Je AI EKO? Určitě, jen má to EKO trochu jiný význam.

Napadá mě třeba Extrémně Komfortní Obluda. Takže ano, v tomto případě je AI skutečně EKO. Ona ta AI vlastně navenek vypadá skoro jako kouzlo. Položíte jakoukoliv (i nesmyslnou) otázku a během několika málo vteřin máte skvěle formulovanou odpověď. Chcete vědět, jak by mohl vypadat třeba růžový slon v porcelánové elektrárně? Žádný problém, tady máte čtyři návrhy a ještě nabídneme prompty ke zlepšení. Je to až Extrémní, velmi pohodlné, tedy Komfortní, ale při hlubším zamyšlení vlastně Obludné. Prostě EKO. Ale podívejme se na věc trochu zelenýma očima.

Asi tak nějak všichni tušíme, že to asi něco stojí. Jen se na nás ze všech stran valí, co všechno AI umí, ale málokdo se zamyslí nad tím, kolik to všechno stojí.

Aby vůbec mohl nějaký jazykový model fungovat, je nutné jej natrénovat. Existují odhady, že u modelu GTP-3 bylo při jeho trénování vyprodukováno 552 tun CO2. Jen tak pro představu – znamená to stejné emise, které vyprodukuje průměrné benzínové auto, které objede zemský rovník skoro 70x. Spotřeba energie je odhadovaná na 1287 MWh, což se dá hrubým odhadem přirovnat ke spotřebě 8 škol za celý rok. K celé problematice se dá dohledat docela dost studií, jedna je třeba zde.

A když už takový model máme, můžeme promptovat. Podle studie EpochAI z roku 2025 se spotřeba při vykonání jednoho dotazu na AI model GPT-4o pohybuje kolem hodnoty 0,3 Wh. To je přibližně minuta svícení úsporné LED žárovky. Výrazně náročnější je pak generování obrázků. Podle stejného zdroje dochází při využití modelu DALL-E3 ke spotřebě 2,9 Wh energie na jeden obrázek. To je například 12 minut provozu běžné lednice. Analogicky můžeme odvodit, že u videa bude náročnost ještě vyšší. Například u modelu Runway Gen-2 si generování 20 vteřin videa vyžádá průměrně 20 Wh energie. To je více než hodina provozu lednice.

Jenže to není všechno. Ono to celé musí běžet na nějaké serveru. A ty jsou obvykle v datacentrech s velkou potřebou chlazení. Takže voda. I zde si můžeme přečíst odbornou studii, ve které se mimo jiné dočteme, že při trénování modelu GPT-3 se odhadem spotřebnovalo 700.000 litrů vody. Docela vysoká je však spotřeba i při „běžném“ provozu. Podle stejné studie by mělo generování obrázku spotřebovat 1 až 5 litrů vody. Naproti tomu však můžeme najít i úspornější odhady, jako například v článku Davida Keecha. Ten odkazuje na analýzy topview.ai s odhadem pouhých 0,04 litru na obrázek. Ale i tak, přemýšleli jste někdy o tomto problému?

A takto můžeme pokračovat ještě dlouho. K výrobě chipů potřebujeme drahé kovy, hardware navíc rychle zastarává a potřeba tak úměrně tomu roste. Stále se objevují nové a výkonější modely, které je potřeba trénovat. Takže co s tím? Asi je velmi důležité o tom mluvit a diskutovat. A škola je určitě tím správným místem. Zkusme k tak často zmiňované digitální gramotnosti mluvit také o digitální ekologii. Zkusme před každým bezhlavým kliknutím na tlačítko „Generovat“ trochu přemýšlet. Sestavujme dotazy uvážlivě, využívejme databáze již hotových obrázků, zkrátka přemýšlejme o tom, jaký má naše činnost dopad na svět okolo nás.