Jedno zapytanie do ChatGPT, pół litra wody, tona plastiku w oceanie, koniec świata. Albo odwrotnie: AI uratuje klimat, wykryje każde zanieczyszczenie i naprawi wszystko, co zepsuliśmy. Prawda, jak zwykle, leży pośrodku. O tym, ile zasobów pochłania sztuczna inteligencja i czy jej pozytywne zastosowania rekompensują koszty środowiskowe, rozmawiamy z Adą Stępień, współzałożycielką ekologicznego startupu Släppa i specjalistką od redukcji emisji CO2.

Ten artykuł powstał na podstawie rozmowy z kanału Zrozumieć AI na YouTube. Pełny wywiad znajdziesz w formie wideo pod osadzonym playerem powyżej.

Najważniejsze informacje:

  • Wygenerowanie 100 słów w GPT-4 pochłania ok. 519 ml wody, co odpowiada jednej butelce wody mineralnej (badania University of California, Riverside we współpracy z The Washington Post).
  • Trening modelu GPT-3 wymagał zużycia ok. 700 000 litrów czystej wody w amerykańskich centrach danych Microsoftu.
  • Globalne zapotrzebowanie AI na wodę do 2027 roku może osiągnąć 4,2 do 6,6 mld metrów sześciennych rocznie, co odpowiada połowie rocznego zużycia wody w Wielkiej Brytanii (badanie Li, Yang, Islam, Ren, 2023).
  • Centra danych odpowiadają już za ok. 1% globalnych emisji CO2, a wraz ze wzrostem zapotrzebowania na moc obliczeniową ten udział będzie rósł.
  • Sztuczna inteligencja ma jednocześnie konkretne, pozytywne zastosowania ekologiczne: monitorowanie jakości powietrza (Airly), monitorowanie jakości wody w rzekach (Water Sense), wykrywanie nielegalnej wycinki drzew czy optymalizacja recyklingu.
  • Wielkie firmy technologiczne inwestują w energetykę jądrową i odnawialne źródła energii: Microsoft reaktywował reaktor w elektrowni Three Mile Island, a OpenAI inwestuje w fuzję termojądrową.

Ile wody i energii zużywa sztuczna inteligencja? Twarde dane z badań naukowych

Zanim przejdziemy do opinii i ocen, warto zacząć od faktów. Problem polega na tym, że twardych danych od samych firm technologicznych jest bardzo niewiele. OpenAI, Google czy Meta nie publikują szczegółowych raportów dotyczących zużycia wody i energii przez poszczególne modele AI. Jak zauważa Ada Stępień w naszej rozmowie: wyścig między amerykańskimi i chińskimi firmami AI sprawia, że transparentność nie jest priorytetem tych korporacji.

Najbardziej wiarygodnym źródłem naukowym pozostaje praca badawcza zespołu z University of California, Riverside (Pengfei Li, Jianyi Yang, Shaolei Ren) oraz University of Texas w Arlington (Mohammad A. Islam), opublikowana pod tytułem „Making AI Less Thirsty: Uncovering and Addressing the Secret Water Footprint of AI Models” (źródło: arXiv:2304.03271).

Badanie to po raz pierwszy oszacowało całkowity ślad wodny modeli AI, uwzględniając zarówno bezpośrednie chłodzenie serwerów, jak i pośrednie zużycie wody przez elektrownie zasilające centra danych.

Butelka wody za jeden email: co mówi badanie UC Riverside

Wygenerowanie 100 słów przy użyciu modelu GPT-4 pochłania ok. 519 ml wody. Tę liczbę ustalili naukowcy z UC Riverside we współpracy z dziennikarzami The Washington Post. 519 ml to nieco więcej niż standardowa butelka wody mineralnej o pojemności 500 ml.

Przeliczmy to na szerszą skalę. Gdyby co dziesiąty pracujący Amerykanin wysłał jeden email tygodniowo za pomocą ChatGPT, roczne zużycie energii elektrycznej wyniosłoby 121 517 megawatogodzin. To tyle, ile zużywają wszystkie gospodarstwa domowe w Waszyngtonie przez 20 dni (źródło: The Washington Post / UC Riverside, 2024).

Trening modelu GPT-3 (poprzednika GPT-4) w amerykańskich centrach danych Microsoftu wymagał zużycia ok. 700 000 litrów wody. Dla porównania: tyle wody zużywa się przy produkcji ok. 370 samochodów BMW (źródło: UC Riverside, 2023).

Na poziomie globalnym prognozy są jeszcze bardziej wymowne. Badacze szacują, że do 2027 roku globalne zapotrzebowanie AI na wodę może osiągnąć 4,2 do 6,6 miliardów metrów sześciennych rocznie. To więcej niż roczne zużycie wody przez 4 do 6 krajów wielkości Danii i odpowiada mniej więcej połowie rocznego zużycia Wielkiej Brytanii (źródło: Li, Yang, Islam, Ren, 2023, arXiv).

Ada Stępień zwraca uwagę na ważny kontekst tych liczb. Kryzys wodny postępuje niezależnie od rozwoju AI. Zmiany klimatyczne powodują coraz częstsze susze i niedobory wody pitnej. Pytanie, czy jesteśmy gotowi dzielić się coraz bardziej ograniczonymi zasobami wodnymi ze sztuczną inteligencją, nie jest retoryczne.

Czy jednostka ma jakikolwiek wpływ na ślad środowiskowy AI?

To pytanie pojawia się w każdej dyskusji o odpowiedzialności środowiskowej. Jeżeli ja nie skorzystam z ChatGPT, mój konkurent skorzysta i wykona zadanie szybciej i taniej. W marketingu, gdzie AI przyspiesza pracę o kilkadziesiąt procent, rezygnacja z narzędzia jest rezygnacją z konkurencyjności.

Ada Stępień nie zgadza się z podejściem „moje działanie nie ma znaczenia, bo jest w małej skali”. Porównuje to do innych codziennych wyborów: jazdy tramwajem zamiast samochodem, ograniczenia mięsa w diecie, wyboru napojów roślinnych. Każda z tych decyzji wydaje się drobna w skali jednostki. Pomnożona przez miliony osób, tworzy realną zmianę.

Oczywiście nie oznacza to, że odpowiedzialność spoczywa wyłącznie na użytkownikach. Największy ciężar decyzyjny leży po stronie korporacji i rządów, które dysponują nieporównywalnie większą skalą wpływu. Natomiast argument „i tak nie mam wpływu” działa w obie strony: można go użyć jako wymówki wobec każdego problemu ekologicznego.

Jest jeszcze jeden argument, o którym mówi Ada Stępień. Część zadań, które zlecamy AI, moglibyśmy wykonać szybciej samodzielnie. Napisanie krótkiego emaila czy prostego posta w mediach społecznościowych to czynności, w których czas wpisywania promptu i weryfikacji odpowiedzi bywa dłuższy niż samodzielne napisanie tekstu. Wyręczanie się narzędziem AI w najprostszych zadaniach to nie tylko kwestia zużycia zasobów. To także stopniowe osłabianie własnych umiejętności myślenia i formułowania myśli.

Warto też pamiętać, że każdy tekst wygenerowany przez AI i tak wymaga weryfikacji, korekty i dostosowania do własnego stylu komunikacji. Czysta automatyzacja bez udziału człowieka generuje treści ogólnikowe i pozbawione indywidualnego charakteru.

Pozytywne zastosowania AI w ochronie środowiska

Dyskusja o kosztach środowiskowych AI nie byłaby pełna bez drugiej strony medalu. Sztuczna inteligencja ma konkretne, już wdrożone zastosowania, które pomagają chronić środowisko.

Wykrywanie nielegalnej wycinki drzew. Analiza obrazów satelitarnych za pomocą AI pozwala na znacznie szybszą identyfikację obszarów dotkniętych nielegalną wycinką niż tradycyjne metody oparte na patrolach i raportowaniu ręcznym.

Monitorowanie jakości powietrza. Systemy oparte na sieci czujników i algorytmach AI analizują dane w czasie rzeczywistym, identyfikują źródła zanieczyszczeń i oceniają ich potencjalne zagrożenie zdrowotne.

Monitorowanie jakości wody. Autonomiczne stacje pomiarowe wyposażone w czujniki i moduły IoT mierzą na bieżąco poziom natlenienia, zakwaszenia, zasolenia i obecność szkodliwych organizmów w rzekach i zbiornikach wodnych.

Ochrona bioróżnorodności. Analiza nagrań dźwiękowych i obrazów z kamer pozwala monitorować populacje zagrożonych gatunków oraz wykrywać przypadki kłusownictwa.

Prognozowanie zmian klimatycznych. Algorytmy AI analizują ogromne zbiory danych meteorologicznych i oceanograficznych, pomagając przewidywać ekstremalne zjawiska pogodowe: huragany, susze, pożary.

Optymalizacja recyklingu. Systemy AI wspierają automatyczną segregację odpadów na liniach recyklingowych, co zwiększa efektywność przetwarzania surowców wtórnych.

Polskie startupy, które łączą AI z ekologią

Polska ma w tym obszarze konkretne sukcesy.

Airly to krakowski startup założony w 2016 roku, który zbudował jedną z największych sieci monitoringu jakości powietrza w Europie. Firma posiada ponad 2800 czujników i współpracuje z ponad 500 samorządami. Warszawska sieć monitoringu Airly, obejmująca 164 lokalizacje, jest jedną z największych na kontynencie. System Airly mierzy w czasie rzeczywistym stężenie pyłów PM1, PM2.5, PM10 oraz dwutlenku azotu i ozonu. Dane są ogólnodostępne za pośrednictwem aplikacji mobilnej i strony internetowej (źródło: airly.org).

Water Sense to system monitorowania jakości wody w rzekach, opracowany przez inżynierów firmy Magly we współpracy z CEZAMAT (Politechnika Warszawska), IMGW i Nebucode. Autonomiczne stacje pomiarowe montowane w rzekach mierzą kluczowe parametry fizykochemiczne wody i przesyłają dane w czasie rzeczywistym. System umożliwia wczesne wykrywanie zagrożeń ekologicznych. Znaczenie takich rozwiązań stało się szczególnie widoczne po katastrofie ekologicznej na Odrze, kiedy toksyczne zakwity glonów doprowadziły do masowego wymierania ryb (źródło: watersense.pl, Politechnika Warszawska).

Släppa to startup współzałożony przez naszą rozmówczynię, Adę Stępień. Firma produkuje ekologiczne środki czystości w formie musujących tabletek, eliminując jednorazowe plastikowe opakowania. Podejście Släppa pokazuje, że innowacja w ochronie środowiska nie musi oznaczać rewolucji technologicznej: czasem wystarczy zmienić formę produktu, żeby drastycznie ograniczyć odpady (źródło: slappa.co).

Energetyka jądrowa i Big Tech: konieczność czy greenwashing?

Wielkie firmy technologiczne zaczynają traktować kwestię źródeł energii jako strategiczny priorytet. Rosnące zapotrzebowanie na moc obliczeniową wymusza poszukiwanie stabilnych i wydajnych źródeł zasilania.

Microsoft zdecydował się na ponowne uruchomienie reaktora w elektrowni jądrowej Three Mile Island, miejscu jednej z największych awarii jądrowych w historii USA (1979 rok). Firma inwestuje również w budowę nowych mocy jądrowych.

OpenAI inwestuje w fuzję termojądrową jako potencjalne przyszłościowe źródło energii elektrycznej.

Amazon przejął i reaktywował elektrownie jądrowe od rządu Stanów Zjednoczonych.

Ada Stępień ocenia te ruchy z umiarkowanym optymizmem. Z perspektywy środowiskowej przejście na odnawialne źródła energii i energetykę jądrową to zdecydowanie lepszy kierunek niż kontynuowanie oparcia na paliwach kopalnych. Natomiast pozostaje otwarte pytanie o motywacje. Czy te decyzje są podyktowane troską o środowisko, czy raczej optymalizacją kosztów i PR? W przypadku korporacji odpowiedź jest zwykle prozaiczna: liczy się zysk. Jeśli jednak optymalizacja kosztów prowadzi do bardziej ekologicznych rozwiązań, efekt netto jest pozytywny.

Warto też pamiętać o ograniczeniach energetyki jądrowej. Odpady radioaktywne stanowią poważne wyzwanie, choć, jak zauważa Ada Stępień, żadne źródło energii nie jest idealne. Turbiny wiatrowe mają ograniczoną żywotność, panele słoneczne wymagają surowców rzadkich, a energia wodna ingeruje w ekosystemy rzeczne. Chodzi o wybór rozwiązania, które w danym kontekście generuje najmniejsze koszty środowiskowe.

Regulacje i polityka: szczyt AI Action Summit w Paryżu

10 lutego 2025 roku w Paryżu odbył się AI Action Summit, podczas którego ogłoszono utworzenie koalicji na rzecz zrównoważonej sztucznej inteligencji. Ada Stępień ma nadzieję, że inicjatywa ta wskaże konkretne kierunki rozwoju AI z poszanowaniem środowiska, choć zastrzega, że jej realna skuteczność zależy od uczestnictwa kluczowych graczy.

Równolegle toczy się polityczny spór o kierunek rozwoju. Administracja Donalda Trumpa ogłosiła wycofanie USA z porozumienia paryskiego, jednocześnie promując hasło „Drill baby drill”, czyli maksymalną eksploatację paliw kopalnych. Jednak 24 stany USA podtrzymały swoją decyzję o pozostaniu w porozumieniu paryskim i kontynuowaniu działań prośrodowiskowych, niezależnie od decyzji federalnej.

Ada Stępień podkreśla, że często przywoływany argument „ale Chiny nic nie robią” jest nieprawdziwy. Chiny inwestują w odnawialne źródła energii, wprowadzają własny odpowiednik raportowania ESG i mają ambitne cele klimatyczne na najbliższe lata. Emisje są wysokie, ale redukcja emisji jest oficjalnym kierunkiem polityki państwowej.

Korzystaj z AI, ale rób to świadomie

Ada Stępień podsumowuje swoją perspektywę jasno. Jest za rozwojem sztucznej inteligencji. Widzi konkretne zastosowania, w których AI pracuje szybciej i efektywniej niż człowiek i faktycznie pomaga rozwiązywać problemy środowiskowe. Jednocześnie podkreśla, że AI to narzędzie wspomagające, nie rozwiązanie samo w sobie.

Dobrą analogią jest podejście ze świata ekologicznych środków czystości: nie chodzi o całkowitą rezygnację, ale o świadomy wybór. Zastosuj AI tam, gdzie przynosi realną wartość. Proste zadania, które możesz wykonać samodzielnie w kilka minut, zrób sam. Każda zaoszczędzona butelka wody ma znaczenie, zwłaszcza kiedy pomnożymy ją przez setki milionów użytkowników na całym świecie.

Agencje marketingowe, które chcą odpowiedzialnie wdrażać AI w codzienną pracę, mogą skorzystać z doświadczenia firm specjalizujących się w integracji narzędzi AI z procesami marketingowymi. Kluczem jest efektywność: używaj AI tam, gdzie faktycznie przyspiesza pracę i podnosi jakość, zamiast generować zapytania, które szybciej byłoby wykonać ręcznie.

FAQ

Ile wody zużywa jedno zapytanie do ChatGPT? Według badań UC Riverside i The Washington Post wygenerowanie 100 słów w modelu GPT-4 pochłania ok. 519 ml wody. Wcześniejsze szacunki dotyczące GPT-3 wskazywały na 500 ml na 10 do 50 średniej długości odpowiedzi. Różnice wynikają z lokalizacji centrum danych i warunków pogodowych.

Czy sztuczna inteligencja szkodzi środowisku bardziej niż pomaga? Na obecnym etapie rozwoju jednoznaczna odpowiedź nie jest możliwa. AI generuje realne koszty środowiskowe (zużycie wody, energii, emisje CO2), ale jednocześnie wspiera monitoring jakości powietrza, wody, wykrywanie wycinki drzew i prognozowanie zmian klimatycznych. Kluczowe jest świadome korzystanie z narzędzia.

Czy opłaca się używać AI do prostych zadań, np. pisania emaili? Z perspektywy zużycia zasobów: nie. Krótki email można napisać szybciej ręcznie niż sformułować prompt, wygenerować odpowiedź, a potem zweryfikować treść. AI jest najbardziej uzasadnione w przypadku zadań wymagających przetwarzania dużych zbiorów danych, analizy, tłumaczeń czy tworzenia bardziej złożonych treści.

Dlaczego firmy AI nie publikują dokładnych danych o zużyciu zasobów? Główną przyczyną jest rywalizacja rynkowa, zwłaszcza między firmami amerykańskimi i chińskimi. Ujawnienie rzeczywistych kosztów operacyjnych mogłoby wpłynąć na wycenę firm i pozycję konkurencyjną. Badacze akademiccy korzystają z publicznie dostępnych danych o centrach danych i szacunków energetycznych.

Co mogę zrobić, żeby ograniczyć swój ślad środowiskowy związany z AI? Ograniczyć liczbę niepotrzebnych zapytań do AI, samodzielnie wykonywać proste zadania, korzystać z AI celowo (do zadań, gdzie narzędzie faktycznie przyspiesza pracę), weryfikować wyniki zamiast generować kolejne warianty. Każde niewykonane zapytanie to zaoszczędzona woda i energia.

Źródła:

  1. Li, P., Yang, J., Islam, M.A., Ren, S. (2023). „Making AI Less Thirsty: Uncovering and Addressing the Secret Water Footprint of AI Models.” arXiv:2304.03271
  2. The Washington Post / University of California, Riverside (2024). „A bottle of water per email: the hidden environmental costs of using AI chatbots.”
  3. Airly: airly.org
  4. Water Sense / Magly: watersense.pl
  5. Släppa: slappa.co

Ten artykuł powstał na podstawie wywiadu na kanale YouTube „Zrozumieć AI”.