. Veel van deze onderdelen belanden op stortplaatsen, waar giftige stoffen kunnen uitlogen in de bodem en het grondwater.
De cyclus van constante upgrades en vervangingen betekent dat de milieubelasting van AI-hardware mettertijd alleen maar zal toenemen, tenzij er nieuwe oplossingen voor recycling en duurzaam ontwerp worden gevonden.
Waterverbruik en koelbehoefte
AI soepel laten draaien draait niet alleen om elektriciteit. Datacenters genereren veel warmte en om ze af te koelen zijn enorme hoeveelheden water nodig. Er wordt verwacht dat de wereldwijde vraag naar AI 4,2-6,6 miljard kubieke meter water in 2027.
In regio's die al te maken hebben met waterschaarste, kan deze extra vraag de lokale voorraden onder druk zetten, met gevolgen voor zowel mensen als ecosystemen. Naarmate AI steeds meer wordt toegepast en er meer datacenters worden gebouwd, kan de concurrentie om waterbronnen toenemen.
Op de lange termijn roept dit vragen op over hoe we technologische vooruitgang in evenwicht kunnen brengen met de noodzaak om vitale natuurlijke bronnen te beschermen. Door manieren te vinden om datacenters efficiënter te koelen of alternatieve methoden te gebruiken, kan deze impact worden verminderd.
Hulpbronnenwinning en druk op de toeleveringsketen
Het verhaal van AI begint lang voordat een model wordt getraind of een server wordt aangezet. Het begint met de grondstoffen die nodig zijn om de hardware te bouwen.
Mijnbouw naar lithium, kobalt en andere essentiële elementen vindt vaak plaats in kwetsbare omgevingen, soms met weinig respect voor lokale gemeenschappen of wilde dieren.
De wereldwijde toeleveringsketen die deze materialen samenbrengt, is complex en energie-intensief en omvat transport, verwerking en productie bij elke stap. Naarmate de vraag naar AI-geschikte apparaten toeneemt, neemt ook de druk op deze bronnen toe.
Op de lange termijn kan dit leiden tot tekorten, hogere prijzen en meer aantasting van het milieu, tenzij er duurzamere praktijken worden toegepast.
De impact van AI op het milieu minimaliseren
Nu AI steeds meer geïntegreerd raakt in het dagelijks leven, wordt het steeds belangrijker om manieren te vinden om de impact ervan op het milieu te verminderen.
Hoewel de technologie een transformerend potentieel biedt, brengt ze ook aanzienlijke kosten voor de planeet met zich mee. Door deze uitdagingen in een vroeg stadium aan te pakken, kan innovatie in de toekomst duurzamer worden.
Slimmere training en slankere modellen
Het trainen van grote AI-modellen kan enorme hoeveelheden energie verbruiken. Maar niet alle modellen hoeven enorm te zijn om effectief te zijn. Door zich te richten op slankere architecturen kunnen onderzoekers de trainingstijd verkorten, het elektriciteitsverbruik verlagen en toch sterke prestaties leveren.
Een andere belangrijke strategie is het hergebruiken van vooraf getrainde modellen in plaats van het bouwen van nieuwe modellen vanaf nul. Voor het verfijnen van bestaande modellen voor specifieke taken worden veel minder bronnen gebruikt, waardoor zowel de uitstoot als de belasting van de hardware afneemt.
Schonere energie en groenere datacenters
Overschakelen op hernieuwbare energiebronnen is een van de meest directe manieren om de CO2-voetafdruk van AI te verminderen. Datacenters die worden aangedreven door wind-, zonne- of waterkracht genereren minder uitstoot en ontlasten het milieu.
Naast het gebruik van schonere energie, kan het ontwerpen van datacenters met het oog op energie-efficiëntie, door betere isolatie, slimme koelsystemen of zelfs het plaatsen van faciliteiten in koudere klimaten, helpen om het algehele gebruik van hulpbronnen te verminderen.
Wat individuen kunnen doen
Tot slot, hoewel de meeste milieueffecten van AI voortkomen uit grootschalige infrastructuur, zijn individuele keuzes nog steeds van belang.
Gebruikers kunnen kiezen voor digitale tools en diensten die zijn geoptimaliseerd voor efficiëntie of worden aangedreven door hernieuwbare energie. Het ondersteunen van bedrijven die prioriteit geven aan duurzaamheid kan helpen om de normen in de sector te veranderen.
Het bewust omgaan met hoe en wanneer AI wordt gebruikt, zoals het beperken van onnodige zoekopdrachten of het vermijden van overmatig gebruik van generatieve tools, kan ook bijdragen aan een lagere energievraag. Naarmate het bewustzijn groeit, kunnen collectieve kleine acties het streven naar groenere, meer verantwoorde AI-ontwikkeling versterken.
