นักวิจัยของสถาบันน้ำ สิ่งแวดล้อม และสุขภาพ มหาวิทยาลัยสหประชาชาติ (UNU-INWEH) Miriam Aczel (ผู้เขียนหลักของรายงาน) เตือนเมื่อวันที่ 7 มิถุนายนว่า ภายในปี 2030 โครงสร้างพื้นฐานศูนย์ข้อมูลที่รองรับการทำงานของระบบ AI อาจใช้น้ำได้ถึง 9.3 ล้านล้านลิตรต่อปี ซึ่งเทียบเท่าความต้องการใช้น้ำขั้นพื้นฐานต่อปีของประชากร 1.3 พันล้านคนในแอฟริกาทางตอนใต้ของทะเลทรายซาฮารา
การประเมินทรัพยากรสำหรับปี 2030 ที่ยืนยันได้ 3 รายการ
ตามรายงานของ UNU-INWEH ตัวเลขการประเมินทรัพยากรหลัก 3 รายการมีดังนี้ ปริมาณการใช้น้ำต่อปีอยู่ที่ 9.3 ล้านล้านลิตร (เทียบเท่าความต้องการใช้น้ำขั้นพื้นฐานต่อปีของประชากร 1.3 พันล้านคน) การใช้ไฟฟ้าสูงถึง 945 เทรวัตต์ชั่วโมง และความต้องการด้านพื้นที่มากกว่า 14,500 ตารางกิโลเมตร (ครอบคลุมพื้นที่ติดตั้ง โครงสร้างพื้นฐานด้านพลังงาน และซัพพลายเชน)
ศาสตราจารย์ด้านวิศวกรรมคอมพิวเตอร์แห่งมหาวิทยาลัยแคลิฟอร์เนีย ริเวอร์ไซด์ Ren Shaolei (ผ่านฉบับภาษาอังกฤษของ The Nation) กล่าวว่า “รายงานฉบับนี้มาถึงได้อย่างทันท่วงทีและมีความสำคัญ เพราะย้ำว่า AI ไม่ได้จำกัดอยู่แค่โมเดลและอัลกอริทึมเท่านั้น แต่ยังสร้างผลกระทบทางกายภาพและสิ่งแวดล้อมอย่างแท้จริงต่อศูนย์ข้อมูล ระบบไฟฟ้า ระบบประปา การใช้ประโยชน์ที่ดิน และซัพพลายเชนของฮาร์ดแวร์ด้วย”
กลไกการใช้ทรัพยากรของ AI ที่ยืนยันได้
การใช้งาน AI แบบอินเฟอเรนซ์ (การใช้งานในชีวิตประจำวัน ไม่ใช่การฝึก) คิดเป็น 80% ถึง 90% ของการใช้พลังงานทั้งหมดของ AI ทำให้การใช้งานประจำวันกลายเป็นแหล่งการสิ้นเปลืองทรัพยากรหลัก ChatGPT ประมวลผลคำขอหรือพรอมป์ตประมาณ 2.5 พันล้านรายการต่อวัน และการสนทนาครั้งหนึ่งของแชตบอทมาตรฐานใช้พลังงานมากกว่างานจัดประเภทอย่างง่ายอย่างมีนัยสำคัญ นักวิจัยจากสถาบันวิจัย AI ในควิเบก Alex Hernandez ระบุว่า ปัจจุบันการวัดค่าพลังงานที่ใช้จริงของระบบ AI ยังคงยากต่อการทำให้แม่นยำ ซึ่งจำกัดความถูกต้องของการคาดการณ์
คำถามที่พบบ่อย
ฐานการคำนวณคำทำนายการใช้น้ำ 9.3 ล้านล้านลิตรของ UNU-INWEH คืออะไร?
การประเมินการใช้น้ำของ UNU-INWEH ครอบคลุม 2 มิติ ได้แก่ การใช้น้ำโดยตรงของระบบทำความเย็นของศูนย์ข้อมูล (water footprint) และการใช้น้ำทางอ้อมที่เกี่ยวข้องกับการผลิตไฟฟ้า รายงานนำการใช้น้ำของแหล่งที่มาพลังงานเข้าไว้ในกรอบการคำนวณ ไม่ได้จำกัดแค่การใช้น้ำโดยตรงในพื้นที่ศูนย์ข้อมูล นักวิจัย Alex Hernandez ชี้ว่า ข้อมูลการใช้พลังงานของสิ่งอำนวยความสะดวกด้าน AI เองยังวัดได้ยากอย่างแม่นยำ จึงมีความไม่แน่นอนโดยธรรมชาติในการประเมินนี้
มาตรการลดคาร์บอนทำไมถึงทำให้ปริมาณการใช้น้ำเพิ่มขึ้นมากกว่า 30 เท่า?
จากการวิเคราะห์ของ UNU-INWEH การเปลี่ยนไฟฟ้าของศูนย์ข้อมูลจากถ่านหินไปเป็นพลังงานชีวภาพเป็นเส้นทางลดคาร์บอนที่พบได้บ่อย ซึ่งอาจช่วยลดการปล่อยคาร์บอนได้ราว 70% อย่างไรก็ตาม การปลูกพลังงานชีวภาพต้องใช้น้ำชลประทานจำนวนมากและยังใช้พื้นที่เกษตรจำนวนมากด้วย ส่งผลให้การใช้น้ำเพิ่มขึ้นมากกว่า 30 เท่า และปริมาณการใช้ที่ดินเพิ่มขึ้นราว 100 เท่า Aczel ระบุว่า หากใช้การปล่อยคาร์บอนเพียงอย่างเดียวเป็นเกณฑ์วัดผลกระทบต่อสิ่งแวดล้อม ก็จะทำให้ต้นทุนด้านทรัพยากรน้ำและที่ดินเหล่านี้ถูกซ่อนไป
โมเดล AI ที่มีประสิทธิภาพสูงกว่าจะช่วยลดการใช้น้ำอย่างมีนัยสำคัญได้ไหม?
รายงานของ UNU-INWEH กล่าวถึงความเสี่ยงของ “ปรากฏการณ์การตอบสนองเชิงกลับ” (rebound effect) นั่นคือ แม้ AI ที่ถูกลงและมีประสิทธิภาพมากขึ้นอาจลดการใช้ทรัพยากรต่อครั้ง แต่เมื่อค่าต้นทุนลดลง มักทำให้ความถี่การใช้งานเพิ่มขึ้นอย่างมาก และสุดท้ายอาจทำให้การใช้ทรัพยากรรวมสูงกว่าระดับก่อนที่ประสิทธิภาพจะดีขึ้น ดังนั้น การเพิ่มประสิทธิภาพของโมเดลจะช่วยลดผลกระทบของ AI ต่อทรัพยากรน้ำในภาพรวมได้หรือไม่นั้น ขึ้นอยู่กับความเร็วของการเติบโตของขนาดการใช้งานว่ามากกว่าอัตราการเพิ่มขึ้นของประสิทธิภาพหรือไม่
