Koliko vode zaista troši veštačka inteligencija? Mitovi, brojevi i šta to znači

U poslednje vreme kruže kontradiktorne brojke o tome koliko vode troši jedan AI upit: od "pet kapi" (prema Google-u), preko "~1/15 kašičice" (Sam Altman iz OpenAI) do "pola litarske boce" u jednoj viralnoj proceni. Ta razlika — i do ~2.000 puta — zbunjuje javnost i otežava stvarnu procenu uticaja.

Zašto su procene toliko različite?

Razlike nastaju zato što različite procene mere različite stvari:

• Hlađenje data centara: Neki izračuni uzimaju u obzir samo direktnu potrošnju vode za hlađenje servera.
• Voda za proizvodnju električne energije: Drugi uključuju vodu utrošenu prilikom proizvodnje struje koja pokreće centre podataka (termalne elektrane, hidroelektrane, itd.).
• Zaostale pretpostavke i prosečne vrednosti: Neke ranije procene bazirane su na starijim tehnologijama, manje efikasnim modelima ili lošim pretpostavkama o tipu hlađenja i strukturi mreže.

Ključni faktori koji utiču na potrošnju vode

Potrošnja vode po upitu zavisi od više parametara:

• Veličina i složenost modela: Veći modeli i složeniji upiti troše više energije i time potencijalno više vode.
• Efikasnost data centra: PUE (Power Usage Effectiveness), tip hlađenja (vazdušno naspram vodenog), recikliranje vode i prakse upravljanja otpadnom vodom utiču drastično.
• Izvor električne energije: Ako se struja dobija iz termoelektrana koje koriste mnogo vode, ukupna voda-po-upitu raste; obnovljivi izvori smanjuju indirektnu potrošnju vode.
• Geografska lokacija: Klima, lokalni izvori vode i regulative igraju ulogu — data centar u hladnijoj, suvoj regiji može imati drugačiji uticaj nego onaj u vlažnom području s obilnijim resursima.

Primer skale: od kapljice do boce

Procene poput "5 kapi" ili "1/15 kašičice" odnose se na vrlo ograničene metode računanja (npr. direktna voda za hlađenje po jednom kratkom upitu), dok procene koje idu do 0,5 L obično uključuju i širi lanac proizvodnje energije i pretpostavke koje nisu univerzalno primenljive. Zato su takve brojke teško uporedive bez jasno definisanih metodologija.

Uporedni kontekst

Čak i kada se koristi restriktivna metodologija, ukupna potrošnja vode data centara je značajna, ali je u nacionalnom i regionalnom kontekstu često manja od glavnih potrošača vode: poljoprivrede (navodnjavanje), industrije koje zahtevaju veliku količinu vode, kao i svakodnevne kućne potrebe (zalivanje, kupanje). Viralna tvrdnja da "proizvodnja jednog hamburgera koristi više vode nego hiljade AI upita" generalno stoji ako se poredi sa tipičnim procenama potrošnje vode po kilogramu goveđeg mesa (stotine ili hiljade litara), ali važno je jasno odrediti metodologiju pri takvim poređenjima.

Šta treba tražiti i kako smanjiti uticaj

Za korektnu ocenu uticaja AI na vodne resurse potrebno je standardizovati izveštavanje: voda po kWh električne energije, voda po inferenciji ili po obuci modela, uz jasno naznačene granice uključenih procesa. Organizacije mogu smanjiti potrošnju vode izborom energetski efikasnih data centara, prelaskom na obnovljive izvore energije, primenom hladnijih klimatskih lokacija ili tehnologija s manje potrebe za svežom vodom, te recikliranjem otpadne vode.

Zaključak: Nema jedne tačne brojke bez konteksta — različite tvrdnje mere različite aspekte. Data centri koriste značajnu količinu vode, ali najveći potrošači u većini zemalja ostaju poljoprivreda i svakodnevne aktivnosti. Transparentnost metodologija i modernizacija infrastrukture ključni su za tačnije procene i smanjenje stvarnog uticaja.