Határozottan vitatta az OpenAI vezérigazgatója, Sam Altman azokat a növekvő aggodalmakat, amelyek szerint a modern mesterségesintelligencia-modellek és az őket kiszolgáló szerverfarmok mértéktelenül pusztítják az ivóvízkészleteket. A Sources Podcast legújabb adásában a cégvezető egy meglepő mezőgazdasági összehasonlítással védte a technológiát: kijelentette, hogy egyetlen szem kaliforniai mandula megtermelése ugyanakkora vízmennyiséget igényel, mint 38 000 különálló ChatGPT-lekérdezés megválaszolása.
Mit mutatnak a valós számok: a mandula és a lekérdezések aránya
Bár Altman kijelentése első hallásra megnyugtatónak tűnhet, a független kutatási eredmények gyorsan rávilágítanak az összevetés pontatlanságára. Az amerikai agrárgazdasági mérések alapján a kaliforniai mandulatermesztés kétségkívül az egyik leginkább vízigényes ágazat: egyetlen mandula kifejlődéséhez átlagosan 1,1 gallon, azaz megközelítőleg 4,16 liter vízre van szükség.
Ezzel szemben az UC Riverside és az UT Arlington kutatóinak átfogó vízlábnyom-tanulmánya kimutatta, hogy egyetlen átlagos ChatGPT-kérdés megválaszolása az adatközponti hűtési technológiától függően 1 és 50 milliliter (0,001–0,05 liter) közötti közvetlen vízveszteséggel jár. Ha a 4,16 litert elosztjuk a mért értékekkel, látható, hogy egy mandula valójában 85 és 5500 ChatGPT-lekérdezés vízmennyiségének felel meg. Altman 38 ezres száma még a legszélsőségesebben optimalizált elméleti forgatókönyv mellett is legalább hétszeres, a valós üzemi átlaghoz képest pedig több százszoros szépítés.
700 ezer liter víz egyetlen modell betanítására
A felhasználói csevegés (az inferencia) ráadásul a teljes AI-ökoszisztéma fogyasztásának csak a kisebb része. A tízezernyi csúcs-GPU-t heteken keresztül csúcsra járató modelltanítás nagyságrendekkel nagyobb megterhelést ró az infrastruktúrára. Az egyetemi kutatócsoport mérései szerint még az évekkel ezelőtti GPT-3 alapmodell egyetlen tréningciklusa is megközelítőleg 185 000 gallont, azaz 700 000 liter tiszta édesvizet emésztett fel a szervertermek hűtőtornyaiban. A modern, autonóm döntéshozatali láncokat futtató mesterségesintelligencia-ágensek terjedésével pedig a folyamatok számítási és hűtési igénye ugrásszerűen megnőtt.
Kiszáradó kutak és 110 millió literes számlák a valóságban
Altman szerint egy modern adatközpont éves vízhasználata nem haladja meg egy átlagos irodaház mosdóinak és csapjainak fogyasztását, a helyi közösségek tapasztalatai azonban éles ellentétben állnak ezzel. Georgia államban a Politico oknyomozó jelentése feltárta, hogy Fayette megye egyik adatközponti létesítménye mindössze 15 hónap alatt 29 millió gallon – közel 110 millió liter – vizet szívott el a közüzemi hálózatból. Morgan megyében a lakók felháborodása nyomán az EPA vizsgálatot indított, miután a kongresszusi meghallgatáson bemutatott bizonyítékok szerint a szomszédos szerverközpont építése miatt a helyi kutak vize zavarossá és iszapossá vált.
600 milliárd gallon 2030-ra: iparági válaszok a vízkrízisre
A technológiai óriáscégek saját adatokkal igyekeznek csillapítani a kritikákat. Az Amazon hivatalos fenntarthatósági jelentésében azzal érvelt, hogy adatközpontjai csupán 0,075 százalékát fogyasztják annak a vízmennyiségnek, amit az amerikai lakosok a pázsit locsolására használnak. A hardveroldalon a gyártók zárt hűtési ciklusokkal kísérleteznek: a Microsoft zárt rendszerű megoldásai egyetlen étterem szintjére próbálják szorítani az éves vízveszteséget, az NVIDIA hivatalos mérnöki beszámolója szerint pedig az új forróvizes direct-to-chip folyadékhűtés képes teljesen megszüntetni a közvetlen párologtatásos veszteséget.
A probléma globális súlyát mutatja, hogy az ENSZ Egyetem (UNU) környezeti jelentése és a The Guardian elemzése szerint a szektor vízfogyasztása 2030-ra elérheti az évi 600 milliárd gallont (több mint 2270 milliárd litert). A legnagyobb feszültséget az kelti, hogy az amerikai új beruházások zöme eleve krónikus aszállyal küzdő déli és délnyugati területeken valósul meg.
