KI og bærekraft – "skyens" materielle pris

I artikkelen The mechanisms of AI hype and its planetary and social costs, diskuterer Markelius et. al. hvordan måten vi snakker om KI, med begreper som "skyen", gjør at teknologien fremstår som ren, usynlig og friksjonsløs.

Men bak smarttelefonen du har i lomma, ligger en massiv, fysisk og ressurskrevende infrastruktur bygget av stål, betong og sjeldne mineraler.

Denne leksjonen tar utgangspunkt i artikkelen til forskerne Markelius, Wright, Kuiper og Delille og utforsker de skjulte miljømessige og sosiale kostnadene ved det pågående KI-kappløpet.

Relevant litteratur for denne leksjonen

Relevant litteratur kan søkes opp og finnes i Oria.

ARTIKKEL The mechanisms of AI hype and its planetary and social costs

Markelius, Alva ; Wright, Connor ; Kuiper, Joahna ; Delille, Natalie ; Kuo, Yu-Ting, Ai and ethics (Online), 4( 3 ), 2024-08, Sidespenn 727 - 742

Undervisningsvideo: Den materielle prisen for "skyen"

I denne videosamtalen diskuterer professor Maja van der Velden (IFI) og førstelektor Andrea Alessandro Gasparini (IFI) noen sentrale bærekraftsutfordringer knyttet til KI. Samtalen er en forenklet bærekraftanalyse basert på Sustainability Awareness Framework (SusAF), et rammeverk for bærekraftsanalyse. SusAF analyserer bærekraften til ny teknologi på bakgrunn av miljømessige, sosiale, teknologiske, individuelle og økonomiske perspektiver.

Tips til videospilleren

🖥️ Du kan bytte mellom ulike visningsmoduser øverst til høyre i videovinduet når bilde og lysbilder vises samtidig.
🔍 Søk i videoen: Klikk på forstørrelsesglasset nederst i videovinduet for å søke etter bestemte begreper i samtalen.

Oppsummering og læringsaktiviteter

For å forstå de reelle kostnadene ved digitalisering og KI, må vi se på bærekraft i et helhetlig perspektiv. Kostnadene handler ikke bare om penger. De omfatter også energibruk, miljøpåvirkning, arbeidsforhold, personvern og andre samfunnsmessige konsekvenser. Nedenfor forklares de viktigste begrepene fra artikkelen og videoen.

Mystifisering og antropomorfisering (Hvorfor avtrykket skjules)

Hvorfor har vi en tendens til å tro at kunstig intelligens er en ren og vektløs teknologi?

Vis forklaring og eksempler

Mystifisering av skyen: Begreper som "skyen" som betegnelse på datasentre kan få oss til å tenke på noe svevende, naturlig og rent. Sannheten er at "skyen" er gigantiske, støyende bygninger av betong fylt med servere som krever enorme mengder vann til kjøling og strøm til drift.
Antropomorfisering (Menneskeliggjøring): Fordi samtalerobotene snakker til oss med menneskeliknende språk (og vi bruker menneskelige begreper som at de "tenker", "lærer" eller "hallusinerer"), glemmer vi det massive fysiske maskineriet bak. Vi behandler maskinen som en person ("kan du...", sier takk osv.), og overser helt gruvearbeiderne som utvinner sjeldne jordmetaller, og datasentrene som beslaglegger natur både i Norge og andre steder i verden.

Alternativkostnad (hva vi velger bort)

Når vi bruker strøm, vann og milliarder av kroner på KI, hva må vike i stedet?

Vis forklaring og eksempler

Når vi bruker ressurser på én ting, kan vi ikke bruke de samme ressursene på noe annet. Dette kalles alternativkostnad (opportunity cost).

Brikkeproduksjon vs. risdyrking: Forfatterne av artikkelen viser et eksempel fra Taiwan: For å sikre nok vann til kjøling av fabrikkene til TSMC (verdens ledende produsent av mikrochiper til KI-brikker), subsidierte staten lokale risbønder for å la åkrene ligge brakk. Risdyrkingen ble ofret for at dataselskapene skulle få brikkene sine. Dette er altså et eksempel på at man bytter matproduksjon og matsikkerhet mot datakraft.
Strømnettet i Norge: Når gigantiske datasentre etablerer seg i norske kommuner og beslaglegger enorme mengder av den fossilfrie strømmen vår, betyr det at det blir mindre kapasitet igjen til for eksempel å elektrifisere transportsektoren, fergetrafikken eller annen lokal industri.

SusAF-rammeverket og de fem dimensjonene

Hvordan vi kan analysere den faktiske bærekraften til ny teknologi på en systematisk måte.

Vis de fem dimensjonene

Sustainability Awareness Framework (SusAF) belyser bærekraftsproblematikken ved ny teknologi gjennom fem ulike dimensjoner. Disse forklares nedenfor med eksempler på utfordringer knyttet til kunstig intelligens.

Miljømessig bærekraft (de fysiske ressursene): Visste du at et typisk datasenter krever opptil 50 000 tonn kobber til kabler og GPU-er? Dette kobberet graves ut blant annet fra konfliktgruver i Kongo under tøffe arbeidsforhold. I tillegg beslaglegger datasentre store arealer av skog (f.eks. arealer tilsvarende 300 fotballbaner for et enkelt prosjekt).
Sosial bærekraft (menneskene i verdikjeden): For at samtaleroboten skal fremstå høflig, må traumatiserende volds- og overgrepsmateriale lukes ut av treningsdataene. Dette gjøres manuelt av underbetalte tekstmoderatorer i lavkostland som Kenya ("ghost workers"), flere av disse arbeiderne utvikler PTSD ettersom de utsettes for svært traumatiserende innhold.
Økonomisk bærekraft (maktkonsentrasjon): Ekstreme kostnader gjør at teknologien og makten monopoliseres av et fåtall amerikanske og kinesiske teknologikjemper. Man risikerer en "lisensfelle" der vi først gjøres "avhengige" av verktøyene før prisene skrus opp.
Teknisk bærekraft (levetid og suverenitet): Siden vi ikke har kontroll over "svarte bokser", er vi sårbare. Amerikanske sanksjoner eller eksportrestriksjoner kan skru av tilgangen vår over natten.
Individuell bærekraft (kognitiv påvirkning): Når vi utvanner evnen vår til selvstendig skriving og kritisk tenkning ved å delegere alt til roboter, svekker vi våre egne kognitive evner.

Digital nedvekst (Digital Degrowth)

Refleksjon

Tenk over ditt eget kognitive og ressursmessige forbruk i studie- og arbeidshverdagen.

Vis refleksjonsspørsmål

Refleksjonsoppgave

Begrepet Digital Degrowth, som Maja van der Velden viser til i samtalen, handler om å bremse opp den teknologiske overfloden og vurdere om vi alltid trenger mer teknologi, eller om vi i større grad bør prioritere å holde oss innenfor jordens tålegrenser.

Når du jobber med studiene eller arbeidsoppgavene dine, prøv å stille deg selv spørsmålet "hvorfor", og ikke bare "hvordan":

Trenger du egentlig å bruke en strømkrevende språkmodell for å oppsummere en enkel fagtekst, eller kan du få et langt større læringsutbytte (og samtidig spare miljøet) ved å lese og analysere den grundig på egen hånd?