Kunstig intelligens og miljøet: Energiforbruk og grønn AI

Kort oppsummert

AI har et betydelig miljøavtrykk, fordi treningen av store modeller krever enorme mengder strøm, og datasentrene trenger vann til kjøling. Samtidig kan AI hjelpe miljøet med smartere energibruk, bedre klimamodeller og mer effektiv transport og produksjon. Om regnestykket går i pluss, avhenger av om vi klarer å utvikle “grønn AI” som bruker mindre energi.

Datasentrene bak AI trenger både strøm til beregningene og vann til kjøling.

AI-ens skitne hemmelighet

Når du chatter med ChatGPT, virker det usynlig og rent. Men bak kulissene gjør datasentre enorme beregninger som bruker mye strøm.

Trening vs. bruk: Treningen av en stor AI-modell krever særlig mye energi. Treningen av GPT-3 brukte angivelig like mye strøm som rundt 120 husstander bruker på et helt år. Hver samtale med ChatGPT bruker også strøm, men langt mindre enn treningen.

Vann til kjøling: Datasentre lager mye varme og må kjøles ned, og mange bruker vann til det. Studier antyder at treningen av GPT-3 kan ha brukt millioner av liter vann.

Likevel blir denne miljøkostnaden sjelden nevnt i begeistringen for AI.

Hvor mye energi bruker AI egentlig?

Eksakte tall er vanskelige å få tak i, men forskere har gjort anslag.

Trening av store modeller: En studie fra University of Massachusetts fant at treningen av en stor språkmodell kunne gi like store CO2-utslipp som fem biler gjennom hele levetiden, fra produksjon til skroting.

Daglig bruk: Et enkelt ChatGPT-søk bruker anslagsvis 10-30 ganger mer energi enn et vanlig Google-søk. Med millioner av daglige brukere blir summen stor.

Datasentervekst: AI-boomen gir en enorm vekst i datasentre over hele verden. International Energy Agency (IEA) anslår at energibruken i datasentre vil dobles eller tredobles innen 2030.

Men kontekst er viktig: AI-ens energibruk er fortsatt liten sammenlignet med sektorer som transport, industri og oppvarming. Det store spørsmålet er derfor om den vil vokse ukontrollert.

IEA anslår at energibruken i datasentre kan dobles eller tredobles innen 2030.

Hvordan AI kan hjelpe miljøet

Paradoksalt nok kan AI også være en del av løsningen på miljøproblemene.

Bedre klimamodeller: AI hjelper klimaforskere med å lage mer nøyaktige modeller av klimasystemet og forutsi ekstremvær bedre.

Optimalisert energibruk: AI kan styre strømnettet smartere, balansere fornybar energi og redusere sløsing i bygninger og industri. Google har brukt en DeepMind-AI til å redusere strømbruken til kjøling i datasentrene sine med opptil 40 prosent.

Smart transport: AI kan optimalisere ruter for transport, redusere tomgangskjøring og bidra til mer effektiv logistikk.

Bærekraftig landbruk: AI hjelper bønder med å bruke mindre vann, gjødsel og plantevernmidler ved å analysere nøyaktig hva plantene trenger.

Materialvitenskap: Med AI går det raskere å utvikle nye materialer, blant annet bedre batterier for energilagring.

Grønn AI - veien fremover

Forskere og selskaper jobber med å gjøre AI mer bærekraftig.

Mer effektive modeller: Mindre modeller kan gjøre nesten like god jobb med en brøkdel av energien. Teknikker som “knowledge distillation” kan dessuten komprimere store modeller, ved at en liten modell lærer av en stor.

Fornybar energi: Mange store teknologiselskaper har forpliktet seg til å drive datasentrene på fornybar energi, men veksten er så rask at det er vanskelig å holde tritt.

Bedre maskinvare: Nye prosessorer designet spesifikt for AI er ofte mye mer energieffektive enn generelle GPU-er.

Bevissthet om valg: Velg en modellstørrelse som passer oppgaven, i stedet for alltid å bruke den største.

Hva sier Norge?

Når det gjelder AI og miljø, har Norge noen spesielle forutsetninger.

Ren strøm: Norsk strøm er nesten helt fornybar vannkraft. Derfor har AI-beregninger i Norge lavere karbonavtrykk enn i land med kullbasert strøm.

Kjølig klima: Kaldt vær gjør at datasentre trenger mindre kjøling, og det gjør Norge attraktivt for nye datasentre.

Dilemmaer: Skal Norge satse på å bli et datasenterland? Da går strømmen til datasentre i stedet for å bli eksportert og erstatte kull i Europa.

Regjeringen har tatt med bærekraft som et viktig hensyn i AI-strategien sin.

En balansert vurdering

Er AI bra eller dårlig for miljøet? Svaret er at det kommer an på.

Negative faktorer: På minussiden står energibruk til trening og drift, vann til kjøling, e-avfall fra maskinvare og karbonavtrykk i regioner med skitten strøm.

Positive faktorer: På plussiden står smartere energisystemer, bedre klimaforskning, mer effektiv transport og industri og raskere utvikling av grønn teknologi.

Nettoresultatet: Resultatet avhenger av hvordan vi utvikler og bruker AI. Med bevisste valg kan fordelene trolig veie opp for kostnadene, men da må miljøhensyn være med i AI-utviklingen helt fra starten.

Vanlige spørsmål

Er det miljøskadelig å bruke ChatGPT?

Hver samtale har et lite miljøavtrykk, men for deg som enkeltbruker er det minimalt. Det er summen av millioner av brukere og treningen som monner.

Hva kan jeg gjøre for å bruke AI mer bærekraftig?

Bruk AI til ting som faktisk gir verdi, unngå unødvendig bruk og støtt selskaper som tar bærekraft seriøst.

Vil AI-ens energibruk fortsette å vokse?

Sannsynligvis på kort sikt, men mer effektive modeller og maskiner kan bremse veksten over tid.

Finnes det miljøvennlige AI-alternativer?

Ja, noen selskaper og forskningsgrupper satser på energieffektive modeller, så følg med på utviklingen av “grønn AI”.

Oppsummering

Det viktigste å huske er at både trening og bruk av AI krever betydelig energi, men at AI også kan hjelpe miljøet gjennom smartere systemer. Grønn AI er et aktivt forskningsfelt, og bevisste valg fra utviklere og brukere kan gjøre en forskjell.

Kilder

Sist oppdatert: Januar 2026