Debatten om kunstig intelligens har sakte begynt å også få et bærekraftsperspektiv. Er de store miljømessige kostnadene verdt prisen?
Kunstig intelligens (KI) er først og fremst et spørsmål om datakraft, og for å kunne bruke kunstig intelligens vil vi trenge enormt mange og store datasenter. Dette igjen krever energi, arealer og naturressurser for å bygges og holdes i gang. Mange har likevel en optimistisk tro på at kunstig intelligens kan bidra til å løse miljøutfordringene. Samtidig kommer det stadig flere kritiske rapporter om de uproposjonalt store miljømessige problemene knyttet til KI og datasentre. En rapport viser at ChatGPT bruker 17 000 ganger mer elektrisitet per dag enn gjennomsnittlig amerikansk husholdning. Google’s generative AI krever betydelig mer energi enn tradisjonelle søk og datasentre legger beslag på store mengder fornybar energi. Elizabeth Kolbert advarer i The New Yorker om at KI’s energikrevende natur utfordrer muligheten for å nå nullutslippsmål.
Til tross for denne økte kritiske bevisstheten finnes det fallgruver – både i optimistiske og kritiske tilnærminger – som overser essensielle faktorer. Det er derfor behov for en grundigere analyse av de underliggende antakelsene og strategiene som påvirker vår forståelse av KI og miljø. Spesielt fire viktige fallgruver gjør at debatten kommer skjevt ut, nemlig «effektivitet», karbonfundamentalisme, markedsfundamentalisme og den ujevne maktbalansen bak KI.
Fallgruve 1: Effektivitet som en løsning på miljøutfordringer
Effektivitet blir ofte hyllet som løsningen på miljøproblemene våre. Ja, teknologi kan øke effektiviteten, noe som betyr at på et mikronivå blir hver enhet av teknologi mer effektiv over tid og bruker mindre energi og materialer (og teknologioptimister stopper ofte her og feirer effektivitetens fremgang). Men som den britiske økonomen William Stanley Jevons påpekte for nesten 200 år siden, fører økt effektivitet til lavere kostnader for teknologi, noe som på makronivå resulterer i høyere samlet forbruk i et vekstorientert økonomisk system. Dette fenomenet, kjent som Jevons’ paradoks, påvirker dagens økonomi, ettersom den fortsatt styres av vekst og kapitalakkumulasjon, og effektivitet fører til økt ressursbruk. Datasentre og KI er ingen unntagelse fra dette fenomenet så lenge de utvikles innenfor samme økonomiske logikk. Effektivitet vil kun redusere miljøbelastningen når den kombineres med å begrense produksjonen til det tilstrekkelige, ikke å øke den (efficiency + sufficiency).
Dette fenomenet, kjent som Jevons’ paradoks, påvirker dagens økonomi
For eksempel viser en studie publisert i Nature at KI-systemer slipper ut mellom 130 og 1500 ganger mindre CO2 per side med tekst generert sammenlignet med menneskelige skribenter, og mellom 310 og 2900 ganger mindre CO2 per bilde enn deres menneskelige motparter. Hvis vi aksepterer den smått absurde sammenligningen av at mennesker må spise og puste med energi brukt av en maskin, så møter vi likevel Jevons’ paradoks, eller rebound-effekten som det også kalles. Denne effektiviseringen fører til at vi produserer tusenvis av ganger flere aktiviteter med KI-løsninger enn vi ville gjort manuelt. For eksempel kan KI generere tusenvis av bilder på samme tid som et menneske ville brukt på å produsere ett. Dette er ikke bare i mediene at vi finner et bias for slik effektivisering; en systematisk litteraturgjennomgang av vitenskaplige artikler om «grønn KI» fant at av 98 artikler, adresserte kun én rebound-effekten. Selv om rebound-effekten er et etablert og velkjent fenomen blant forskere i mange felt, for eksempel innen byggekonstruksjon, er den en ukjent faktor i KI-debatten.
Fallgruve 2: Karbonfundamentalisme – En snever forståelse av miljøutfordringene
Vi mennesker har tidligere forholdt oss til endelige energibehov. For eksempel er det begrenset hvor mye mat vi klarer å spise, eller hvor mye stål vi trenger til et konkret byggeprosjekt. Men databeregninger kan kreve en ubegrenset mengde kraft. Vi kan alltid få behov for enda bedre, flere og nye databeregninger. Det finnes ingen naturlig endedestinasjon for ressursbehovet når det gjelder KI og dets behov for å prosessere, lagre og transportere data. Hvis vi skal holde tritt i KI-kappløpet og utnytte det uforløste potensialet, må vi sørge for at energiproduksjonen ikke blir en begrensende faktor. Spørsmålet blir derfor om vi evner å skaffe til veie den utslippsfrie kraften som trengs.
Dette er ikke hentet fra en fantasybok, men fra en kronikk publisert på NRK. Den illustrerer en annen alvorlig feilvurdering i KI-debatten, det som kalles «karbonfundamentalisme» eller «karbontunnelsyn» – ideen om at hvis vi bare reduserer CO2-utslippene, vil alt ordne seg. I realiteten er de planetariske grensene langt bredere enn kun karbonutslipp. For eksempel viser . FN – Digital Economy Report 2024 at produksjonen av KI-systemer krever enorme mengder vann og kritiske mineraler.
I en kronikk i Dagens Næringsliv ser vi også at: «Tørsten etter nye datasentre gjør at vi snart må ta stilling til om vi ønsker å bygge ut mer fornybar kraft for å dekke forbruket til datasentrene. Hensynet til klima og sikkerhet tilsier at svaret er ja.»
Dette er en klassisk illustrasjon av karbonfundamentalismen. Problemet er ikke begrenset til de nevnte mediene, men er en omfattende utfordring. For eksempel viser en nylig undersøkelse av 500 av verdens største selskaper at disse selskapene kun fokuserer på klima og utslipp av klimagasser for å bli grønnere, uten å ta hensyn til bredere miljøpåvirkninger, noe som indikerer et farlig tunnelsyn .
Fallgruve 3: Prioritering innen markedsfundamentalismens rammer
Blant de som erkjenner miljøutfordringene knyttet til KI og datasentre, og aksepterer at det ikke er mulig å øke energi- og materialforbruket ubegrenset, er det en økende forståelse for behovet for å prioritere hvilke KI-løsninger og datasentre vi satser på. For eksempel kan det argumenteres for å gi høyere prioritet til løsninger som bidrar til helsevesenet og lavere prioritet til kortvarig underholdning som TikTok eller Instagram. Dette virker som en fornuftig tilnærming, slik prioritering er nødvendig.
I en verden styrt av markedskrefter er denne typen prioritering dømt til å mislykkes.
Men her ligger et grunnleggende problem: i en verden styrt av markedskrefter, hvor profitten og veksten er den ultimate målestokken, er denne typen prioritering dømt til å mislykkes. Markedet alene prioriterer ikke bærekraft eller sosial rettferdighet; det prioriterer fortjeneste og dette er kjernen i nyliberal økonomi: la markedet styre, og det vil føre til resultater som antas å gagne alle.
Rapporten «The World’s Most Used Apps, by Downstream Traffic« viser at den største delen av dagens datatrafikk går til underholdningstjenester som TikTok, Instagram og lignende. Dette illustrerer tydelig hvordan markedet prioriterer på en måte som ikke nødvendigvis gagner samfunnet eller miljøet. Markedet, basert på dets design og logikk, styrer ressurser mot app’er og digitale tjenester som gir høyest fortjeneste, uten hensyn til deres langsiktige miljømessige eller sosiale påvirkninger. Når profitten og veksten er den primære driveren, vil enhver prioritering innenfor markedets rammer ofte være overfladisk og utilstrekkelig. For å oppnå reell bærekraft og sosial rettferdighet i KI-utvikling, må vi vurdere tiltak som går utover markedets begrensede rammer og som adresserer de dypere strukturelle problemene i vår nåværende økonomi.
Fallgruve 4: KI-regulering uten maktbalanse
Sterk regulering av kunstig intelligens framstår som løsning på utfordringene vi står overfor med KI og miljø, men det overser en kritisk faktor: den enorme maktkonsentrasjonen hos de største teknologiselskapene. Markedsverdien til de såkalte Big Five (Alphabet, Amazon, Apple, Meta og Microsoft) er 20 ganger større enn Norges BNP. Disse selskapene har ikke bare betydelige økonomiske ressurser, men også en enestående evne til å påvirke, undergrave og omgå markedsregulering. De opererer dessute på en global skala og krysser nasjonale grenser, noe som gjør det utfordrende for enkeltstående nasjoner å implementere effektiv regulering.
En nylig artikkel i Bloomberg avslørte hvordan teknologigigantene som leder KI-kappløpet, skjuler sitt reelle klimaavtrykk ved å bruke utdaterte metoder for karbonregnskap. På samme måte rapporterte Financial Times om hvordan store teknologiselskaper produserer langt mer karbonutslipp enn det som fremgår av deres bærekraftsrapporter. The Guardian har også nylig rapportert om hvordan store selskaper bruker misvisende målemetoder for å fremstille utslippene fra datasentrene sine som mye lavere. Disse eksemplene viser hvordan de aktivt arbeider for å omskrive reglene for hvordan utslipp beregnes, slik at de kan fremstå somkarbonnøytrale på papiret, uten at de er det i praksis. I tillegg har de stor ideologisk makt og innflytelse til å påvirke offentligheten og politikere, gjennom et enormt PR- og lobbyapparat, direkte eierskap over deler av media og indirekte kontroll gjennom plattformene de eier. Uten en grunnleggende omfordeling av makt – demokratisering og desentralisering av økonomien – vil krav om effektiv regulering av KI være vanskelig.
Hvordan skal vi da begrense deres makt, desentralisere den og demokratisere økonomien? Har statene vilje til dette, eller er de ofte på lag med store selskaper? Hvilken rolle kan sosiale bevegelser spille i å motvirke Big Tech’s makt og fremme en mer miljøvennlig økonomi? Dette er spørsmål som stort sett er underdekket i den nåværende debatten, men er der vi virkelig kan gjøre en forskjell.
Veien videre
Skal vi virkelig adressere de miljømessige utfordringene knyttet til KI og datasentre, må vi se forbi de enkle løsningene som effektivitet, karbonreduksjon, prioritering og regulering innenfor dagens økonomiske rammer. Vi må være villige til å stille de vanskelige spørsmålene om økonomisk vekst og maktstruktur; vi må utfordre selve dagens politisk-økonomiske rammer – og være villige til å handle deretter for et paradigmeskifte.
Kronikk publisert i Klassekampen 2. oktober 2024
