I takt med at kunstig intelligens (AI) stadig får større innflytelse på samfunnsutviklingen, stilles det flere kritiske spørsmål rundt teknologiens bærekraft. Har AI potensial til å løse våre mest presserende klimautfordringer – eller risikerer vi at den forsterker miljøproblemene?
KI og ressursforbruk
Kunstig intelligens er ikke bare avanserte algoritmer – det er teknologi som krever enorme ressurser. Datasentre som driver KI-modeller forbruker:
- Strøm
Gigantiske mengder energi for å drive og kjøle serverne. En stor del av denne energien kommer fortsatt fra fossile brensler.
- Vann
Til kjøling av serverne. Ifølge forsker Shaolei Ren fordamper opptil en halv liter vann for å besvare en serie med 4–5 spørsmål, noe som understreker KI-systemers ressursforbruk.
- Mineraler
Sjeldne metaller som kobolt og litium, samt jordartsmetaller som neodym og dysprosium, brukes i maskinvaren. Utvinningen av disse ressursene kan føre til alvorlige miljøødeleggelser og menneskerettighetsbrudd.
En studie fra 2019 (Strubell m.fl.) viste at treningen av én enkelt KI-modell kunne slippe ut like mye CO₂ som en bil produserer gjennom hele sin levetid. Dette viser hvor energikrevende KI kan være, spesielt når energikildene ikke er fornybare.
Mineralene i maskinvaren
En annen utfordring knyttet til KI er den stadig økende etterspørselen etter råmaterialer. Avanserte KI-systemer krever stadig mer sofistikert maskinvare, noe som legger et økende press på ressurser som:
- Sjeldne jordmetaller som neodym og dysprosium brukes ofte i magneter til elektriske motorer og turbiner, men også i avanserte datamaskiner.
- Kritiske metaller som kobolt og litium, essensielle i batteriteknologi, har blitt svært ettertraktede på grunn av elektrifisering og digitalisering.
Gruvedrift etter disse ressursene kan gi enorme inngrep i naturen, og i noen tilfeller føre til brudd på menneskerettigheter i land med svak regulering. Hvor er bærekraften i dette?
Kan KI fremme bærekraft?
Til tross for de store utfordringene, har AI også et betydelig potensial til å fremme bærekraft:
- Optimalisering av energi:
AI kan forutsi mønstre i energibehov og bidra til å utnytte fornybar energi mer effektivt. Smarte energistyringssystemer gjør det enklere å balansere tilbud og etterspørsel, slik at mindre strøm går til spille.
- Reduksjon av svinn:
Matbransjen kan bruke AI til å analysere produksjon, lagerbeholdning og etterspørsel, noe som fører til mindre matsvinn. Tilsvarende kan industriell produksjon optimaliseres for å minimere ressurssløsing.
- Overvåkning av miljøet:
Ved hjelp av satellittdata og avanserte analyseverktøy kan AI spore avskoging, kartlegge havforurensning og følge migrasjonsmønstre til truede dyrearter i sanntid. Slik informasjon gir myndigheter og organisasjoner et bedre beslutningsgrunnlag for vern og regulering.
- Grønn byplanlegging:
Byer står for store deler av verdens klimagassutslipp. AI-baserte systemer kan bidra til å planlegge bedre kollektivtransport, koordinere trafikkflyt og utvikle smarte bygg som bruker mindre energi.
En bransje i ubalanse
Til tross for KI-teknologiens mange muligheter, står industrien overfor store utfordringer når det gjelder bærekraft og ressursforbruk. Microsofts vannforbruk økte med 34 % i 2022 – nok til å fylle 2 500 olympiske svømmebasseng – delvis på grunn av samarbeidet med OpenAI.
Et dagsaktuelt eksempel som viser en annen retning, er det kinesiske selskapet DeepSeek, grunnlagt i 2023. Den 20. januar 2025 lanserte de sin KI-modell R1, som har fått stor oppmerksomhet for sin lave kostnad og ressursbruk sammenlignet med konkurrentene. Modellen, som rivaliserer OpenAIs teknologi i ytelse, bruker enklere maskinvare og mindre energi. Dette peker på et mulig skifte i bransjen mot mer kostnadseffektive og potensielt bærekraftige løsninger.
DeepSeek har dessuten gjort modellen sin åpen kildekode, noe som kan fremme innovasjon og bidra til større transparens i en bransje som ofte anklages for grønnvasking. Samtidig viser selskapets tilnærming hvordan politiske hensyn påvirker teknologien. For eksempel unngår modellen kontroversielle temaer som Taiwans status og prioriterer i stedet tekniske problemstillinger. Dette fremhever hvordan KI-industrien balanserer teknologi, politikk og ressursforbruk.
Som SINTEF-forsker Signe Riemer-Sørensen påpeker, er mangel på transparens et gjennomgående problem i KI-industrien. Når teknologiselskaper lover bærekraft, må vi spørre oss: Er det reell innovasjon som ligger bak, eller handler det om å skjule teknologiens høye miljøkostnader?
Veien mot en grønnere KI-fremtid
For at KI skal bli en positiv kraft i det grønne skiftet, må industrien ta grep:
- Fornybar energi:
Datasentre må drives av sol- og vindkraft for å redusere karbonavtrykket. Selskaper som Google, Microsoft og Amazon investerer allerede i sol- og vindkraft. Målet er å redusere karbonavtrykket ved å gjøre datasentrene mer selvforsynte og energieffektive.
- Mer energieffektive modeller:
Ny teknologi, som de lovende, men fortsatt kommende kvantedatamaskinene, og mer avanserte algoritmer, kan potensielt redusere energiforbruket ved trening og drift av AI-modeller.
- Resirkulering av maskinvare:
Ved å utforme kretskort og maskinvare for enklere demontering og materialgjenvinning kan vi dempe behovet for nye råvarer.
- Internasjonale reguleringer:
Internasjonale reguleringer kan sikre at mineralutvinning foregår under forsvarlige forhold, både for arbeidskraft og naturmiljø.
Konklusjon
KI er et tveegget sverd i kampen mot klimaendringer. Den har potensial til å kutte utslipp og fremme bærekraftig innovasjon, men kan også forsterke miljøproblemer dersom ressursforbruket og industrien ikke håndteres ansvarlig.
Eksempelet med DeepSeek viser at det er mulig å utvikle KI-teknologi som er både kostnadseffektiv og mindre ressurskrevende, noe som gir håp for en mer bærekraftig fremtid. Samtidig minner det oss om hvor viktig transparens og ansvarlighet er i en bransje som fortsatt sliter med å balansere vekst og miljøpåvirkning.
Spørsmålet er: Hvordan balanserer vi potensialet i teknologien mot kostnadene? Ved å satse på innovasjon, fremme energieffektivitet og ta ansvarlige valg kan vi forme en fremtid der KI blir en del av løsningen – ikke problemet.
Kilder:
- Strubell, E. m.fl. (2019). Energy and Policy Considerations for Deep Learning in NLP.
- Microsoft Sustainability Report (2022)
- UNEP.org: Rapport om bærekraftig gruvedrift
- IPCC: Klimaendringer og teknologiske løsninger
- NRK: “Slik sluker KI-tjenester vannressurser” – Shaolei Ren om vannforbruk knyttet til AI-tjenester.
- SINTEF: “Vannressursenes rolle i teknologisk utvikling”.
- Business Insider: “What is DeepSeek? Get to know the Chinese startup that shocked the AI industry”
