Kunstmatige intelligentie technologieën zijn al een tijdje een onderwerp van discussie vanwege hun toenemende energieverbruik en de milieueffecten hiervan. In het bijzonder brengen grote taalmodellen een aanzienlijke last voor het wereldwijde energieverbruik met zich mee, omdat ze enorme rekenkracht vereisen. Het in China gevestigde DeepSeek beweert een kunstmatige intelligentie-model te hebben ontwikkeld dat minder energie verbruikt. Echter, het in de 19e eeuw geformuleerde Jevons-paradox stelt dat efficiëntieverbeteringen niet altijd leiden tot een vermindering van het energieverbruik, maar in plaats daarvan de vraag naar energie op de lange termijn kunnen verhogen. In dit artikel onderzoeken we de claim van DeepSeek en het Jevons-paradox.
Hoeveel energie verbruiken AI-modellen?
Tegenwoordig beantwoorden grote taalmodellen de vragen van gebruikers zoals een zoekmachine. Echter, in tegenstelling tot traditionele zoekmachines genereren kunstmatige intelligentie-modellen hun antwoorden vanaf nul. Dit proces vereisen veel rekenkracht en wordt daarom als een methode met een hoog energieverbruik beschouwd.
Volgens onderzoek zal de kunstmatige intelligentie-sector tot 2027 tussen de 85 en 134 terawattuur (TWh) aan elektriciteit verbruiken. Dit komt overeen met het totale jaarlijkse energieverbruik van Nederland. Deskundigen voorspellen dat meer dan 20% van de in de VS geproduceerde elektriciteit tegen 2030 richting kunstmatige intelligentie-datacentra zal worden geleid.
Hoewel technologiebedrijven beweren grote investeringen in hernieuwbare energiebronnen te doen, maakt de noodzaak voor stabielere energieoplossingen zoals nucleaire energie de ononderbroken krachtvoorziening van kunstmatige intelligentie essentieel. Microsoft plant bijvoorbeeld om de Three Mile Island-fabriek, een van de grootste nucleaire ongelukken in de geschiedenis van de VS, opnieuw in gebruik te nemen. Aan de andere kant, hoewel Google zich ten doel heeft gesteld om tegen 2030 koolstofneutraal te zijn, is gebleken dat de CO2-uitstoot in de afgelopen jaren met 48% is gestegen vanwege ontwikkelingen in de kunstmatige intelligentie-sector.
Wat is de claim van DeepSeek?
DeepSeek beweert een oplossing voor dit probleem te hebben gevonden. Het R1-model dat het bedrijf heeft ontwikkeld, is tegen veel lagere kosten getraind in vergelijking met grote concurrenten. Terwijl Meta meer dan 60 miljoen dollar uitgaf voor het Llama-model, zou DeepSeek een vergelijkbare prestatie hebben bereikt met een budget van slechts 6 miljoen dollar. DeepSeek geeft aan dat zijn model gebruikmaakt van een machine learning-architectuur genaamd Mixture of Experts, en aldus efficiënter werkt.
Deze ontwikkelingen hebben ook invloed gehad op de wereldeconomie. In de VS zagen aandelen van chipproducenten en energiebedrijven grote dalingen. Nvidia, dat kunstmatige intelligentie-processors produceert, ervoer de grootste waardevermindering in de geschiedenis van Wall Street met een verlies van 589 miljard dollar op één dag. Interessant genoeg kan het verhogen van de energie-efficiëntie van kunstmatige intelligentie de totale energieconsumptie van de sector in plaats van te verminderen, verhogen. Dit komt omdat het Jevons-paradox stelt dat een efficiënter energiegebruik kan leiden tot een hogere vraag naar energie.
Wat is het Jevons-paradox?
Jevons-paradox werd voor het eerst in 1865 gepresenteerd door William Stanley Jevons. Jevons beweerde dat efficiënter gebruik van kolen, in tegenstelling tot de opvatting, het verbruik niet verminderde, maar juist verhoogde. Volgens Jevons leiden meer efficiënte systemen tot lagere productiekosten, waardoor meer investeringen mogelijk zijn en de totale consumptie toeneemt. Dit geldt ook in de moderne tijd. Technologische vooruitgang zorgt weliswaar voor energiebesparing, maar vermindert de totale energievraag niet.
Conclusie
Het steeds hogere energieverbruik van de kunstmatige intelligentie-industrie blijft een belangrijk probleem voor de milieueffecten. Hoewel efficiëntere kunstmatige intelligentie-modellen die door bedrijven zoals DeepSeek zijn ontwikkeld op korte termijn mogelijk het energieverbruik kunnen verlagen, toont de Jevons-paradox aan dat deze efficiëntieverbeteringen op lange termijn de totale consumptie nog verder kunnen verhogen. Lagere kosten en minder energieverbruik kunnen leiden tot een explosieve vraag naar kunstmatige intelligentie, waardoor het toegankelijker en toegankelijker wordt.
Het is cruciaal dat bedrijven niet alleen de energie-efficiëntie verhogen, maar ook duurzame en hernieuwbare energiebronnen integreren. Gezien de snelheid van technologische ontwikkelingen en de stijgende vraag, lijkt het echter moeilijk om het energieverbruik van kunstmatige intelligentie permanent te verlagen. Als gevolg hiervan zal de vraag naar energie blijven stijgen, wat zal vereisen dat er meer uitgebreide oplossingen worden ontwikkeld om de milieueffecten te verminderen.
Als u ook op zoek bent naar een systeem dat uw middelen zo min mogelijk verbruikt maar op de meest efficiënte manier automatiseert, laten we uw systeem samen bekijken. Met de op kunstmatige intelligentie gebaseerde automatiseringsoplossingen van PlusClouds kunt u tijd en arbeidskrachten besparen terwijl u uw bedrijfsprocessen optimaliseert via Eaglet en Leo. Deze slimme systemen kunnen de operationele efficiëntie tot 5 keer verhogen, waardoor onnodig middelenverbruik tot een minimum wordt beperkt.
Eaglet identificeert potentiële klanten binnen enkele seconden met geavanceerde datascanningtechnologie en analyseert hun contactinformatie en plant uw vergaderingen. Tevens kan het worden gebruikt om een swot-analyse uit te voeren en concurrentie te identificeren. Leo automatiseert volledig het beheer van uw datacenter en biedt de mogelijkheid om end-to-end controle via één enkel paneel. Hierdoor verlaagd u niet alleen uw kosten, maar vermindert u ook uw milieu-impact. Neem contact met ons op voor een meer efficiënte, duurzame en slimme infrastructuur en laten we de meest geschikte automatiseringsoplossingen voor u bepalen!
