
Tekoälytyökalujen hiilijalanjälki – pitääkö olla huolissaan?
Kirjoittajat: Tuomas Pohjola & Markus Sjöberg
Tekoälytyökalut, kuten ChatGPT ja DALL-E, ovat muuttaneet työtapoja monilla luovilla aloilla ja mahdollistaneet uusia sisällöntuotannon ja ideoinnin prosesseja. Suomessa, jossa ympäristötietoisuus on korkealla tasolla, on herännyt keskustelua tekoälyn käytön ympäristövaikutuksista (ks. esim. 1, 2, 3, 4). Tekoälyn sosiaalis-ympäristöllisistä haasteista keskustellaan erilaisten asiantuntijoiden toimesta paljon myös kansainvälisesti (katso esim. Karen Hao), joskin tutkittua akateemista tietoa aiheesta on vielä rajallisesti. Mutta onko luovien ammattilaisten syytä olla huolissaan tekoälyn hiilijalanjäljestä vai voiko tekoäly jopa edistää kestävämpää työtä?
Tekoälyä on kritisoitu sen korkeasta energiankulutuksesta, erityisesti suurten kielimallien koulutuksessa. Tekoälyn ympäristövaikutukset muodostuvat pääosiltaan infrastruktuurista, mallien kouluttamiseen käytetystä energiasta ja niiden käyttämisessä kuluvasta energiasta. Esimerkiksi GPT-4 -mallin kouluttamisen energiankulutus vastaa arviolta noin 1 500 suomalaisen kotitalouden vuotuista sähkönkulutusta. GPT-3:n koulutuksen on raportoitu tuottaneen päästöjä, jotka vastaavat viiden auton elinkaaren päästöjä (Tomlinson et al., 2024). Vaikka tekoälyvastauksen tuottaminen käyttää enemmän energiaa kuin perinteinen Google-haku, käytön aikana AI-järjestelmät kuitenkin kuluttavat huomattavasti vähemmän energiaa kuin ihmiset saman tehtävän suorittamiseen. Yhden vastauksen generointi ChatGPT:llä kuluttaa noin kolme wattia. Ihmisen energiankulutus on vuorokaudessa noin 2000–2500 kilokaloria, joka vastaa noin 2,4–3 kilowattituntia. Tuhannella tekoälyviestillä päivässä oltaisiin siis samassa tasossa ihmisen päiväkulutuksen kanssa. Tekoälyjärjestelmien, kuten ChatGPT:n, hiilijalanjälki tekstisivua kohden on 130–1500 kertaa pienempi kuin ihmisen (Ren et al., 2024; Tomlinson et al., 2024). Luovan alan tekijän näkökulmasta on järkevintä keskittää huomio käytön aikaiseen energiankulutukseen.
Arkijärjellä ajatellen tekoälyn energiankäyttö voi kuulostaa merkittävältä, mutta se on pientä verrattuna esimerkiksi liikenteen tai teollisuuden päästöihin. Esimerkiksi yhden henkilöauton päästöt Suomessa ovat keskimäärin 140 g CO2 kilometrillä, kun taas tekoälytuotettu tekstisivu tuottaa vain muutaman gramman päästöjä (Our World in Data, 2020). Teknologiasektorin vaikutukset ovat tällä hetkellä kokonaisuudessaan noin 2–3 prosenttia koko maailman päästöistä. Schnider Electric’n digitaalisen talouden ilmastovaikutusraportti 2030 kuvaa tulevaisuutta toiveikkaasti: ”while we know that the digital economy will require significantly more energy in the future – and some observers voice considerable concerns over this – we find that climate impact is likely to remain limited by progress in IT technology, as well as the rapid adoption of clean power sources by the sector.”
Suomessa energiantuotannon suhteellinen vähäpäästöisyys korostaa tekoälyn kestäviä käyttömahdollisuuksia. Suomen sähköntuotannosta ns. puhtaan sähkön osuus on 95% tuotetusta sähköstä, mikä tarkoittaa, että tekoälyn käyttö täällä on ympäristöystävällisempää kuin maissa, joissa sähkö tuotetaan fossiilisilla polttoaineilla (Ren et al., 2024). Tekoälyn sosiaalis-taloudellisten hyötyjen maksimoimiseksi ja käytöstä koituvan negatiivisten ympäristövaikutusten minimoimiseksi, jatkossa tulisikin panostaa erityisesti kotimaisten, eurooppalaisten tai lokaalisti asennettavien kielimallien käyttöön. Jotakin globaalista kehityksestä kertoo myös se, että Suomi on erityisen kiinnostuksen kohteena kun kansainväliset yritykset suunnittelevat parhaillaan uusia suuria datakeskushankkeita.
Vaikka tekoäly on ympäristötehokkaampi kuin ihmistyö tietyissä tehtävissä, sen laajamittainen käyttöönotto voi johtaa rebound-ilmiöön, jossa kasvanut kysyntä kumoaa saavutetut ympäristöhyödyt. Kuten uusi teknologia usein, tekoälyn käyttö voi syrjäyttää perinteisiä työpaikkoja tietyillä aloilla ja nostaa esiin uusia kysymyksiä työn eettisyydestä ja laadusta (Tomlinson et al., 2024). Tekoälytyökalujen käyttö luovassa työssä on kuitenkin ympäristövaikutuksiltaan verraten pieni rasite, jos työkaluja käytetään järkevästi.
Tekoäly tarjoaa harkiten ja tavoitteellisesti käytettynä mahdollisuuden pienentää luovan työn ympäristöjalanjälkeä, erityisesti maissa kuten Suomessa, joissa sähköntuotanto on vähäpäästöistä. Kuten kaikessa kulutuksessa ja työkalujen hyödyntämisessä, on syytä keskittyä hyödyntämään näiden välineiden vahvuuksia eettisesti ja välttää tarpeetonta resurssien tuhlausta. Käyttäjien kannattaakin suosia lokaalisti asennettavia avoimen lähdekoodin AI-malleja voidakseen varmistua oman käyttönsä energiankulutuksesta. Globaaleilla alustayhtiöillä on myös tarjolla kielimallien miniversioita (kuten OpenAI:lla ChatGPT:stä), joiden energiankulutus on vähäisempi. Kuten tutkimukset osoittavat, tekoäly voi olla vaikuttava työkalu kestävän kehityksen edistämisessä, mutta sen käytössä on valtioilla ja poliittisilla päättäjillä myös vastuu varmistaa sosiaalinen ja ekologinen tasapaino. Lisää tietoa ja seurantatutkimusta hiilijalanjäljen kehittymisestä tarvitaan globaalisti. Erityisesti suurilta alustayhtiöiltä voidaan jatkossa toivoa tai vaatia laajempaa avoimuutta paitsi mallien opetukseen käytettävien datalähteiden, myös AI-mallien energiatehokkuuden osalta. Olkoonkin että erityistä pahaa mieltä ei yksittäisen luovan tekijän tule kantaa uuden teknologian hyödyntämisestä, tekoälytyökalujen, ja laajemminkin tietotekniikan käytön lisääntyessä, päästötasojen kehitystä on syytä systeemitasolla globaalisti ja kansallisesti tarkkailla, sekä jatkuvasti pohtia energian käytön tarkoituksenmukaisuutta jotta vältytään ikäviltä yllätyksiltä.
Lähteet:
Ren, S., Tomlinson, B., Black, R. W., & Torrance, A. W. (2024). Reconciling the contrasting narratives on the environmental impact of large language models. Scientific Reports, 14(26310). https://doi.org/10.1038/s41598-024-76682-6
Tomlinson, B., Black, R. W., Patterson, D. J., & Torrance, A. W. (2024). The carbon emissions of writing and illustrating are lower for AI than for humans. Scientific Reports, 14(3732). https://doi.org/10.1038/s41598-024-54271-x
Our World in Data. (2020). CO2 and Greenhouse Gas Emissions. Saatavilla osoitteessa: https://ourworldindata.org/co2-and-other-greenhouse-gas-emissions
Tag:blogi, hiilijalanjälki, kestävyys, tekoäly