Dette er høyst relevant også for Norge, som allerede har en betydelig andel av fornybar energi i sitt strømnett. Men er det nok?
Utvikling og bruk av systemer for KI krever enorm datakraft. Mange KI-produkter lagres og kjøres fra datasentre med tusenvis av servere som er i drift døgnet rundt.
I 2022 utgjorde datasentre, KI og kryptovalutaer omtrent 2 prosent av verdens totale strømforbruk. Dette tallet ventes å bli doblet innen 2026, og det er som om et helt nytt land skulle kobles på det globale strømnettet.
Ikke nok miljøvennlig strøm
I Norge ser vi også en økning i antallet datasentre, fordi vi har ren vannkraft, stabilt klima og god infrastruktur. Det kan virke som vi er godt posisjonert til å møte den økte energietterspørselen fra KI-industrien.
Norge produserer mye fornybar energi, hovedsakelig fra vannkraft, som står for rundt 90 prosent av vår elektrisitetsproduksjon. Dette gir oss en god posisjon i den globale kampen mot klimakrisen.
Men selv om datasentre kan drives av ren energi, må vi ta hensyn til at fornybar energi ikke er ubegrenset. Dersom stadig mer av vår fornybare energi går til å dekke de økende behovene fra datasentre og KI-teknologi, blir den mindre tilgjengelig for andre sektorer, som også har ambisiøse klimamål.
Vi må ikke slutte å tenke
Importere mer lite miljøvennlig strøm?
Ren energi, som vann-, sol- og vindkraft, kan ikke produsere strøm hele tiden. Solen skinner ikke alltid, det kan mangle vann, og vinden blåser ikke konstant.
Datasentre derimot, trenger stabil kraftforsyning døgnet rundt. Når den fornybare energien ikke strekker til, kobler datasentrene seg til det vanlige strømnettet, som også inneholder fossile energikilder.
Dette betyr at økt KI-aktivitet kan føre til at vi må importere mer strøm som kan komme fra kull- og gasskraftverk.
Tidkrevende å bygge ut miljøvennlig strøm
I tillegg bygges datasentre raskere enn fornybare energikilder som sol- og vindparker kan installeres. Å bygge et datasenter kan ta ett år, mens det kan ta mange år å få en ny vind- eller solpark på plass.
Selv om store teknologiselskaper, som Google og Microsoft, har lovet å bli karbonnøytrale innen 2030, ser vi allerede nå tegn på at KI-veksten utfordrer disse løftene.
I USA har kullkraftverk som skulle legges ned, blitt holdt i drift for å dekke energibehovet fra datasentre. Kan vi risikere noe lignende i Europa, eller må vi gjøre tøffe valg for å sikre at vår fornybare energi prioriteres der den trengs mest?
Større åpenhet og energieffektivitet
Et sted å starte for å møte denne utfordringen, er å kreve mer åpenhet fra teknologiselskapene som driver KI-forskning og datasentre. I dag får vi lite informasjon om hvor mye strøm KI-modellene deres bruker og hvordan dette fordeles mellom vanlige databehandlingstjenester og KI-spesifikke oppgaver.
For å ta mer informerte beslutninger trenger vi bedre innsyn i disse tallene.
Flere forskere har også foreslått å innføre energieffektivitetsstandarder for datasentre, slik at de kan bli mer bærekraftige. Dette kan hjelpe teknologiselskaper og forbrukere med å velge de mest miljøvennlige løsningene.
KI-app skal gi mer effektiv styrketrening
En viktig nøkkel
Mye av løsningen ligger dessuten i forskning og utdanning.
Norge har sterke forskningsmiljøer innen energi, med fokus på vannkraft, vindkraft og energilagring, samt på energieffektivisering av bygninger og industri, og videre forskning her kan bidra til å løse noen av utfordringene KI-boomen skaper.
Forskningsmiljøer kan også spille en avgjørende rolle i å utvikle nye energieffektive algoritmer for KI. For eksempel kan KI-modeller optimaliseres til å bruke mindre datakraft, noe som igjen reduserer strømforbruket. Ettersom Norge allerede har et teknologimiljø innen KI, er det mulig å kombinere teknologisk utvikling med bærekraftig innovasjon.
Universitetene kan ellers utdanne neste generasjon ingeniører med kompetanse innen fornybar energi og energieffektivisering.
Ved å tilby tverrfaglige utdanningsprogrammer som kombinerer KI, energiteknologi og bærekraft, kan man sikre at fremtidens arbeidsstyrke har verktøyene som trengs for å takle disse komplekse utfordringene.
Energibehovet kan kuttes raskere ved bedre bruk av KI
