header banner
Default

AI zal binnenkort hetzelfde energieverbruik hebben als heel Nederland


Table of Contents

    De mogelijkheden van AI zijn eindeloos: programmeurs kunnen beter coderen, autorijden wordt veiliger en we hoeven met ChatGPT straks zelfs onze rapporten niet meer zelf te schrijven. Maar nadelen zijn er ook. Zo verbruikt kunstmatige intelligentie gigantische hoeveelheden stroom.

    Binnen enkele jaren al kan de AI-sector wereldwijd net zoveel energie verbruiken als heel Nederland. Datawetenschapper Alex de Vries van de Vrije Universiteit Amsterdam, die eerder al het stroomverbruik van bitcoin en blockchain berekende, heeft zich nu gewaagd aan een schatting van de exploderende energievraag van AI. “Ik heb vooral gekeken naar de verwachtingen omtrent de groei in de productieketen van AI-servers en dit vertaald naar een verwachting omtrent het stroomverbruik gerelateerd aan deze servers”, licht hij toe aan Scientias.nl.

    “Het gaat hierbij om zeer krachtige en gespecialiseerde apparatuur van NVIDIA (met een geschat marktaandeel van 95 procent), waarbij het stroomverbruik per server al kan oplopen tot een waarde die gelijk is aan het stroomverbruik van dertig Nederlandse huishoudens bij elkaar. De komende jaren zullen honderdduizenden van dit soort apparaten geproduceerd worden – tegen 2027 kan de jaarlijkse productie zelfs oplopen tot meer dan een miljoen servers – waardoor het stroomverbruik gerelateerd aan AI ook snel zal toenemen.”

    De paradox van Jevons
    Hier komt de paradox van Jevons om de hoek kijken. De AI-sector springt steeds efficiënter om met zijn systemen, maar door de massale adoptie groeit het verbruik alsnog gigantisch. “Het uitgangspunt is dat een toename in efficiëntie leidt tot minder stroomverbruik, maar een lange historie van technologische ontwikkeling laat juist het omgekeerde zien. Dit is de paradox van Jevons. Toenemende efficiëntie werkt kostenverlagend, maar door de lagere kosten stijgt de vraag en daardoor het totale verbruik van een goed of dienst. Sterker nog, we zien rebound-effecten nu al terug in AI-toepassingen. Helaas is het optreden van dit effect lastig te voorspellen, maar gegeven meer dan 150 jaar aan precedent is dit wel een belangrijke reden om te waken voor te veel optimisme over toenemende efficiëntie”, waarschuwt De Vries.

    Bitcoin achterna
    Voor zowel het trainen van de verschillende AI-systemen door data aan het systeem te voeden, als het gebruik ervan is veel stroom nodig. “Het gaat dan om grofweg een half procent van het wereldwijde stroomverbruik. De afgelopen jaren hebben we gezien dat digitale valuta zoals Bitcoin het ook voor elkaar kregen om in korte tijd tot een dergelijk niveau te groeien. Ik acht het waarschijnlijk dat dit wel tot toenemende spanningen kan leiden. Pas geleden is er nog een streep gezet door een nieuw datacenter van Meta in Zeewolde en dat is nog voor de verwachte groei in datacentra als gevolg van AI. Een half procent van het wereldwijde stroomverbruik is nog wel beperkt, maar datacentra wereldwijd zijn momenteel verantwoordelijk voor zo’n 1 procent. Binnen datacentra gaat het dus wel over een enorme toename”, legt De Vries uit.

    AI-model trainen 
    Hij waarschuwt dan ook voor al te veel optimisme. “Vaak zien we dat men zich makkelijk verliest in de hype omtrent nieuwe technieken. Sterker nog, er is zelfs sprake van een fear-of-missing-out (FOMO) waardoor iedereen zich makkelijk op een nieuwe techniek stort. Dit is bijvoorbeeld ook met blockchain gebeurd in het verleden. Hierbij gaat men vaak voorbij aan de vraag wat de eindgebruiker nu echt nodig heeft en worden toepassingen ontwikkeld die geen kans van slagen hebben. Zeker bij AI kan dit tot grote verspilling leiden, omdat alleen al het trainen van een model voor je ermee aan de slag kunt zeer energie-intensief is. Door een stap terug te doen en te focussen op waar de eindgebruiker echt mee geholpen zou zijn, los van de techniek, voorkom je waarschijnlijk al een groot deel van de zinloze toepassing van AI”, aldus de datawetenschapper.

    AI niet zaligmakend
    Maar hoe krijg je makers en gebruikers zo ver om een stap terug te doen? “Beleidsmatig is dat lastig af te dwingen, maar we kunnen natuurlijk wel sturen op meer transparantie en bewustwording ten aanzien van de kosten van het gebruik van AI. Momenteel is data zeer schaars, dus hier kunnen nog wel grote stappen gezet worden. Het gebruik van AI zal ongetwijfeld toenemen, maar ik denk wel dat we zullen beseffen dat er ook aan deze techniek beperkingen zitten en dat het geen magische oplossing voor alles is. Denk aan hallucinaties: onbedoelde ingebouwde vooroordelen, maar ook mogelijke privacyschendingen. Hoe eerder we dit beseffen, hoe beter, omdat dit een hoop verspilling kan voorkomen”, besluit de Nederlandse datawetenschapper.

    Sources


    Article information

    Author: Austin Baker

    Last Updated: 1698085442

    Views: 1190

    Rating: 3.6 / 5 (71 voted)

    Reviews: 85% of readers found this page helpful

    Author information

    Name: Austin Baker

    Birthday: 1963-01-15

    Address: 9459 Stephen Groves, Lake Karenfurt, OH 64172

    Phone: +3523422115978914

    Job: Data Analyst

    Hobby: Tea Brewing, Camping, Hiking, Soccer, Rock Climbing, Painting, Sculpting

    Introduction: My name is Austin Baker, I am a tenacious, resolute, priceless, frank, radiant, vibrant, rich person who loves writing and wants to share my knowledge and understanding with you.