טכנולוגיות בינה מלאכותית (AI) משתלבות יותר ויותר בכל תחום בחיינו, ומביאות לשינויים עמוקים בחיי היומיום. מערכות AI מציעות יתרונות רבים ומשמעותיים, ובהם עיבוד מהיר ומדויק של כמויות עצומות של נתונים, קבלת החלטות באופן מושכל יותר, התייעלות בתהליכים ועוד. נוסף על כך טכנולוגיות AI מאפשרות פתרונות מותאמים אישית, מייעוץ בתחומים מגוונים ועד יכולת להפיק מסמכים, תמונות ועוד.
עם זאת, לצד היתרונות הרבים השימוש ב-AI מעלה גם סוגיות אתיות וחברתיות כבדות משקל, מהשפעות על התעסוקה במשק ועד לייצור מידע מוטעה ותוכן גזעני או מיני. זאת ועוד, הפיתוח וההפעלה של המערכות השונות גובה גם עלויות סביבתיות ניכרות, הנובעות בעיקר מצריכת האנרגיה והמים הגבוהה של מרכזי הנתונים התומכים באימון ובשימוש רחב היקף במודלים של AI.
על פי הדוח לשנת 2024 של הסוכנות הבינלאומית לאנרגיה, מרכזי הנתונים ברחבי העולם צרכו בשנת 2022 כ-460 טרה-ואט-שעה (TWh) של חשמל - נתון הדומה לצריכת החשמל השנתית הכוללת של יפן בשנת 2024. חשמל זה מופק ברובו משריפת דלקים מאובנים, וכתוצאה מכך נפלטים מזהמי אוויר רבים וגזי חממה בכמות גבוהה. עם ההתרחבות המואצת של טכנולוגיות הבינה המלאכותית, הצריכה צפויה ליותר מלהכפיל את עצמה, ולעלות על 1,000 טרה-ואט-שעה עד שנת 2026 - נתון העולה על צריכת החשמל השנתית של רוסיה בשנת 2024.
בעוד חיפוש טיפוסי בגוגל צורך כ-0.3 ואט-שעה, ייצור תשובה לשאלה פשוטה אחת על ידי ChatGPT עלול לצרוך פי עשרה מכך. מבחינת טביעת הרגל הפחמנית, כל חיפוש בגוגל מייצר כ-0.2 גרם של גזי חממה, כמו לנסוע מטר וחצי ברכב ממוצע, לעומת כ-68 גרם עבור חיפוש אחד ממוצע בצ'אט, שאקוויוולנטי לנסיעה של חצי קילומטר.
גם טביעת הרגל המימית של טכנולוגיות AI משמעותית. ההערכה היא ש-ChatGPT צורך כ-500 מיליליטרים מים עבור כל 10 עד 50 תשובות שהוא מייצר. התשתיות הנדרשות לאימון ושימוש של מערכות AI, כגון מרכזי נתונים, ציוד רשת, מחשבים ועוד, מצריכות גם כמויות גדולות של מתכות ופלסטיק. הכרייה והעיבוד של חומרים אלו מובילה גם היא לעלויות סביבתיות ניכרות. יתרה מכך, קצב ההתקדמות הטכנולוגית המהיר גורם להחלפה תכופה של מערכות מיושנות, ובכך נוצרות כמויות גדולות של פסולת אלקטרונית, כאשר טיפול לא מתאים בפסולת עלול לגרום לזיהום קרקע, מקורות מים ואוויר.
בעוד שעל מפתחי ה-AI מוטלת האחריות העיקרית לשפר את יעילות המודלים ולאמץ מקורות אנרגיה נקיים יותר, גם למשתמשים, כלומר לנו, יש תפקיד קריטי בצמצום ההשפעה הסביבתית של מגזר ה-AI. זה מתחיל בשאלה האם להשתמש במערכת AI או לא? וממשיך בשאלות באיזו מערכת להשתמש ואיך? אבל גם בסוגיות של ניסוח השאלות ודיוק הדרישה לתשובות.
המסלול הראשון שבו אנחנו יכולים להשפיע על הפליטות הוא הפחתה במקור, כאשר בראש ובראשונה עולה השאלה היא: To chat or not to chat? כך, לדוגמה, אם אנחנו רוצים לדעת “מה יהיה מזג האוויר מחר בירושלים", אין צורך להשתמש ב-AI, אלא בחיפוש אינטרנטי חסכוני יותר באנרגיה או באמצעות יישומון בסמארטפון. יתרה מכך, בכל שיחה שלנו עם הצ'אט אנחנו חייבים לקחת בחשבון את העלויות הסביבתיות הגבוהות וההשלכות שלהן, ולא להשתמש בו לחינם.
הפחתה במקור מתייחסת גם לבחירה בין מערכות AI שונות ולאפשרות להשתמש בחלופות ידידותיות יותר לסביבה. לדוגמה, ג'ימיני של גוגל, המשולב באופן עמוק יותר במערכות של גוגל, ג'ימל ו-YouTube, עדיף במקרים שבהם נדרשת גישה לשירותים אלה או אינטראקציה עמם, כיוון שהאינטגרציה של המערכות לא רק משפרת את איכות התשובות אלא גם מייעלת את ביצועי המערכת באמצעות זרימת נתונים חלקה וצמצום עיבוד מיותר, ובכך מפחיתה את השימוש במשאבים. בנוסף, לעיתים מספיק להשתמש ב-GPT3 ולא ב-GPT5 החדש שהושק זה עתה, ולחסוך עד 50% אנרגיה ומים.
אסטרטגיה יעילה נוספת לצמצום זמן החישוב וצריכת האנרגיה היא שימוש חוזר. לדוגמה, כאשר משתמש שולח אותה שאילתה או שאילתה דומה מאוד מספר פעמים, המערכת יכולה לאחזר ולהשתמש מחדש בתשובה שכבר נוצרה במקום לעבד את הבקשה מחדש מההתחלה. שימוש חוזר יכול להוביל לחיסכון באנרגיה גם על ידי הימנעות מחישובים מיותרים וחוזרים. לדוגמה, שמירת מכתב שנוצר על ידי מודל בינה מלאכותית באופן מקומי במחשב וביצוע עריכות קטנות מאוחר יותר במקום להגיש בכל פעם שאילתה חדשה לצ'אט. באופן דומה, בסביבות שיתופיות, כגון כיתות לימוד או מקומות עבודה, ניתן לשתף מידע ותוצרים, למשל תרגום של מסמך או סיכום שלו, במקום שכל אחד יעשה את אותה הפעולה.
פרופ' עדי וולפסוןצילום: דודו גרינשפןאבל השינויים הם גם בפרטים הקטנים. צריכת האנרגיה הכרוכה ביצירת תשובה ב-AI תלויה במספר גורמים. אורך השאלה, למשל, משפיע על כמות העיבוד הנדרשת, כאשר משפטים ארוכים מעלים מעט את העומס החישובי. גם המורכבות הלשונית של השאלה, כלומר שימוש במשפטים מורכבים או שאלות עמומות, דורשת ניתוח מעמיק יותר, דבר שמעלה את המאמץ החישובי. לכן ניתן להתייעל סביבתית על ידי שימוש בשאלות מדויקות וספציפיות יותר.
טכנולוגיות בינה מלאכותית, על אף שהן מציעות יתרונות חברתיים וכלכליים משמעותיים, כרוכות גם בעלויות סביבתיות משמעותיות. החברות שמפתחות ומציעות מערכות AI מחויבות לעשות שימוש מושכל ויעיל יותר במשאבים, אבל גם לנו, המשתמשים, יש תפקיד קריטי בהפחתת ההשפעות הסביבתיות השליליות של ה-AI, באמצעות ניסוח שאילתות מדויקות יותר ותמציתיות יותר, בחירה בכלי המתאים ושימוש אחראי. בקיצור, כדי שהתועלות מכלי ה-AI יעלו על העלויות הסביבתיות שלהן, חייבים להוסיף לבינה המלאכותית גם בינה אנושית.
פרופ' עדי וולפסון הוא ראש המסלול לתואר שני בהנדסה ירוקה במכללה האקדמית להנדסה ע"ש סמי שמעון ומחבר הספרים "המשבר הגדול – עידן האדם: בין מבט מקרוסקופי למבט מיקרוסקופי" (פרדס, 2023) ו"צריך לקיים – אדם, חברה וסביבה: לקחי העבר ואחריות לעתיד"
