Svaki put kada otvorite ChatGPT, generišete AI sliku ili koristite neki od modernih AI alata, negde u svetu rade hiljade servera kako bi vam odgovor stigao za svega nekoliko sekundi.
To verovatno nije iznenađenje.
Ono što jeste iznenađenje jeste tvrdnja da bi AI infrastruktura do 2030. godine mogla da troši količine vode uporedive sa godišnjim potrebama oko 1,3 milijarde ljudi.
Upravo na to upozorava novi izveštaj istraživača sa Instituta za vodu, životnu sredinu i zdravlje pri Univerzitetu Ujedinjenih nacija (UNU-INWEH). Iako se ne radi o sigurnom scenariju već o projekciji zasnovanoj na trenutnim trendovima, brojke su dovoljno velike da su pokrenule raspravu širom tehnološke industrije.
Pitanje više nije samo koliko je AI pametan, već koliko resursa će biti potrebno da se njegov rast nastavi.
KLJUČNE ČINJENICE
Šta pokazuje novo istraživanje?
Prema dostupnim procenama, globalna potrošnja vode povezana sa AI infrastrukturom mogla bi da dostigne oko 9,3 biliona litara godišnje do kraja ove decenije.
Važno je razumeti da ovu vodu ne troše direktno AI modeli poput ChatGPT-a ili drugih chatbot sistema. Najveći deo potrošnje vezan je za infrastrukturu koja omogućava njihovo treniranje, obradu podataka i svakodnevni rad.
U procene su uključeni:
- AI serveri
- cloud infrastruktura
- data centri za treniranje modela
- sistemi za obradu velikih količina podataka
- mrežna oprema i sistemi za hlađenje
Istraživači navode da bi nastavak brzog razvoja generativne veštačke inteligencije mogao dodatno povećati opterećenje na vodne resurse u pojedinim delovima sveta.
Da li jedan ChatGPT upit troši vodu?
Kada korisnik postavi pitanje ChatGPT-u, generiše sliku pomoću AI alata ili koristi Gemini za pretragu informacija, u pozadini rade hiljade specijalizovanih servera.
Takvi sistemi troše velike količine električne energije i stvaraju značajnu količinu toplote. Bez efikasnog hlađenja performanse opreme mogu opasti, a u ekstremnim slučajevima može doći i do oštećenja hardvera.
Zbog toga mnogi moderni AI data centri koriste različite sisteme hlađenja, među kojima je jedno od najčešćih rešenja evaporativno hlađenje.
Kako funkcioniše evaporativno hlađenje?
Kod ovog sistema voda se koristi za snižavanje temperature vazduha koji cirkuliše kroz infrastrukturu data centra.
Prednost ovakvog pristupa jeste visoka energetska efikasnost. Sa druge strane, značajna količina vode isparava tokom procesa, što povećava ukupnu potrošnju.
Prema podacima iz industrijskih analiza, pojedini veliki data centri mogu tokom toplijih perioda godine koristiti i do pet miliona galona vode dnevno.
Kako raste potreba za novim AI modelima i većim računarskim kapacitetima, raste i broj objekata koji zahtevaju ovakve sisteme hlađenja. Upravo zbog toga pitanje održivosti postaje sve važnije.
Zašto AI data centri troše velike količine vode?
Tehnički gledano, da, ali ne na način na koji većina ljudi zamišlja.
Kada pošaljete pitanje ChatGPT-u, generišete sliku pomoću AI alata ili koristite Gemini za pretragu informacija, voda se ne koristi direktno za sam zahtev. Umesto toga, koristi se za hlađenje servera koji obrađuju milijarde takvih zahteva svakog dana.
Jedan upit neće isprazniti rezervoar vode, ali kada stotine miliona korisnika svakodnevno koriste AI servise, ukupna potrošnja postaje tema koju istraživači sve ozbiljnije analiziraju.
Upravo zbog toga stručnjaci danas više ne prate samo brzinu razvoja AI modela, već i resurse potrebne da ta infrastruktura nastavi da raste.
Zašto bi gejmere trebalo da zanima?
Isti data centri koji danas pokreću AI servise koriste se i za cloud gaming, multiplayer infrastrukturu, obradu podataka i buduće AI funkcije u video igrama. Zbog toga rast AI industrije direktno utiče i na gaming sektor.
ChatGPT nije jedini faktor
U javnosti se često stvara utisak da je jedan AI alat glavni uzrok povećane potrošnje resursa. U praksi je situacija znatno složenija.
Potražnju za infrastrukturom podstiče čitav niz sistema i servisa, uključujući:
- ChatGPT
- Gemini
- Claude
- Copilot
- Midjourney
- AI alate za generisanje videa
- industrijske AI sisteme za analitiku i automatizaciju
Drugim rečima, rast potrošnje nije vezan za jedan proizvod već za čitav ekosistem koji zahteva sve veću računarsku snagu.
Da li su procene možda preterane?
Da.
Iako istraživači upozoravaju na mogući rast potrošnje vode, tehnološke kompanije ističu da infrastruktura postaje sve efikasnija.
Veliki cloud provajderi navode da savremeni data centri troše manje vode po jedinici računarske snage u poređenju sa starijim generacijama infrastrukture.
Kompanije poput Amazona tvrde da su poslednjih godina povećavale kapacitete svojih sistema, dok je potrošnja vode po obrađenom radnom opterećenju istovremeno smanjivana.
Zagovornici ovog pristupa smatraju da pesimistične procene ne uzimaju u potpunosti u obzir:
- naprednije sisteme hlađenja
- reciklažu vode
- korišćenje prečišćene otpadne vode
- efikasnije AI čipove
- zatvorene sisteme hlađenja
Zbog toga deo industrije veruje da najnepovoljniji scenariji možda neće biti ostvareni.
Projekcija nije isto što i predviđanje
Jedna od najvažnijih stvari jeste pravilno tumačenje ovakvih procena.
Nije precizno reći:
„AI će sigurno trošiti vode koliko 1,3 milijarde ljudi.“
Mnogo tačnije je reći:
„Istraživači procenjuju da bi AI infrastruktura mogla da troši vode koliko 1,3 milijarde ljudi do 2030. godine.“
Takve procene služe kao upozorenje i pomažu u planiranju buduće infrastrukture, ali ne predstavljaju dokaz da će se scenario sigurno ostvariti.
Šta možemo očekivati do 2030. godine?
Potražnja za veštačkom inteligencijom nastavlja da raste, a paralelno sa tim raste i interesovanje javnosti za njene ekološke posledice.
Regulatori, lokalne zajednice i organizacije za zaštitu životne sredine sve češće traže veću transparentnost kada je reč o potrošnji energije i vode.
U narednim godinama mogli bismo da vidimo:
- efikasnije AI procesore
- nove metode hlađenja servera
- veću upotrebu reciklirane vode
- strože ekološke standarde
- detaljnije izveštavanje o održivosti data centara
Pronalaženje ravnoteže između tehnološkog razvoja i zaštite prirodnih resursa verovatno će postati jedno od ključnih pitanja za AI industriju tokom naredne decenije.
Gde bi problem mogao biti najveći?
Ipak, postoji jedan detalj koji se često zanemaruje u raspravi o AI infrastrukturi.
Potrošnja vode nije podjednako važna u svim delovima sveta. Data centar koji koristi velike količine vode u regionu bogatom vodnim resursima nema isti uticaj kao objekat izgrađen u području koje se već suočava sa sušama i nestašicama.
Upravo zbog toga stručnjaci upozoravaju da lokacija budućih AI data centara može imati podjednako važnu ulogu kao i sama tehnologija hlađenja.
Kako AI industrija nastavlja da raste, pitanje više nije samo koliko će modeli biti moćni, već i koliko će infrastruktura koja ih pokreće biti održiva.
To je posebno važno jer se veliki broj novih data centara gradi upravo u periodu kada mnogi regioni sveta beleže sve veći pritisak na vodne resurse.
❓ Šta ako se procene pokažu tačnim?
Ako se trenutni trendovi nastave, potrošnja vode mogla bi postati jedan od najvećih infrastrukturnih izazova AI industrije. Upravo zato kompanije već ulažu milijarde dolara u efikasnije sisteme hlađenja i održivije data centre.
ZAKLJUČAK
AI data centri predstavljaju temelj modernih sistema veštačke inteligencije, ali njihov rast otvara i važna pitanja vezana za održivost infrastrukture.
Prema novim procenama istraživača, AI data centri mogli bi do 2030. godine da troše količine vode uporedive sa godišnjim potrebama oko 1,3 milijarde ljudi. Ipak, važno je naglasiti da se radi o projekciji zasnovanoj na trenutnim trendovima, a ne o potvrđenom scenariju budućnosti.
Dok istraživači upozoravaju na potencijalne izazove, tehnološke kompanije ističu da nove generacije data centara postaju efikasnije i održivije. Upravo zbog toga narednih nekoliko godina biće ključne za procenu stvarnog uticaja AI industrije na životnu sredinu i razvoj rešenja koja mogu smanjiti potrošnju resursa.
Jedno je sigurno, kako AI postaje sve važniji deo svakodnevnog života, pitanja održivosti i potrošnje resursa biće podjednako važna kao i razvoj samih modela.
