REGIONAL:
Selesai pelatihan bukan berarti selesai konsumsi energi. Setiap permintaan pengguna, dari menyusun email hingga membuat gambar, mengaktifkan proses inferensi yang memakan daya cukup besar. Bahkan, satu permintaan di ChatGPT bisa mengonsumsi listrik lima kali lebih banyak dari pencarian web biasa.
“Tetapi pengguna sehari-hari tidak terlalu memikirkannya,” kata Bashir. “Kemudahan penggunaan dan kurangnya informasi membuat kita tak punya insentif untuk mengurangi pemakaian.”
Seiring meningkatnya adopsi, permintaan listrik untuk proses inferensi diperkirakan akan mendominasi. Versi model yang lebih besar dan kompleks akan mendorong konsumsi energi yang lebih besar pula.
Yang juga menjadi perhatian: umur model AI generatif sangat pendek. Versi baru dirilis hampir setiap minggu. Energi untuk melatih versi sebelumnya pun jadi mubazir.
Dibalik Asap dan Air
Tak hanya listrik, air pun menjadi korban.
Untuk setiap kilowatt-jam energi yang digunakan pusat data, dibutuhkan sekitar dua liter air untuk pendinginan. Air dingin menyerap panas dari perangkat keras. Jika penggunaan ini tak dikontrol, akan ada risiko bagi keanekaragaman hayati di sekitar pusat data.
“Hanya karena ini disebut ‘komputasi awan’ bukan berarti perangkat kerasnya ada di awan,” ujar Bashir.
Tambahan dampak datang dari produksi perangkat keras seperti GPU—prosesor yang sangat bertenaga untuk AI generatif. Proses pembuatannya kompleks dan intensif energi. Ditambah lagi, emisi dari proses distribusi serta penambangan material mentah semakin menambah jejak karbon.
Tahun 2023, tiga produsen besar—NVIDIA, AMD, dan Intel—mengirimkan 3,85 juta GPU ke pusat data. Jumlah ini naik tajam dari tahun sebelumnya dan diprediksi terus meningkat pada 2024.
Menuju AI Generatif yang Bertanggung Jawab
Olivetti, Bashir, dan para kolega mereka menyuarakan satu hal penting: perubahan. Pengembangan AI generatif harus dilakukan secara bertanggung jawab. Setiap manfaatnya harus ditimbang bersamaan dengan seluruh biaya lingkungan dan sosialnya.
“Kita memerlukan cara yang lebih kontekstual untuk memahami implikasi dari perkembangan baru di bidang ini secara sistematis dan komprehensif,” pungkas Olivetti.
“Karena kecepatan peningkatan yang terjadi, kita belum punya cukup waktu untuk mengejar kemampuan kita dalam mengukur dan memahami tradeoff.”
TERPOPULER