‘Elke drie maanden verdubbelt het energieverbruik van AI’

Duurzaamheid van AI is een nog onderbelicht punt, stelt Gerard. ‘Er gaat veel aandacht uit naar de mensgerichte blik op AI, zoals de ethische kwesties. Maar hoe je de CO₂ -footprint van AI verkleint, dat is nog een vrij nieuw vakgebied. Met de trend dat AI-modellen steeds groter en complexer worden, is het belangrijk om daar meer aandacht voor te vragen.’

Gerard geeft een voorbeeld van een van de eerdere versies van ChatGPT. ‘Eerst moest het AI-model getraind worden met data. Dat vergde tijd en rekenkracht van computers. De hoeveelheid energie die daarvoor nodig was, stond gelijk aan 500 ton CO2. Dat is evenveel als het energieverbruik van duizend auto’s die elk duizend kilometer afleggen.’ En ook het gebruik van ChatGPT kost veel stroom. ‘Eén enkele vraag-antwoord-dialoog kun je vergelijken met de hoeveelheid energie die nodig is om jouw telefoon op te laden. Veel meer dan wanneer je zoekmachine Google gebruikt. En elke dag zijn er miljoenen van dit soort miniconversaties met de chatbot ChatGPT.’

Energiezuinige AI-modellen

Volgens Gerard verdubbelt elke drie maanden het energieverbruik dat door AI wordt geconsumeerd. Om AI-modellen energiezuiniger te maken, heeft Gerard samen met collega Qin Zhao vijf tips geformuleerd. Denk bijvoorbeeld aan het gebruik van tools die meten hoeveel energie een AI-model verbruikt. ‘Wij zeggen tegen studenten: monitor en rapporteer het energieverbruik. Met groene of lokale energie heb je bijvoorbeeld een lagere CO₂-footprint. Bouw dus niet alleen een AI-model dat resultaatgericht is, maar vermeld ook hoeveel energie het kost.’

Verder raadt Gerard aan om sneller te kiezen voor een eenvoudiger AI-basismodel. ‘Softwareontwikkelaars hebben de neiging om de grootste en meest energieslurpende basismodellen te pakken die al beschikbaar zijn in open-source tools. Maar vaak kun je met een simpeler AI-model al het gewenste resultaat bereiken.’ En probeer ook het opnieuw trainen van je AI-model te beperken. ‘Ga dat niet direct doen wanneer je nieuwe data hebt, maar kijk goed naar wanneer het écht van belang is.’ Ook valt er veel te halen bij het optimaliseren van de datakwaliteit en de trainingsschema’s voor het AI-model.

Energietransitie

Ondanks dat AI-modellen dus steeds meer energie verbruiken, zitten er ook positieve kanten aan het gebruik van AI. Want het kan juist ingezet worden om het energieverbruik te verminderen. ‘Tegenwoordig heb je bij het energienet niet alleen producenten en consumenten, maar ook prosumers. Mensen die allebei zijn, bijvoorbeeld wanneer je zonnepanelen op je dak hebt liggen. Maar wat doe je als de zon niet schijnt en je wel een opgeladen elektrische auto wilt? AI- en dataoplossingen zoals apps kunnen helpen om in zo’n dynamisch prosumer-scenario de energietransitie slimmer vorm te geven. Bijvoorbeeld door met het energienetwerk af te stemmen wanneer je overtollig opgewekte energie op wilt slaan. Zodat je die energie op een later moment kunt gebruiken voor het opladen van je auto of voor andere apparaten.’

Op dit moment levert AI nog meer duurzaamheid op dan dat het energie kost. ‘Fijn’, zegt Gerard, ‘maar hoe kunnen we dat verbruik verminderen? Dat begint met bewustwording. Het liefste willen we de basisprincipes om het energieverbruik van AI te verlagen bij alle hbo’s en wo’s invoeren. Zo kan de nieuwe generatie professionals betrouwbare én groene AI-modellen maken.'