Egy AI modell betanítása meglehetősen energiaigényes, ez azonban csak egy része az egyenletnek. A Hugging Face, egy AI startup és az amerikai Carnegie Mellon University közös kutatása alapján egy kép elkészítése annyi energiát igényel, amennyivel teljesen feltölthetnénk egy okostelefont. A szöveggenerálás már közel sem ennyire energiaintenzív: ezer ilyen művelettel is „csupán” 16%-ra tölthetnénk mobilunkat. Ezeket az arányokat a mellékelt ábra is jól szemlélteti.
Ugyancsak látható a diagramon, hogy egy komplex, generatív AI eszköz (mint a ChatGPT) sokkal energiaigényesebb, mint egy szűk fókuszú, egyetlen célra kifejlesztett társa. Ennek az az oka, hogy míg az utóbbi specializáltan egyféle feladatra fókuszál, addig az előbbi működése sokkal több területet érint egyszerre. A kutatás szerint a legnagyobb AI modellek esetén a napi felhasználásból eredő energiafelhasználás mindössze pár hét alatt meghaladhatja a modell betanításának ezen költségeit.
Az energiával pedig csak egy szeletére világítottunk rá a problémának. Akármilyen hihetetlenül is hangzik elsőre, az AI-nak is vízre van szüksége. A University of California kutatása szerint egy olyan modell, mint a ChatGPT betanítása 5,4 millió liter vízbe kerül, továbbá minden egyes feladattal szintén egy kisebb mennyiséget is felhasznál. Az előrejelzések szerint a globális vízfelhasználás az AI kapcsán 4,2 és 6,6 milliárd köbméter között alakul majd 2027-re. Ez igencsak sokkoló, főleg abban a kontextusban, hogy bolygónk egyes területein a tiszta vízhez való hozzáférés már most is társadalmi-politikai feszültségeket szül. De mégis hol használ vizet a mesterséges intelligencia?
- A legtöbb szerverközpont vízhűtéses rendszerrel működik.
- A hőerőművek, ahol a legtöbb elektromos áramot termeljük, szintén vizet használnak hűtés céljából, ahogy az atomerőművek is
- A chipgyártás is meglehetősen vízigényes tevékenység
Ezt a helyzetet tovább súlyosbítja a transzparencia hiánya. Amíg a karbonkibocsátás a legtöbb szervezet (és AI modell) fókuszterületei között szerepel, addig a vízgazdálkodásra sokszor még mutatók sincsenek. Bill Tomlinson és társai a következőképp írnak tanulmányukban:
„Eredményeinkből kiderül, hogy az AI rendszerek 130-1500-szor kevesebb szén-dioxidot bocsátanak ki írott oldalanként az emberi írókhoz képest, míg az AI képalkotó rendszerek 310-2900-szor kevesebb szén-dioxidért felelősek képenként emberi társaikhoz képest.”
Valamint emellett a cikk szerzői kifejtik, hogy például a ChatGPT egy akcióval nagyjából 1,84g szén-dioxid-kibocsátásáért felelős. Itt számba veszik a betanítási költségeket, valamint az akció valós költségét és azt, hogy átlagosan háromévente újra betanítják a modellt. Ezzel szemben egy emberi író – az amerikai és indiai elnökök példájával élve – 180-1400g szén-dioxidot juttat a levegőbe megírt oldalanként.
Emellett Tomlinson és társai azt is kifejtik, hogy mivel egy embernek lényegesen több idő megírni egy oldalnyi szöveget (nagyjából 45 perc), az ezalatt folyamatosan futó számítógép lényegesen több üvegházhatású gázt juttat a légkörbe, mint a mesterséges intelligencia ugyanannyi szöveg megírásakor.
Ezzel szemben mindössze annyit tudunk, mint például, hogy a félvezetők gyártásával foglalkozó üzemekben olyan helyeken, mint Szingapúr, a víz visszaforgatásának aránya 50% alatti és a felhasznált víz mérgező anyagokat tartalmazhat.
Ezeknek fényében olyan vállalatok, mint a Google vagy a Microsoft vállalták, hogy 2030-ra vízpozitívak lesznek, azaz több vizet juttatnak vissza a természetbe, mint amennyit felhasználnak. Továbbá olyan megoldási javaslatok is születtek, hogy az AI modellek energiaintenzív betanítása hűvösebb klímájú területeken és a nap hidegebb óráiban történjen, amikor kisebb a hűtés igénye, ezzel vizet és energiát is megtakarítva. Ezt „kövesd az árnyékot” módszernek hívják, azonban ez szembemegy a „szokásos” kövesd a napot megközelítéssel, amit a karbonkibocsátás mérséklése kapcsán használunk. Tehát felmerül egy új dilemma: ami vízgazdálkodás szempontjából hatékonyabb, az előfordulhat, hogy több szén-dioxidot juttat a levegőbe és fordítva?
Mindezeken felül a Nemzetközi Energiaügynökség (IEA) legújabb jelentése alapján az AI egyre kifinomultabb kibertámadásokat tesz lehetővé, többek között energetikai létesítmények ellen, viszont az ellenük való védekezésben is legalább annyira kritikus szerepük van. És bár valóban többletkibocsátással jár ez a technológia, a kutatócsapat következtetése szerint innovációserkentő hatása miatt bőven többet takaríthat meg, mint amennyit fogyaszt.
[Marad tehát az örökérvényű tanács a végére: mértékletesség és észszerűség. Ha hasznos dologra használjuk az AI-t, akkor tegyük! Ha egy újabb fölösleges baba-selfie legyártására, akkor kicsit mélázzunk el rajta, hogy mennyi energiát és vizet fogyasztottunk erre a célra – a szerk.]
Források:
Heikkilä, M. (2023. December 1). Making an image with generative AI uses as much energy as charging your phone. Forrás: MIT Technology Review
Smart Water Magazine. (2025. Április 2). Studio Ghibli AI imagery craze brings to light the high cost of water consumption. Forrás: Smart Water Magazine
Tomlinson, B., Black, R. W., Patterson, D. J., & Torrance, A. W. (2024). The carbon emissions of writing and illustrating are lower for AI than for humans. Nature.
IEA (2025), Energy and AI, IEA, Paris, Licence: CC BY 4.0
Luccioni, A. S., Jernite, Y., & Strubell, E. (2024). Power Hungry Processing: Watts Driving the Cost of AI Deployment?
