Novo istraživanje: Jedan AI zahtev troši gotovo bocu vode

Čak i naizgled bezazlen zahtev — npr. da ChatGPT sastavi e‑poruku — može imati skriveni trošak za zalihe vode. Novo istraživanje, preneto u izveštaju Association for Computing Machinery (ACM) i medijski pokriveno od strane BGR‑a, procenjuje da jedan "srednje veliki" GPT‑3 upit može zahtevati oko 500 ml vode.

U studiji je "srednje veliki" zahtev definisan kao približno 800 reči ulaznog teksta i manje od 300 reči izlaza. Većina te potrošnje vezana je za hlađenje servera u velikim data centrima: mašine koje pokreću AI modeli stvaraju znatnu količinu toplote, a sistemima za hlađenje često je potrebna velika količina vode.

Primeri velikog uticaja

Istraživanje navodi konkretne primere velike potrošnje vode: treninzi u Microsoftovim američkim data centrima navodno su koristili oko 185.000 galona vode na lokaciji i približno 1,4 miliona galona ukupno. Jedan Google‑ov data centar izvestio je potrošnju od 6,07 milijardi galona slatke vode za hlađenje u 2023. godini.

Zašto je to važno

BGR navodi da 75% Amerikanaca dnevno unese oko 2,5 šolje tečnosti (nešto ispod 600 ml), pa autor izveštaja ističe da svaki takav AI‑mejl troši količinu vode blisku dnevnom unosu većine ljudi — ilustrativna poređenja koja naglašavaju obim potrošnje. Pored potrošnje električne energije i emisije ugljenika, voda je često podcenjeni deo ekološkog otiska tehnologije.

Problem se dodatno pogoršava jer se veliki broj novih objekata za AI i data centre gradi u regionima koji su već izloženi suši i ograničenim vodnim resursima. Prema izveštajima, više od 500 planiranih objekata nalazi se u područjima koja su ranije iskusila ozbiljne suše, a u nekim državama, poput Teksasa, data centri bi mogli činiti značajan deo ukupne državne potrošnje vode do 2040. godine.

Preporuke istraživača

Autori rada predlažu nekoliko mera za ublažavanje problema:

• Veća transparentnost: kompanije treba da mere, izveštavaju i prate potrošnju vode — i onu za hlađenje na lokaciji i onu indirektno povezanu s proizvodnjom električne energije.
• Bolji izbor lokacija: gradnja i treniranje modela u regijama sa višom efikasnošću korišćenja vode.
• Pomeranje radnih opterećenja: raspoređivanje treninga i zahtevnijih poslova u sate kada je hlađenje manje zahtevno i efikasnije.
• Pažnja na rast potražnje: energetska i vodena efikasnost modela može biti poništena brzom ekspanzijom upotrebe AI.

McKinsey & Company predviđa da će ulaganja u data centre zbog AI doseći oko 5,2 biliona dolara do 2030. godine — što dodatno naglašava koliko će se infrastruktura i potrošnja resursa verovatno povećati.

Podaci and brojevi izneseni su prema ACM studiji i medijskim izvorima; precizne vrednosti mogu varirati zavisno od metode merenja i lokacije.

Zaključak: Potrošnja vode povezana s razvojem i korišćenjem AI postavlja pitanja o dugoročnoj održivosti, naročito u regionima sa ograničenim vodnim resursima. Transparentnost, pametnije planiranje lokacija i optimizacija rada mogu ublažiti deo pritiska, ali rastuća potražnja predstavlja izazov koji treba rešavati na nivou industrije i politike.