Kunstig intelligens bliver jævnligt fremhævet som en vigtig teknologi i kampen mod klimaforandringer.
Ved at analysere enorme datamængder kan AI forbedre klimamodeller, optimere energisystemer og forudsige ekstreme vejrhændelser med større præcision. Potentialet er betydeligt.
Smartere elnet, mere effektiv transport og bedre ressourceudnyttelse kan bidrage til at reducere CO₂-udledninger.
Men samtidig vokser en mere kritisk fortælling frem.
Den handler om, at selve forbruget af AI – som især manifesterer sig i form af store datacentre og krævende teknologisk infrastruktur – i stigende grad udgør en betydelig klimabelastning.
En voksende energisluger
En af de mest centrale udfordringer er energiforbruget i det hele taget.
Træning af store AI-modeller kræver enorme mængder elektricitet, ofte langt mere end traditionelle IT-opgaver.
Generativ AI, som bruges til alt fra tekst til billedskabelse, er særligt energikrævende.
Når millioner af brugere interagerer med sådanne systemer dagligt, vokser det samlede energiforbrug eksplosivt.
Datacentre, der driver AI-systemer, er allerede blandt de største elforbrugere globalt, og deres energibehov forventes at stige markant i de kommende år.
Problemet forstærkes af, at energien, der driver AI’en, ikke nødvendigvis stammer fra vedvarende kilder.
Selvom mange teknologivirksomheder investerer i grøn energi, er realiteten, at en betydelig del af strømmen stadig kommer fra fossile kilder.
Dermed kommer AI i praksis ofte til at bidrage direkte til øgede CO₂-udledninger, især i regioner, hvor energimixet er kul- eller gasbaseret.
Selv i lande med høj andel af vedvarende energi kan den stigende efterspørgsel fra datacentre lægge pres på elnettet og være en hindring for den grønne omstilling.
AI’s skjulte tørst efter vand
Ud over energiforbruget er vandforbrug en ofte overset, men kritisk faktor.
Datacentre kræver store mængder vand til køling af servere, der ellers ville overophede.
I takt med at AI-modeller bliver større og mere komplekse, øges behovet for køling tilsvarende.
Det betyder, at AI-infrastruktur i nogle tilfælde kan konkurrere med lokale samfund om vandressourcer – især i områder, der allerede er ramt af vandmangel.
Vandforbruget begrænser sig ikke til selve datacentrenes processer.
Der er også en betydelig skjult belastning i produktionen af hardware.
Som det fremhæves i forskningen, foregår vandforbrug også “upstream” i forsyningskæden, hvor der anvendes store mængder såkaldt ultrarent vand.
Denne proces er essentiel for at fremstille de chips, som driver AI-systemer, men den er samtidig ressourcekrævende og miljøbelastende.
Dermed bliver AI’s vandaftryk langt større, end det umiddelbart ser ud ved første øjekast.
E-affald og ressourcepres
En tredje dimension er materialeforbrug og e-affald.
AI kræver avanceret hardware, herunder processorer og specialiserede chips, som har en relativt kort levetid i en branche præget af hurtig teknologisk udvikling.
Når udstyret bliver forældet, ender det ofte som elektronisk affald.
E-affald er en voksende global udfordring, da det ofte indeholder både værdifulde materialer og giftige stoffer, som kan skade miljø og sundhed, hvis de ikke håndteres korrekt.
Produktionen af hardware medfører også omfattende minedrift.
Udvinding af sjældne jordarter og metaller som litium, kobolt og nikkel er nødvendig for at producere moderne elektronik.
Denne minedrift kan føre til ødelæggelse af økosystemer, forurening af vandressourcer og voldelige konflikter i de områder, hvor ressourcerne udvindes.
En ulige fordelt klimabelastning
Det skal også understreges, at belastningen fra AI ikke er ligeligt fordelt.
Nogle regioner oplever større miljømæssige konsekvenser end andre, afhængigt af hvor datacentre placeres, og hvor råmaterialer udvindes.
Det skaber en skævhed, hvor fordelene ved AI ofte høstes langt fra det sted, hvor miljøomkostningerne rent faktisk mærkes.
Bæredygtig AI?
Det betyder ikke, at AI pr. definition er en uforbederlig klimaskurk.
Tværtimod kan teknologien i princippet spille en vigtig rolle i at løse klimaproblemer.
Men det kræver en bevidst indsats at minimere dens negative konsekvenser.
Gennem effektivisering af algoritmer, brug af vedvarende energi, bedre design af datacentre og øget genanvendelse af hardware kan man potentielt gøre AI mindre klimabelastende.
“AI”, i den generelle forstand, er ikke en løsning på klimakrisen.
Teknologien rummer både muligheder og risici.
Hvis udviklingen fortsætter uden fokus på bæredygtighed, vil AI ende med at forværre de problemer, som den ellers skulle hjælpe med at løse.
Derfor er det afgørende, at både virksomheder, politikere og forskere tager ansvar for at sikre, at AI’s klimaaftryk holdes i skak, samtidig med at dens potentiale udnyttes mere effektivt og målrettet.
