Не секрет, що вищезазначені умовно «чисті» джерела, попри їхній індивідуальний абсолютний ріст, на жаль, не заміщають, а доповнюють викопні. 

Хоча їхня частка у виробленні власне електричного струму може подекуди сягати до 50%, однак в загальному виробництві і споживанні первинної енергії вона залишається без змін на рівні приблизно 15% останні 50 років. 

Це пояснюється тим, що невпинно зростає сукупне споживання енергії з усіх джерел. І причина цьому – не тільки збільшення населення планети, але передусім гонитва за економічним ростом. 

Отже, політики прагнуть ці 15% довести до 100% в наступні 25-30 років, що вже саме по собі нереалістично, тим паче коли розмір спільного енергетичного «пирога» постійно зростає. 

Найоптимістичніші сценарії показують максимум 20-25%, тобто все одно обвал в чотири рази від нинішнього рівня всього енергозабезпечення людства, і то за умови негайного припинення всіх війн, титанічних зусиль і цілковитої співпраці головних геополітичних гравців. 

При цьому є окремі індустрії, які споживають значну частку енергетичних ресурсів і будуть споживати ще більшу, хоча їхня справжня роль у цьому несправедливо замовчується. До них належить розгалужена і практично повсюдна інфраструктура комунікацій та інформаційних технологій, останнім хітом якої став (загальний) штучний інтелект.

Науковці з Массачусетського Інституту Технологій (МІТ) вирішили порахувати, скільки ж енергії сьогодні і в ближчі десятиліття буде витрачатися на створення і функціонування різноманітних платформ і моделей ШІ. 

Завдання виявилося вельми складним, тому що провідні виробники цих систем не зобов’язані і не хочуть оприлюднювати подібну інформацію. Тоді дослідники вирішили відштовхнутися від обліку енергії, затраченої як на тренування ШІ, так і на обробку одиничного запиту до чатботу (т. зв. inference), з тим щоби далі масштабувати ці цифри на наявні й майбутні плани розгортання і впровадження ШІ в різні сфери життєдіяльности.

Тренування тільки OpenAI GPT-4 обійшлося в 100 млн. дол., 50 ГВт енергії і мільйони галонів очищеної прісної води щодня для охолодження графічних процесорів. 

Тим часом ця початкова стадія потребує тільки 10-20% енергії, тоді як активна фаза користування, яка й приносить прибутки компаніям, споживає 80-90% енергії протягом життєвого циклу експлуатації. 

Для оцінки цього другого показника за основу взяли енерговитрати на центральний процесор, графічні процесори і всі допоміжні системи енергозабезпечення й охолодження. Цифри сильно різняться залежно від багатьох різних параметрів, але усереднено виявили, що один текстовий інформаційний запит до моделі Мета Llama 3.1. 8B (8 мільярдів параметрів) веде до споживання 114 джоулів енергії. 

Виглядає мізерно; цієї енергії вистачить на те, щоби проїхати 2 м на електровелосипеді або для роботи мікрохвильової пічки за фракцію секунди. Тим часом такий же запит до потужного Llama 3.1. 405B (405 мільярдів параметрів) вже споживе 6706 Дж, чого достатньо, аби проїхати 120 м на байку або на 8 сек. роботи мікрохвильовки. 

Ще потужніша DeepSeek має 600 мільярдів параметрів, а GPT-4 – ймовірно понад 1 трильйон. Мета розкрило інформацію, що її моделі Llama обробляють 1,2 мільярди запитів щодня. Помножте і порівняйте. 

Для ChatGPT цифру загального енергоспоживання на рік вирахували на рівні 145 ГВт/год. 

На відміну від генерації тексту, ШІ моделі, котрі створюють зображення, працюють з іншою архітектурою, що зветься дифузія. Тут потреби енергії залежать не від складности текстового запитання, а від розміру самої моделі, роздільної здатности світлини і кількости етапів дифузії. Генерація зображення стандартної якости (1024х1024 пікселів) за допомогою Stable Diffusion 3 Medium (2 мільярди параметрів) вимагає 2282 Дж; поліпшена якість за участю 50 стадій дифузії – 4402 Дж. Це вже 80 м на Е-велосипеді або 5,5 сек. МХП. І це тільки одне єдине зображення.

Логічно, що найбільші обсяги енергоресурсів витрачаються на генерацію відео, наприклад за допомогою OpenAI Sora, Google Veo2, Adobe’s Firefly, Zhipu AI CogVideoX, Hugging Face Carbon Code. 

Так, остання модель спочатку відтворила маленьку GIF-ку (8 кадрів за секунду) за 109000 Дж, а невдовзі 5-секундне відео (16 кадрів за секунду) аж за 3,4 млн. Дж (порівняйте з 114 Дж за простий текстовий запит). Т

акої енергії вистачить на 38 миль подорожі на е-байку і понад годину роботи МХП. При цьому зазвичай яскраві і переконливі згенеровані ШІ відео тривають як мінімум 30 сек. 

Лякає те, що індустрія ШІ готує до майбутнього, в якому кожен з нас не обмежиться одним запитанням чи зображенням на платформі ШІ. 

Все наше життя буде пронизане цією системою: ШІ працюватиме на нас 24/7 скануючи реальний і віртуальний простір, продукуючи за раз тисячі сторінок тексту, а при використанні функцій «reasoning models» або «deep research» помножте оті вищезгадані енергозатрати ще на 43. Скажена сумарна енергія в планетарному масштабі… 

Відтак не дивно, що Мета і Майкрософт готові співфінансувати спорудження нових АЕС; OpenAI і президент Трамп проголошують ініціативу Старгейт вартістю півтрильйона доларів на будівництво 10 дата центрів по 5 ГВт кожен; Еппл теж готовий потратити 500 млрд. дол. на дата центри в США в наступні чотири роки; а Гугл викладе 75 млрд. дол. на інфраструктуру ШІ лише в 2025 році.

Нюанс в тому, що ця спрага до енергії особливо характерна саме для ШІ. 

З 2005 по 2017 рр. споживання електроенергії центрами обробки даних залишалося більш-менш однаковим попри збільшення їхньої кількості завдяки підвищенню ефективності. І саме прихід штучного інтелекту в 2017 р. подвоїв енергозатрати до 2023 р. 

Сьогодні 4,4% всього споживання енергії в США припадає на дата центри з ШІ, а до 2028 року, тобто буквально за три роки штучний інтелект поглинатиме енергію, еквівалентну для забезпечення 22% американських домогосподарств, сягнувши 12% всього енергоспоживання в США. 

Ця енергія складатиме від 165 до 326 ТВт/год., а її викиди дорівнюватимуть викидам від пробігу 300 млрд. миль авто з ДВЗ.  

Крім того, оскільки системи ШІ повинні працювати 24/7, їхні власники все більше звертаються до природного газу чи інших брудних джерел, оскільки ВДЕ ненадійні в плані безперебійності енергопостачання. Багато дата центрів просто підключаються до наявної стабільної електромережі в регіоні, яка часто працює від викопних джерел. 

Інфраструктурна проблема полягає в тому, що індустрія ШІ і її потреби енергоспоживання не розглядаються як окрема галузь. А приховування поточних і запланованих потужностей під приводом комерційної таємниці роблять для урядів неможливим планувати оновлення або розширення енергетичної мережі для задоволення потреб усіх споживачів. 

Велика фінансова вага технологічних гігантів робить ймовірними і повсюдними ситуації, коли заради енергозабезпечення ШІ-дата-центрів інші споживачі обслуговуватимуться за залишковим принципом.

Є ще інший фінансовий аспект: завдяки великим обсягам стабільного споживання дата центри укладають угоди з постачальниками електроенергії за пільговими тарифами, через що решта споживачів отримують збільшення тарифів.

У цьому огляді не розглянуті інші негативні аспекти функціонування ШІ, зокрема т. зв. «галюцинації», вигадування неіснуючих фактів, діпфейки, величезний потенціал для дезінформації, розмноження мільйонів недостовірних псевдонаукових досліджень, зловживання у сфері освіти…