A számítógépes szakemberek először az 1990-es évek elején kezdték vakarni a fejüket, hogy ha a dolgok így mennek tovább, annak katasztrófa lesz a vége. A chipgyártók addig folyamatosan tudták növelni a számítógépek teljesítményét azáltal, hogy egyre több és kisebb digitális kapcsolót – tranzisztort – zsúfoltak a chipek processzormagjaira, és egyre nagyobb sebességgel működtették őket. Azonban ha ez így folytatódott volna, a chipek energiafogyasztása az egekbe szökött volna, ami összeomlással fenyegetett. Ezt végül úgy oldották meg, hogy nem ­egy-, hanem többmagos processzorokat kezdtek gyártani. Az első ilyen megoldással az IBM rukkolt elő 2001-ben, de a többiek hamar lemásolták. A ma használatos átlagos számítógépekben körülbelül egymilliárd (!) tranzisztor van – a miniatürizálás mesterműve. 

Növekedő áramfelhasználás

A számítástechnikai ipar – és a világ – most azonban új kihívás elé néz, ez pedig a mesterséges intelligencia (MI) rohamos terjedése. A Nemzetközi Energiaügynökség (IEA) szerint 2022-ben az adatközpontok 1,65 milliárd gigajoule villamos energiát használtak, ami a globális fogyasztás két százalékát jelentette. A mesterséges intelligencia széles körű alkalmazása azonban még tovább növeli majd az áramfelhasználást. A Google 2024-es ilyen jelentéséből kiderült, hogy szén-dioxid-kibocsátásuk öt év alatt csaknem ötven százalékkal nőtt. Májusban a Microsoft elnöke, Brad Smith pedig elárulta, hogy a cég kibocsátása 2020 óta a harmadával emelkedett. Ezek az adatok azért meglepők, mert a nagy techcégek mind elkötelezték magukat a károsanyag-kibocsátás csökkentése mellett – az MI megjelenése előtt. Úgy tűnik, a fejlesztőcégek a lehető legjobb eredményre összpontosítanak, mert mindegyik meg akarja nyerni a mesterségesintelligencia-versenyt. „A vállalatok általában nem törődnek az energiahatékonysággal, amikor a világ legnagyobb modelljét akarják betanítani” – nyilatkozta erről a Nature folyóiratnak Naresh Shanbhag, az Illinois-i Egyetem számítástechnikai mérnöke. 

Nukleáris tavasz

A nagy techcégek érdeklődése korábban a megújuló energiaforrások felé fordult, sokat fektettek be szélturbinaparkok és napelemtelepek létesítésébe, ám ez az MI megjelenésével fenntarthatatlannak bizonyult. A megújuló energiaforrásokkal az a legfőbb baj, hogy ha a megtermelt elektromos áramot nem sikerül egyből felhasználni, akkor akkumulátorokban kell eltárolni, ezek előállítása pedig talán még nagyobb veszélyt jelent a környezetre, mint a gáz-, az olaj- vagy a szénerőművek. 

A megnövekedett energiaigényt valahonnan máshonnan kell hát kielégíteni, és az informatikai óriások meg is találták, hogy honnan. Nemrégiben a Microsoft, a Google és az Amazon is atomerőművek üzemeltetőivel és fejlesztőivel kötött megállapodást. A Microsoft pél­dául­ egy pennsylvaniai energetikai céget, a Constellation Energyt bízta meg azzal, hogy indítsa újra a korábban bezárt Three Mile Island atomerőmű 1-es blokkját. Október közepén a Google, majd az Amazon közölte, hogy ugyancsak kis moduláris reaktorok fejlesztésébe fektet be egy-egy startupcégen keresztül. És hogy mi ez a „kis moduláris reaktor”? Egy vadonatúj technológia, amit a gyakorlatban még soha nem próbáltak ki. „Egymilliárd dollárba kerül, és nagy előnye a mobilitás, könnyen lehet majd a nagyobb adatközpontok közelébe telepíteni” – nyilatkozta a The New York Timesnak Aneesh Prabhu, az S&P Global Ratings nemzetközi hitelminősítő vállalat ügyvezető igazgatója. A Microsoft alapítója, Bill Gates annyira bízik a kis reaktorok jövőjében, hogy a magánvagyonából egymilliárd dollárt fektetett be a TerraPower nevű startupba, amely ilyenek fejlesztésén dolgozik. Minden erőmű egy vagy két kisebb reaktorral indulhat, amelyekhez idővel továbbiakat lehet csatolni. Úgy tűnik, a nukleáris energia, ami nemrég még közutálatnak örvendett, lesz a megoldás kulcsa.

Minden valaha leírt szó

De persze vannak más ötletek is. „Egy nagy mesterségesintelligencia-modell betanítása során az energia akár kilencven százalékát is a memória elérésére fordítják” – magyarázza Subhasish Mitra, a kaliforniai Stanford Egyetem informatikaprofesszora. A gyümölcsök azonosítására képes gépi modellt például úgy tanítják be, hogy a lehető legtöbb gyümölcs képét mutatják meg neki, ami azzal jár, hogy hatalmas mennyiségű adatot kell ismételten ki- és betölteni a memóriába. Hasonlóképpen, a nyelvi modelleket sem úgy fejlesztik, hogy bemagoltatják velük például a magyar nyelvtant, hanem rengeteg példamondatot mutatnak meg, amelyekből a gép statisztikai átlagot von. „Bármennyire elképesztőnek hangzik is, közel vagyunk ahhoz, hogy feldolgozzuk az ember által valaha írt összes szöveget” – állítja Roy Schwartz, a Jeruzsálemi Héber Egyetem informatikaprofesszora. Egyszóval elképesztő mennyiségű adatot kell mozgatni a memória és a processzor között, ez pedig rengeteg energiát emészt fel. A kutatók azon dolgoznak, miként lehetne ezt csökkenteni. Hát például úgy, hogy lerövidítik a kettő között az utat, memóriát helyezve el a processzorban. De kísérleteznek úgynevezett optikai megoldásokkal is, amikor nem elektronok, hanem fotonok segítségével közvetítik az informá­ciót, ami tizedannyi energiát igényel csak. Aztán vannak, akik a digitálisról visszatérnének az analóg technológiára. Analóg formában ugyanis – ahol nemcsak 0-k és 1-ek vannak, hanem a kettő között még megannyi nüansz – sokkal kisebb helyen sokkal kevesebb energiával sokkal több adatot lehet(ne) tárolni, csak az adatszennyezés problémáját kellene valahogy megoldani. De dolgoznak már a mikrochipek legfrissebb, kifejezetten a mesterséges intelligenciára tervezett generációján is, ezekkel a legújabb személyi számítógépek és okostelefonok lennének felszerelve. Ez már csak azért is előnyös volna a techcégek számára, mert így az energiafogyasztás tetemes része a felhasználók otthoni villanyszámláján jelentkezne. De ezek mellett vannak igazán „okos” megoldási javaslatok is, hogy például a legnagyobb MI-modellek csak akkor működjenek, amikor a megújuló energiaforrások aktívak, azaz süt a nap vagy fúj a szél, illetve hogy az adott kérdéstől függően lehessen kisebb adatbázisokat is használni, ne kelljen mindig a legnagyobbat mozgatni.

Ám hogy bármiben hatékonyan előre lehessen lépni, azt nagyban megnehezíti a techcégek legendás titkolózása. „Alapvetően szükséges volna, hogy a fejlesztőcégek több információt adjanak arról, miként tanítják MI-modelljeiket, mennyi energiát használnak, és milyen algoritmus fut, amikor egy felhasználó keresőmotort vagy nyelvi eszközt vesz igénybe. Köteleznünk kellene őket a teljes átláthatóságra – mondja Sasha Luccioni, az amerikai Hugging Face startup mesterségesintelligencia- és klímaváltozás-kutatója. – Ha továbbmegyünk azon az úton, amelyen évek óta járunk, borús jövő vár ránk. De a lehetőségek óriásiak.”