AI is een oplossing én een probleem voor klimaatverandering

Kunstmatige intelligentie (AI) groeit als kool. Van vertaaldiensten en slimme chatbots tot fraudeopsporing en het voorspellen van natuurrampen: de hele samenleving wordt gedigitaliseerd én geautomatiseerd. Hoewel verschillende sectoren al jaren AI-tools inzetten, is het gebruik sinds november 2022 echt ontploft door de komst van generatieve AI, met name tekstgenerator ChatGPT. Iedereen kan nu met een simpel verzoek – een prompt – liedteksten genereren, razendsnel onderzoek doen of hele schoolopdrachten laten maken. Helemaal gratis.

Hier kleven de nodige risico’s aan. Zo is niet precies duidelijk wat moederbedrijf OpenAI met gebruikersdata doet, verspreidt de service geregeld onwaarheden, doet het aan geen of gefabriceerde bronvermelding, is de technologie gevoelig voor vooroordelen (en dus racisme en discriminatie), gaat ze losjes om met intellectueel eigendom en misbruiken Russische en Chinese hackers de dienst om cyberaanvallen uit te voeren. Hoewel OpenAI veel problemen erkent en het hier en daar kinderziektes betreft, blijft het een zorgwekkende lijst.

Toch is generatieve AI binnen een jaar tijd en masse omarmd. Uit onderzoek van Deloitte blijkt dat één op de drie Nederlanders zo nu en dan gebruik maakt van generatieve AI-tools. ChatGPT is daarbij de grootste, al worden ook veel applicaties gebruikt die bijvoorbeeld vertaaldiensten aanbieden, stemherkenning mogelijk maken of video’s, foto’s en kunst genereren. ChatGPT maakt gebruik van een zogeheten Large Language Model (LLM): een kunstmatig neuraal netwerk dat gevoed wordt met krankzinnig veel data – in dit geval miljoenen teksten. Daar ‘leert’ het van, waardoor het model originele teksten kan genereren en dus menselijk gedrag kan nabootsen.

alle tweehonderdduizend gletsjers

Naast LLM’s zijn er nog veel meer AI-modellen in omloop. Ook in de wetenschap heeft AI nieuwe deuren geopend. De Spaanse compatutionele aardwetenschapper en glacioloog Jordi Bolibar werkt nu zeven jaar met deep learning – een type AI dat op basis van neurale netwerken voorspellingen kan doen. Bolibar was de eerste in zijn vakgebied die een vorm van AI gebruikte om het verloop van gletsjers te simuleren. ‘Mijn aanpak werd destijds ontvangen met zowel belangstelling als weerstand. Sommige onderzoekers die traditionele methoden gebruiken, vonden het onnodig en twijfelden aan de betrouwbaarheid van een AI-model,’ zegt Bolibar, die verbonden is aan het Institute of Environmental Geosciences in Grenoble.

AI kan helpen met het bestrijden van de plastic soep in de oceanen of met het verduurzamen van huishoudens, industrie en landbouw.

‘Ze hadden deels gelijk, de bestaande natuurkundige modellen zijn immers goed, maar AI kan waardevolle nieuwe inzichten geven. Zo werken we met velddata en satellietbeelden die teruggaan tot 1950. Deep learning kan verborgen patronen in die datasets vastleggen,’ zegt de glacioloog. Bolibar berekende bijvoorbeeld dat in het meest optimistische toekomstige klimaatscenario (als we de uitstoot van broeikasgassen sterk terugdringen en onder de 1,5 graden opwarming blijven) de Franse Alpen tegen 2100 minstens 75 procent van hun ijsmassa zullen hebben verloren. In het meest pessimistische geval – als we blijven uitstoten zoals we nu doen – is dat 95 procent. Deze conclusie levert waardevolle informatie op over de toekomstige Europese watervoorraden.

Ook Julia Wąsala, PhD-kndidaat aan het LIACS, het informatica-instituut van de Universiteit Leiden, ziet het voordeel van AI in de aanpak van klimaatverandering. Wąsala maakt automated machine learning-modellen die satellietbeelden veel efficiënter analyseren. ‘Satellieten maken dagelijks foto’s van alle plekken op aarde, dat is veel te veel data om handmatig te analyseren. Met AI kun je bijvoorbeeld aardbevingen of overstromingen beter voorspellen, of overtredingen als ontbossing detecteren,’ zegt ze. Als echte wetenschapper durft Wąsala AI niet onmisbaar te noemen, maar het zou volgens haar wel zonde zijn om ‘al deze data te laten liggen’.

Daar sluit Bolibar zich bij aan: ‘Over twintig jaar is AI integraal onderdeel van de klimaatwetenschap.’

Ook de Verenigde Naties en het World Economic Forum voorzien een grote rol voor AI in de strijd tegen klimaatverandering. Zo kan AI helpen met het bestrijden van de plastic soep in de oceanen of met het verduurzamen van huishoudens, industrie en landbouw – denk bijvoorbeeld aan het automatisch uitschakelen van energiebronnen wanneer het productieproces inactief is.

Luís Cruz, AI-expert en assistent-professor software engineering aan de TU Delft, ziet dat specifiek Nederland AI al in grote mate heeft omarmd. ‘Het hele land ademt AI, van de landbouwsector tot de Belastingdienst,’ zegt Cruz.

ecologische voetafdruk

Deze innovatieslag komt met een grote keerzijde: AI heeft een significante ecologische voetafdruk. Toegegeven, echt tastbaar voelt die niet. Het gaat hier om de productie en het transport van hardware, zoetwater dat gebruikt wordt om servers te koelen in datacentra en grote hoeveelheden stroom om AI-modellen te trainen en draaiende te houden. In Nederland staan momenteel 299 datacentra. We staan daarmee op de achtste plaats in de wereld, boven landen als Rusland, India en Japan. Volgens Cruz is Nederland koploper vanwege een goed elektriciteitsnet en betrouwbare internetverbinding.

Maar hoeveel verbruikt AI precies? ‘Energieconsumptie meten is moeilijk, zelfs voor academici,’ zegt Cruz. Volgens de software engineer zijn er nauwelijks betrouwbare data te vinden en zijn er te veel variabelen (van het type model tot temperatuurverschillen in datacentra) zodat uitkomsten zich lastig laten generaliseren. Bedrijven als OpenAI en Microsoft zijn er ook niet enorm happig op om hun metingen te delen – ze willen de concurrentie niet wijzer maken. ‘Wij zouden dan als lab bijvoorbeeld ChatGPT moeten repliceren om tot een berekening te komen, dat kost klauwen met geld en energie. In plaats daarvan varen we op schattingen.’

Het is daarom niet met zekerheid te zeggen welke AI-modellen het meest verbruiken.

Toch is er wel wát bekend: datacentra (waaronder die voor AI) verbruiken nu al 3 procent van alle elektriciteit op aarde en zijn goed voor 1 procent van de globale CO₂-uitstoot. Dit klinkt weinig, maar de luchtvaartsector stoot ‘slechts’ twee keer zoveel uit.

‘AI speelt een belangrijke rol bij de uitstoot, het kan zomaar verantwoordelijk worden voor een verdubbeling van de hoeveelheid stroomgebruik van datacentra,’ zegt Alex de Vries, datawetenschapper aan de VU en oprichter van website Digiconomist. Uit een Amerikaanse studie uit 2019 blijkt dat het trainen van één simpel AI-model evenveel emissies oplevert als 62 personenauto’s in een jaar. En voor zo’n training kan wel tot 700.000 liter koelwater nodig zijn – water dat naderhand meestal niet wordt hergebruikt, maar verdampt.

nutteloze data

De Vries voorziet dat de ecologische voetafdruk van AI alleen nog maar groter wordt. Hij rekende uit dat AI in 2027 net zoveel energie zal verbruiken als heel Nederland. De datawetenschapper, die eerder het torenhoge energieverbruik van crypto aankaartte, analyseerde in zijn onderzoek de servers van Nvidia, een Amerikaanse producent van computerhardware en AI-chips. ‘Dit waren de enige betrouwbare data,’ zegt De Vries. Nvidia levert momenteel 95 procent van de servers waarop AI draait. ‘Eén server verbruikt net zoveel stroom als een dozijn Nederlandse huishoudens. Aangezien AI heel veel servers vereist, heb je tegen 2027 anderhalf miljoen van dat soort servers nodig,’ zegt De Vries. De datawetenschapper stelt dat zijn berekening nog vrij optimistisch is: ‘De vraag naar AI is nú al veel groter dan het aanbod. Iedereen wil een deel van de taart.’

Er is onder klimaatonderzoekers nog geen consensus over milieubewust omgaan met AI-modellen, terwijl ze bijvoorbeeld wel massaal de trein pakken naar conferenties in plaats van het vliegtuig.

Vooralsnog gebruikt Google AI voor 10 tot 15 procent van hun zoekmachines, maar ook zij overwegen meer AI in te zetten, in navolging van Microsofts Bing. ‘Dan zou je met alleen Google Search al evenveel stroom nodig hebben als heel Ierland,’ waarschuwt De Vries.

De technologie is in ontwikkeling, en daarom verandert de kennis erover voortdurend. ‘Voorheen dachten we dat het trainen van AI-modellen de meest energie-intensieve fase was, tot ChatGPT. Nu zien we dat het zwaartepunt ligt bij het dagelijks laten draaien van zo’n model,’ zegt De Vries. Eén simpele zoekopdracht op ChatGPT staat gelijk aan een uur een lamp laten branden.

Daar komt bij dat het energieprobleem IT-breed is, stelt Karen van der Zanden, voorzitter van de Nationale Coalitie Duurzame Digitalisering (NCDD). ‘Er zijn meer huishoudens, we gebruiken meer apparaten dan ooit, die gebruiken we intensiever én vervangen we om de haverklap,’ zegt Van der Zanden. Dat telt allemaal op. Ook wijst ze op de grote bulk aan nutteloze data die opgeslagen blijven in datacentra. ‘80 procent van de data in datacentra wordt niet gebruikt,’ zegt de NCDD-voorzitter. ‘Denk aan oude mails of vakantiefoto’s waar we nooit meer naar kijken. Het kost allemaal energie.’

de olifant in de kamer

Dat digitalisering een ecologisch prijskaartje heeft, begint langzaam in te dalen in de academische wereld. ‘Energieverbruik van automated machine learning is de olifant in de kamer,’ zegt Wąsala. Hoewel er geen strikte regels gelden, zijn er volgens haar steeds meer wetenschappelijke tijdschriften die om een energieberekening vragen als academici hun onderzoek insturen. Wąsala probeert daarnaast bewust om te gaan met haar verbruik. ‘Het zou heel makkelijk zijn om mijn modellen onnodig lang te trainen als ik een paar weken op vakantie ga, maar dat doe ik niet. Je verbruikt dan simpelweg te veel.’

Volgens Jordi Bolibar is er onder klimaatonderzoekers nog geen consensus over milieubewust omgaan met AI-modellen, terwijl ze bijvoorbeeld wel massaal de trein pakken naar conferenties in plaats van het vliegtuig. ‘Er is discussie over, maar AI-energieconsumptie en -emissies vallen nog grotendeels buiten beschouwing. In theorie kunnen AI-modellen de uitstoot van traditionele modellen helpen versnellen en verminderen. Maar zo werken mensen – en universiteiten die aansturen op groei – niet: het gevolg is dat onderzoekers uiteindelijk méér simulaties uitvoeren,’ zegt Bolibar.

Dat is precies de crux, menen Luís Cruz en Alex de Vries. Om AI-modellen energiezuiniger te maken, kun je de hard- en software efficiënter produceren. ‘Dit gebeurt al op grote schaal. Maar als je het model efficiënter maakt, wordt er ook meer gebruik van gemaakt, waardoor je onder de streep méér verbruikt,’ zegt Cruz. Dit economische fenomeen, de Paradox van Jevons, zie je ook terug op de arbeidsmarkt. ‘We hebben enorm veel geautomatiseerd, maar er zijn meer banen dan ooit tevoren. We hebben de mens nooit overbodig kunnen maken,’ zegt De Vries. Hij stelt dat vervolgens de vraag naar hulpmiddelen weer kan stijgen. ‘Vanuit klimaat heb je dan een dubbel negatief effect.’ Daar komt bij dat grotere AI-modellen vaak beter presteren. ‘Daar zit de pijn, want over het algemeen geldt bij AI “groter is beter”, maar dat vereist meer middelen en energie,’ zegt De Vries.

De voorzitter van de Nationale Coalitie Duurzame Digitalisering Karen van der Zanden geeft aan dat IT nog steeds efficiënter wordt, de zogenaamde Moore’s Law – wat een dempend effect heeft op het Jevons-effect. ‘Maar de grootschalige elektrificatie, de uitbreiding van de IT-sector en alle nieuwe technologie waaronder generatieve AI zetten ons overbelaste stroomnet verder onder druk,’ zegt Van der Zanden.

digitale energieslurpers

De overheid is goed op de hoogte van de digitale energieslurpers, blijkt onder andere uit de visie op generatieve AI die het ministerie van Binnenlandse Zaken afgelopen januari publiceerde. Daarin worden kansen gezien voor AI in de klimaatplannen, maar er wordt ook gepleit voor energiezuinigere methoden en duurzaam gebruik van AI.

‘Het is essentieel om AI niet als silver bullet te zien. Als je onderzoek doet naar machine learning, ondervind je ook hoe vaak het eigenlijk niet werkt.’

Ook in Brussel leeft het onderwerp. Zo is er bijna een akkoord bereikt voor Europese wetgeving die de macht van AI-bedrijven fors zal inperken en moeten beursgenoteerde bedrijven in de EU vanaf dit jaar verplicht een duurzaamheidsrapportage opstellen, inclusief meting van het eigen IT-verbruik. ‘Deze richtlijn is echt de volgende grote stap,’ zegt Van der Zanden. ‘Veel bedrijven hebben net zero-ambities. Ze deden wegwerpbekers in de ban, scheiden hun afval en rijden elektrische leaseauto’s. Maar ik hoor weleens van bedrijven dat hun energieconsumptie voor 50 procent opgaat aan IT. Dit is het moment om het waar te maken.’

Makkelijk is dat niet, want volgens de NCDD-voorzitter hebben welwillende bedrijven vaak de know-how niet in huis. ‘We gaan van onbewust onbekwaam naar bewust onbekwaam,’ zegt Van der Zanden.

Bij de overheid zie je dat ook: driekwart van de overheidsorganisaties – van gemeenten tot ministeries – heeft ondanks groene ambities geen specifieke klimaatdoelen opgesteld voor hun ICT-gebruik, blijkt uit recent onderzoek van Business Insider.

Alle gesproken experts pleiten dan ook voor meer bewustwording. ‘Veel kennis is er al wel, maar het is versnipperd,’ zegt Van der Zanden. De NCDD helpt burgers, bedrijven en overheid dan ook met de duurzame digitalisering. ‘Volgende maand organiseren we de Digital Clean Up Day,’ zegt Van der Zanden.

Luís Cruz ziet ook heil in aansturen op gedragsverandering: ‘Een vraag stellen aan ChatGPT verbruikt veel meer energie dan een zoekopdracht op Google. Als je je hier bewust van bent, en het antwoord op je vraag bij beiden even goed is, dan kies je voor Google, is het idee,’ zegt Cruz. De AI-expert benadrukt wel dat dit slechts een deel van de oplossing is en burgers niet de verantwoordelijkheid dragen.

Alex de Vries doet dan ook een dringende oproep aan innovatieafdelingen die massaal AI-tools inzetten: vraag je af of AI écht je probleem oplost. ‘Het is een algemene ziekte bij emerging technologies: vanwege de hype wordt de techniek behandeld als een magisch wondermiddel voor alles. Je ziet nu iedereen als een gek Large Language Models toepassen, terwijl dat vaak helemaal niet effectief blijkt. Dit is te voorkomen verspilling.’ De Vries verwacht dat veel van deze nutteloze AI-modellen wel in hoeveelheid zullen afnemen wanneer de hypecurve over zijn piek is.

green ai

Julia Wąsala en Jordi Bolibar blijven AI gebruiken in hun onderzoeken, maar gaan voor een hybride aanpak: AI als aanvulling op natuurkunde. ‘Het is essentieel om AI niet als silver bullet te zien. Als je onderzoek doet naar machine learning, ondervind je ook hoe vaak het eigenlijk niet werkt. Het werkt niet altijd beter dan een mens,’ zegt Wąsala.

Bolibar ziet graag meer regulatie vanuit de EU, zodat wetenschappers richtlijnen krijgen om de verkenning van AI voor de klimaatwetenschap verenigbaar te houden met onze klimaatdoelstellingen. ‘Juist wij moeten onze verantwoordelijkheid nemen,’ zegt Bolibar stellig.

Omdat AI zo complex is, onderzoekt Cruz bij de TU Delft oplossingen om de technologie zelf te verduurzamen, zodat gebruikers zichzelf juist geen beperkingen op hoeven te leggen. Dit wordt Green AI genoemd en bestaat uit verschillende lagen, van hardware-efficiëntie en gerecycled koelwater tot de inzet van simpelere (maar net zo effectieve) AI-alternatieven. ‘Voor AI-gebruikers is dit vaak lastig. Ik wil er met mijn onderzoek voor zorgen dat het product je intuïtief groen laat handelen, zonder dat je expert hoeft te worden op gebied van energie-efficiëntie.’

Hoewel de Paradox van Jevons op de loer ligt bij Green AI, is dit volgens Cruz wel de eerste benodigde stap. ‘Binnen de TU Delft bieden we masterstudenten dan ook sustainable software engineering aan. Het is belangrijk om een nieuwe generatie engineers op te leiden die bekend is met het energievraagstuk binnen softwaresystemen. Zij gaan uiteindelijk de juiste vragen stellen én de juiste keuzes maken. We zijn er nog lang niet, maar over tien jaar is Green AI de standaard.’