Všeobecný úvod do umelej inteligencie
Umelá inteligencia a ekológia
Autori textu: Tomáš Protivínský (Fakta o klimatu)
V roku 2030 podľa tzv. stredného scenára spotrebuje AI približne 1 % globálnej elektriny a vyprodukuje 0,3 % svetových emisií skleníkových plynov. AI však nemusíme vnímať iba ako environmentálnu záťaž. Táto technológia naopak ponúka obrovský potenciál pre ochranu životného prostredia: umožňuje nové vedecké objavy, presnejšie modelovanie klímy, optimalizáciu spotreby energie aj priamu ochranu ekosystémov.
Veľké generatívne modely AI sú energeticky náročné a vyžadujú špecializovaný hardvér, čo vedie k zvýšenej spotrebe elektriny a vody v dátových centrách. Hoci sa v budúcnosti očakáva rýchle rozširovanie AI a s tým súvisiacej spotreby elektriny, podľa odhadov Medzinárodnej agentúry pre energiu bude jej environmentálny dopad aj v roku 2030 stále relatívne malý v porovnaní s inými ľudskými činnosťami.
V tejto kapitole príručky nehovoríme iba v kontexte tzv. generatívnej umelej inteligencie (GenAI), avšak vo väčšine prípadov máme na mysli práve tento typ AI. Generatívna AI je založená na takzvaných veľkých jazykových (či multimodálnych) modeloch. Servery, na ktorých sú modely prevádzkované, využívajú špecializované, vysoko výkonné čipy, ktoré dokážu rýchlo spočítať obrovské množstvo matematických operácií — vygenerovanie jedného slova ich vyžaduje až stovky miliárd. Spravidla sa na tieto účely používajú moderné grafické karty a samotné trénovanie často vyžaduje súbežné zapojenie desiatok tisíc grafických kariet a trvá bežne niekoľko dní či až týždňov nepretržitých výpočtov, čo vyžaduje veľa elektriny a vody. Možno sa oprávnene pýtať, aký veľký je dopad GenAI na životné prostredie. Stojí takáto záťaž za používanie generatívnych modelov? A môže nám zároveň umelá inteligencia s ochranou životného prostredia nejako pomôcť?
Koľko elektriny spotrebuje umelá inteligencia
Každé využitie umelej inteligencie spotrebováva elektrinu, podobne ako iné digitálne technológie. Výroba elektriny pritom spôsobuje asi 30 % svetových emisií skleníkových plynov, a teda výrazne prispieva ku klimatickej zmene.
Niektoré AI aplikácie bežia na úsporných modeloch s nízkou spotrebou, napriek tomu sú veľmi užitočné. Iné, ako napríklad nástroje na tvorbu obrázkov a videí, spotrebujú výrazne viac energie. Presné čísla však často chýbajú, pretože firmy nezverejňujú detaily o modeloch ani náročnosti ich trénovania.
Súčasná spotreba elektriny
Ale pretože veľké modely bežia vždy v dátových centrách, možno ich celkovú spotrebu energie odvodzovať práve z tamojšej spotreby elektriny. Medzinárodná agentúra pre energiu vo svojej štúdii zameranej práve na spotrebu elektriny umelej inteligencie [pozn. 1] odhaduje, že v roku 2024 spotrebovali všetky dátové centrá dohromady 415 TWh elektriny, teda necelých 1,5 % globálnej spotreby. Podiel spotreby dátových centier využívaných na prevádzku umelej inteligencie [pozn. 2] tvoril približne 15 % zo spotreby všetkých dátových centier, teda cca 0,2 % globálnej spotreby elektriny.
Celkové emisie skleníkových plynov z výroby elektriny pre prevádzku dátových centier sa odhadujú na 180 miliónov ton CO2 za rok 2024 [pozn. 3] (približne 0,35 % globálnych emisií všetkých skleníkových plynov [pozn. 4]). Z toho teda čisto na prevádzku dátových centier pre umelú inteligenciu pripadá 27 miliónov ton CO2 (0,05 % globálnych emisií), čo je nižšie množstvo skleníkových plynov než ročné emisie českých uhoľných elektrární (približne 30 miliónov ton CO2). Pre porovnanie, osobná automobilová doprava spôsobuje ročné emisie 3 miliardy ton CO2, teda zhruba 100× vyššie v porovnaní s umelou inteligenciou.
Spotrebu elektriny umelej inteligencie možno odhadovať aj podľa toho, koľko energie je potrebné na jednotlivé úkony. Napríklad výskumník Alex de Vries odhaduje, že chatbot spotrebuje zhruba 3 watthodiny na jeden dopyt. Podľa Medzinárodnej energetickej agentúry sa táto hodnota môže pohybovať od 0,1 Wh pri najmenších modeloch až po 9 Wh pri tých najväčších. Pri generovaní obrázkov je spotreba podobná — okolo 1,7 Wh. Zato tvorba videí je oveľa náročnejšia — aj krátke video môže spotrebovať až 115 Wh.
Pre predstavu — spotreba elektriny pri použití chatbota zodpovedá energii, ktorú spotrebuje varná kanvica počas pár sekúnd, alebo jazde autom so spaľovacím motorom na vzdialenosť asi 10 metrov. V porovnaní s inými bežnými činnosťami teda nie je využívanie umelej inteligencie energeticky nijako výnimočne náročné. Ani individuálne používanie AI zvyčajne nevedie k vyšším emisiám než iné každodenné aktivity — výnimkou je len generovanie videí, ktoré je však zatiaľ menej dostupné a rozšírené ako napríklad chatboti.
Aj naďalej platí, že výroba elektriny patrí k hlavným zdrojom emisií skleníkových plynov, a preto je dôležité tieto emisie čo najrýchlejšie znižovať. Obmedzovanie používania umelej inteligencie k tomu ale zásadne neprispeje — kľúčové je znížiť emisie tam, kde skutočne vznikajú, teda pri samotnej výrobe elektriny.
Odhady budúcej spotreby
Umelá inteligencia preniká do čoraz viac oblastí. Aj keď jej súčasná spotreba elektriny nie je vysoká, do budúcna môže narastať. Našťastie sa popri raste výpočtového výkonu zvyšuje aj efektivita technológií. Energetická účinnosť čipov na prevádzkovanie AI sa od roku 2008 zlepšila viac ako stonásobne. Vďaka tomu napríklad dátové centrá medzi rokmi 2008 a 2018 takmer nenavýšili svoju spotrebu, hoci digitálne služby rýchlo rástli — vyššia efektivita totiž ich rozmach takmer plne vyvážila. Obavy z rastu spotreby elektriny pritom nie sú ničím novým. Podobné zaznievali už pred tridsiatimi rokmi, keď sa začínali masovo používať osobné počítače.
Vyťažte viac uhlia — počítače prichádzajú (Forbes, 31. mája 1999)
“Globálne implikácie sú obrovské. Intel odhaduje, že k internetu môže byť v budúcnosti pripojená až miliarda ľudí. … Jedna miliarda počítačov pripojených k internetu by však spotrebovala rovnako elektriny, ako je celá dnešná spotreba USA.”
Hoci je dnes k internetu pripojených oveľa viac zariadení, než sa Forbes v roku 1999 obával (pre rok 2025 sa odhaduje až 20 miliárd zariadení), vtedajšie varovania o dramatickom náraste spotreby elektriny sa nenaplnili. Je pravda, že nie je isté, či bude zvyšovanie efektivity pokračovať rovnakým tempom aj naďalej. Zároveň je však súčasný vzostup využívania umelej inteligencie rýchlejší než skoršie technologické zmeny. Našťastie nie všetky aplikácie vyžadujú najväčšie a energeticky najnáročnejšie modely — menšie jazykové modely sú čím ďalej kvalitnejšie a často plne postačujú. Aj preto je veľmi ťažké zmysluplne odhadovať, aká bude spotreba elektriny spojená s AI po roku 2030.
Medzinárodná energetická agentúra odhaduje v dátových centrách v rámci základného scenára viac ako dvojnásobný nárast dnešnej globálnej spotreby elektriny v roku 2030 (tedy na 945 TWh). Zároveň priznáva veľkú neistotu — podľa rôznych scenárov sa odhady pohybujú v rozmedzí 670 až 1260 TWh. Práve umelá inteligencia má byť zodpovedná za väčšinu tohto nárastu a v roku 2030 už môže tvoriť viac ako tretinu spotreby elektriny v dátových centrách. V ich základnom scenári by v roku 2030 umelá inteligencia spotrebovala asi 1 % celkovej vyrobenej elektriny a bola zodpovedná za zhruba 0,3 % globálnych emisií.
Podľa Medzinárodnej energetickej agentúry však porastie spotreba elektriny do roku 2030 aj v mnohých iných oblastiach — napríklad v doprave, pri vykurovaní a chladení budov alebo v priemysle. Tento očakávaný rast v ďalších sektoroch len potvrdzuje kľúčový záver: emisie musíme znižovať predovšetkým tam, kde vznikajú — teda pri výrobe elektriny. Zároveň je dôležité starostlivo sledovať, ako sa bude vyvíjať spotreba umelej inteligencie. Súčasné odhady sú zaťažené veľkou neistotou a budúci vývoj sa môže uberať rôznymi smermi.
Odhadovaný rast globálneho dopytu po elektrine v rokoch 2023 až 2030 (TWh).
Zdroj: International Energy Agency (IEA). World Energy Outlook 2024 a štúdia Energy and AI
Čo ešte zaťažuje životné prostredie
Dve ďalšie diskutované oblasti v súvislosti s umelou inteligenciou sú spotreba vody v dátových centrách a ťažba surovín.
Voda sa v dátových centrách využíva predovšetkým na chladenie: vysoko výkonné čipy spotrebovávajú viac elektriny, preto sa pri tom aj viac zahrievajú a klasické chladenie založené na cirkulácii vzduchu už nie je dostatočné. Jednoduchšie systémy chladenia vodou sú tzv. evaporačné, kde voda ochladzuje dátové centrum tým, že sa odparuje. Tento spôsob spotrebováva vody viac. Oproti tomu možno využívať systémy cirkulačné, v ktorých voda obieha v uzavretom systéme a jej spotreba je oveľa nižšia. Zároveň tento spôsob umožňuje ďalšie využitie odpadového tepla a napríklad európska legislatíva ukladá väčším dátovým centrám povinnosť takéto odpadové teplo ďalej využiť. [pozn. 5]
Väčšina vody používanej v dátových centrách sa iba odparí a ďalej zostáva súčasťou prirodzeného kolobehu — nie je teda znečistená. To je zásadný rozdiel oproti poľnohospodárstvu či priemyslu, kde voda často končí kontaminovaná hnojivami alebo chemikáliami. Navyše bežná farma spotrebuje rádovo viac vody ako dátové centrum. V regiónoch s dostatkom vody nepredstavujú dátové centrá z hľadiska spotreby vody výrazný problém. Naopak v suchých oblastiach môže ich výstavba situáciu zhoršiť a ohroziť miestne zdroje. Malá časť vody, ktorá sa neodparí, môže byť znečistená prachom či inými látkami a musí byť pred vypustením vyčistená. Do spotreby vody dátových centier sa niekedy započítava aj voda použitá pri výrobe elektriny. Týka sa to však všetkých sektorov využívajúcich elektrinu, nielen AI. Aj tu preto platí — kľúčom je čistá a šetrná výroba elektriny s čo najmenším dopadom na životné prostredie.
Ďalším problémom je, že dátové centrá sú veľmi úzko lokalizované a väčšina z nich sa nachádza v niekoľkých málo regiónoch, najčastejšie v USA (z európskych štátov je vysoká koncentrácia dátových centier v Írsku). Ak je v určitom regióne vysoká koncentrácia dátových centier a zároveň tam dochádza k znižovaniu množstva podzemnej vody v dôsledku klimatickej zmeny, potom prítomnosť dátových centier môže tieto problémy ďalej zhoršovať. Rovnako tak vysoká koncentrácia dátových centier v niektorých oblastiach môže viesť k veľkej záťaži elektrickej prenosovej sústavy, pretože ide o vysokú a úzko lokalizovanú spotrebu elektriny. Kľúčové je teda dobré plánovanie pri výstavbe dátových centier a podpora uzavretých systémov chladenia s nižšou spotrebou vody.
Globálna mapa veľkých dátových centier (2024). Dátové centrá sú často sústredené do veľkých klastrov, čo môže spôsobovať problémy pre miestne energetické siete.
Zdroj: Analýza IEA založená na dátach spoločnosti OMDIA (2025).
Okrem chladenia vodou sa v niektorých najmodernejších dátových centrách využíva tzv. imerzívne chladenie, kedy sú servery úplne ponorené do nevodivej tekutiny. Táto technológia ponúka oveľa účinnejší odvod tepla od čipov, nižšiu spotrebu energie na chladenie a tiež nižšiu spotrebu vody. Na druhej strane — pri niektorých tekutinách používaných na imerzívne chladenie panujú doteraz nejasnosti ohľadom ich vplyvu na životné prostredie. Pri serveroch určených pre najmodernejšie AI modely sa dá očakávať častejšie využitie imerzívneho chladenia, pretože práve tu je kľúčová potreba čo najefektívnejšieho odvodu tepla. Lepšie chladenie navyše môže predĺžiť životnosť týchto výkonných zariadení.
Dátové centrá sú síce základnou infraštruktúrou digitálneho sveta, ale zároveň predstavujú reálne stavby z betónu a ocele vo fyzickom prostredí. Aj keď ich výstavba nevyžaduje extrémne množstvo materiálu v porovnaní s inými typmi stavieb, samotné servery a kabeláž spotrebovávajú značné množstvo medi a ďalších surovín — vrátane kritických a vzácnych minerálov. V niektorých prípadoch tvoria dátové centrá významný podiel na celosvetovej spotrebe týchto materiálov. Servery sa navyše zvyčajne vymieňajú každé 3 až 5 rokov, čo ďalej zvyšuje dopyt po surovinách a zároveň vytvára veľké množstvo elektroodpadu. Kľúčové materiály pre dátové centrá sú kremík, meď, kovy vzácnych zemín a gálium. Medzinárodná agentúra pre energiu modeluje aj očakávanú spotrebu týchto minerálov pre dátové centrá v roku 2030, v scenároch s väčším rozvojom dátových centier ide o 2 % globálnej spotreby pri kremíku a medi, 3 % pri kovoch vzácnych zemín a až 11 % pri gáliu. [pozn. 6]
Ťažba surovín predstavuje výraznú záťaž pre životné prostredie, samotné dátové centrá (a teda aj AI) však z celkového objemu ťažby predstavujú len veľmi malý podiel. Globálna produkcia ťažobného priemyslu bola 19,2 miliárd ton v roku 2023, drvivú väčšinu tohto množstva tvoria fosílne palivá (16,6 miliárd ton) a následne železo a jeho zliatiny (1,6 miliárd ton). Globálna produkcia medi v roku 2023 bola 22 miliónov ton, kovov vzácnych zemín 385 tisíc ton a gália iba 713 ton. Hoci teda využitie gália v dátových centrách tvorí vysoký podiel spotreby, v absolútnych číslach ide len o veľmi malé množstvo v porovnaní s ostatnými materiálmi.
Nárast spotreby minerálov v dôsledku rozširovania AI a dátových centier je relatívne malý v porovnaní s inými oblasťami. Len v roku 2024 sa navýšil dopyt po lítiu o 30 % a dopyt po ďalších kovoch o 6—8 % v dôsledku rozširovania elektromobilov, batériových úložísk, elektrických sietí a obnoviteľných zdrojov. Z pohľadu ťažby sa teda tieto zelené technológie nemusia javiť ako čisté, zároveň však umožňujú nahradiť používanie fosílnych palív, ktoré dnes tvoria 80 % všetkej ťažobnej produkcie. Dopad na životné prostredie samozrejme nemusí vždy súvisieť s celkovým objemom ťažby, zároveň konkrétna použitá technológia ťažby hrá tiež kľúčovú úlohu. Hoci je teda navýšenie ťažby v dôsledku AI len veľmi malé, je stále žiaduce usilovať o opätovné využívanie cenných materiálov z vyradených serverov a podporovať cirkulárnu ekonomiku. Rovnako tak je dôležité prijatie adekvátnych regulácií na obmedzenie dopadu ťažby na životné prostredie. Opäť je kľúčové chrániť prírodu predovšetkým priamo tam, kde k jej poškodzovaniu dochádza.
Prínos AI pri ochrane životného prostredia
Vývoj a využívanie umelej inteligencie so sebou nesie určitú ekologickú záťaž – rovnako ako väčšina ľudských činností. Zároveň ale AI ponúka značný potenciál, ako životnému prostrediu pomáhať. Jej prínos možno rozdeliť do štyroch hlavných oblastí:
1) prielomové vedecké objavy a posun hraníc ľudského poznania,
2) lepšie porozumenie klimatickým javom a nášmu dopadu na životné prostredie,
3) optimalizácia súčasných systémov,
4) priama ochrana životného prostredia.
Prielomové vedecké objavy
V roku 2024 boli v súvislosti s umelou inteligenciou udelené hneď dve najprestížnejšie vedecké ocenenia: Nobelove ceny za fyziku a za chémiu. John Hopfield a Geoffrey Hinton získali Nobelovu cenu vo fyzike za svoju priekopnícku prácu v minulom storočí, ktorá výrazne posunula vpred umelé neurónové siete. Nobelovu cenu za chémiu získal biochemik David Baker spoločne s dvoma výskumníkmi umelej inteligencie z Google DeepMind: Demisom Hassabisom (ktorý DeepMind zároveň založil a dodnes riadi) a Johnom Jumperom. Tí cenu dostali za vývoj modelu AlphaFold (a jeho ďalších verzií AlphaFold 2 a 3), ktorý úplne zásadne rozšíril naše porozumenie základným stavebným kameňom života — proteínom. Pred týmto modelom sme boli schopní predvídať geometrickú štruktúru po zložení pri niekoľkých stovkách tisíc proteínov, modely AlphaFold rozšírili naše porozumenie 200 miliónom proteínov, teda prakticky všetkým dnes známym. Od svojho vytvorenia bol tento model použitý už viac ako 2 miliónmi výskumníkov po celom svete a lepšie porozumenie proteínom má mnoho konkrétnych vedeckých aplikácií, týkajúcich sa napríklad rezistencie voči antibiotikám alebo enzýmov rozkladajúcich plasty.
Ďalšie významné uplatnenie umelej inteligencie vo vede je napríklad pri vývoji nových materiálov, kde model GNoME od DeepMind dokázal pomocou strojového učenia a grafových neurónových sietí objaviť stovky tisíc nových potenciálne stabilných materiálov oveľa rýchlejšie, než je možné tradičnými metódami. Namiesto stoviek materiálov možno teda skúmať milióny, čo významne urýchli vývoj nových technológií.
Ďalším kľúčovým objavom je lepšia kontrola plazmy v tokamakoch, kľúčový krok na ceste k jadrovej fúzii. Vedcom sa prvýkrát podarilo jednoducho a presne riadiť extrémne horúcu plazmu v jadrovom reaktore, čo nás približuje k výrobe čistej a takmer neobmedzenej energie.
Rozvoj vedy, základný výskum a inovácie hrajú zásadnú úlohu pri ochrane životného prostredia, hoci ich prínos sa môže prejaviť až postupne prostredníctvom rôznych aplikácií.
Lepšie porozumenie klíme a životnému prostrediu
Hlavná sila neurónových sietí spočíva v ich schopnosti modelovať a predikovať komplexné javy, kde iné bežne používané štatistické metódy či fyzikálne modely nie sú dostatočné. Modely založené na umelej inteligencii dnes dokážu predpovedať počasie presnejšie a rýchlejšie ako bežné fyzikálne modely. Umelá inteligencia tiež umožňuje lepšie predikovať rozsah zaľadnenia v arktickej oblasti alebo lepšie porozumieť správaniu zvierat. Iniciatíva Climate Change AI v spolupráci s Google DeepMind sa usiluje o rozšírenie dostupných dát o klimatickej zmene, ktoré sú dôležité pre jej efektívnejšie riešenie. Lepšie porozumenie prírodným systémom je dôležitý krok pri ich ochrane. Uvedené príklady ukazujú len zlomok toho, čo AI v tejto oblasti umožňuje.
Optimalizácia súčasných systémov
Vďaka lepším predikciám je možné optimalizovať rôzne dnes používané systémy a dosiahnuť výrazné úspory energie. Napríklad lepšia predpoveď počasia v kombinácii s predikciou budúcej výroby a spotreby elektriny umožňuje významné optimalizácie pri výrobe elektriny z obnoviteľných zdrojov a pri riadení elektrickej prenosovej a distribučnej sústavy. Pomocou umelej inteligencie dokázal Google znížiť spotrebu energie na chladenie dátových centier o 40 %. AI tiež dokáže optimalizovať niektoré široko používané algoritmy alebo pomôcť s dizajnom nových, efektívnejších čipov. Práve úspory a zvyšovanie efektivity môžu pomôcť znížiť dopad na životné prostredie, ale musia byť doplnené ďalšími vhodnými opatreniami. V opačnom prípade môže vyššia efektivita len viesť k navýšeniu spotreby, nie k skutočnému zníženiu environmentálnych dopadov.
Ochrana životného prostredia
V mnohých prípadoch sa umelá inteligencia už dnes využíva na lepšiu ochranu prírody či obnovu ekosystémov. Pomocou AI možno detegovať zranené zvieratá alebo tiež pytliakov. Autonómne drony možno použiť na zalesňovanie ťažko dostupných oblastí. Umelá inteligencia umožňuje lepšie detegovanie plastov v oceánoch a následne tiež efektívnejšie čistenie. Mnoho z týchto projektov je zatiaľ v ranej fáze a niektoré sa môžu ukázať ako nepraktické. Všetky uvedené riešenia sú však technicky realizovateľné už dnes — a je veľmi pravdepodobné, že podobných inovácií bude v budúcnosti rýchlo pribúdať.
Aj vyššie spomínaná iniciatíva Climate Change AI si kladie za cieľ nielen rozširovanie dostupných dát a nášho porozumenia, ale aj priamu pomoc v riešení klimatickej zmeny.
Záverom
Umelá inteligencia je veľmi silný nástroj a záleží len na nás, na aké účely ju budeme využívať. Možností na zlepšenie ľudských životov a na ochranu životného prostredia ponúka veľa, avšak jej neuvážené využívanie môže viesť k vyššej spotrebe energie. K spotrebe energie však dochádza aj pri mnohých ďalších ľudských činnostiach, či už ide napríklad o sledovanie televízie, hranie počítačových hier, zjazdové lyžovanie či jazdu na motorke. V kontexte ostatných ľudských aktivít nie sú súčasné environmentálne dopady umelej inteligencie príliš veľké. Pre zníženie environmentálnej záťaže v dôsledku spotreby elektriny je predovšetkým nutné znižovať emisie priamo pri výrobe elektriny. Dostupné technológie máme už dnes a AI nám následne môže výrazne pomôcť s optimalizáciou prenosovej sústavy. Rovnako tak je kľúčové dobré plánovanie pri výstavbe dátových centier, využívanie efektívnych spôsobov chladenia a podpora cirkulárnej ekonomiky pri nakladaní s elektroodpadom.
Poznámky
- 1. Štúdia Energy and AI publikovaná v apríli 2025 je hlavným zdrojom dát citovaných v tomto texte.
- 2. Ide o podiel spotreby tzv. akcelerovaných serverov, teda serverov s výpočtovými akcelerátormi — grafickými kartami a ďalšími špecializovanými čipmi. Tento odhad nemusí byť presný, pretože niektoré menej náročné modely môžu byť prevádzkované aj v konvenčných dátových centrách, zároveň akcelerované servery sú niekedy využívané aj pre iné druhy náročných výpočtov než len pre modely umelej inteligencie.
- 3. Emisie celého digitálneho ekosystému (teda napríklad vrátane telekomunikačných sietí a koncových zariadení — telefónov, notebookov, monitorov a televízorov) sú niekoľkonásobne vyššie ako iba emisie dátových centier. Rozširovanie AI má však dopad predovšetkým na rozširovanie dátových centier, s ostatnými oblasťami digitálneho ekosystému súvisí len nepriamo.
- 4. Globálne emisie v roku 2023 sú odhadované na 53 miliárd ton CO2 (táto jednotka zahŕňa aj emisie iných skleníkových plynov ako CO2, ktoré sú prepočítané na množstvo CO2 s rovnakým dopadom na klimatickú zmenu).
- 5. Európska legislatíva ukladá väčším dátovým centrám povinnosť využiť ďalej odpadové teplo.
- 6. Vzhľadom na neistoty ohľadom budúceho objemu produkcie týchto materiálov sú tieto podiely vyjadrené vzhľadom na súčasný objem produkcie v roku 2024. Preto podiely na skutočnej budúcej produkcii budú pravdepodobne nižšie.