AI ใช้น้ำเท่าไหร่? คำนวณ **ต้นทุนน้ำของ AI**
ระบบปัญญาประดิษฐ์ (AI) มีความต้องการน้ำสูงอย่างน่าตกใจ โดยอาจใช้น้ำมากถึง 500 มิลลิลิตร ซึ่งเทียบเท่ากับ ขวดน้ำดื่มขนาดเล็ก ต่อการสนทนาสั้นๆ หนึ่งครั้งกับระบบ ChatGPT GPT-3 ของ OpenAI หรือใช้ปริมาณน้ำใกล้เคียงกันในการ ร่างอีเมล 100 คำ
ตัวเลขนี้รวมถึง น้ำที่ใช้ในการระบายความร้อนของเซิร์ฟเวอร์ในศูนย์ข้อมูล และน้ำที่ใช้ในโรงไฟฟ้าที่ผลิตกระแสไฟฟ้าเพื่อขับเคลื่อนเซิร์ฟเวอร์เหล่านั้น
แต่การศึกษาที่คำนวณค่าประมาณเหล่านี้ยังชี้ให้เห็นว่า การใช้น้ำของระบบ AI อาจแตกต่างกันอย่างมาก ขึ้นอยู่กับ สถานที่และเวลา ที่คอมพิวเตอร์ตอบคำถามทำงาน
ในฐานะบรรณารักษ์วิชาการและอาจารย์ด้านการศึกษา การทำความเข้าใจ AI ไม่ใช่แค่การรู้วิธีเขียนคำสั่ง แต่ยังรวมถึงความเข้าใจ โครงสร้างพื้นฐาน ข้อแลกเปลี่ยน และทางเลือกในเชิงพลเมืองที่เกี่ยวข้องกับ AI ด้วย
หลายคน คิดว่า AI เป็นอันตรายโดยธรรมชาติ โดยเฉพาะอย่างยิ่งเมื่อได้เห็นข่าวพาดหัวที่ระบุถึง การใช้พลังงานและน้ำจำนวนมหาศาล ผลกระทบเหล่านั้นมีอยู่จริง แต่เป็นเพียงส่วนหนึ่งของเรื่องราวเท่านั้น
เมื่อผู้คนเปลี่ยนจากการมอง AI ว่าเป็นเพียงตัวดูดทรัพยากร ไปสู่การทำความเข้าใจร่องรอยที่แท้จริงของมัน ที่มาของผลกระทบ ความแตกต่าง และสิ่งที่สามารถทำได้เพื่อลดผลกระทบเหล่านั้น พวกเขาจะพร้อมมากขึ้นในการตัดสินใจที่สร้างสมดุลระหว่างนวัตกรรมและความยั่งยืน
เบื้องหลังทุกคำถามที่ส่งถึง AI มี การใช้น้ำสองส่วน
ส่วนแรกคือ การระบายความร้อนในสถานที่ ของเซิร์ฟเวอร์ที่สร้างความร้อนจำนวนมาก ซึ่งมักใช้หอทำความเย็นแบบระเหย – หัวฉีดน้ำขนาดใหญ่ที่พ่นน้ำเหนือท่อร้อนหรืออ่างเปิด การระเหยจะนำพาความร้อนออกไป แต่น้ำนั้นจะถูกนำออกจากแหล่งน้ำในท้องถิ่น เช่น แม่น้ำ อ่างเก็บน้ำ หรือชั้นหินอุ้มน้ำ ระบบระบายความร้อนอื่นๆ อาจใช้น้ำ น้อยลงแต่ใช้ไฟฟ้ามากขึ้น
ส่วนที่สองถูกใช้โดยโรงไฟฟ้าที่ผลิต ไฟฟ้าเพื่อจ่ายไฟให้กับศูนย์ข้อมูล โรงไฟฟ้าถ่านหิน ก๊าซ และนิวเคลียร์ใช้น้ำปริมาณมากสำหรับ วงจรไอน้ำและการระบายความร้อน
พลังงานน้ำยังใช้น้ำในปริมาณมาก ซึ่ง ระเหยจากอ่างเก็บน้ำ โรงไฟฟ้าพลังงานแสงอาทิตย์แบบเข้มข้น ซึ่งทำงานคล้ายกับโรงไฟฟ้าไอน้ำแบบดั้งเดิม อาจใช้ปริมาณน้ำมาก หากต้องพึ่งพาการระบายความร้อนแบบเปียก
ในทางตรงกันข้าม กังหันลมและแผงโซลาร์เซลล์แทบไม่ใช้น้ำเลย เมื่อสร้างเสร็จ ยกเว้นการทำความสะอาดเป็นครั้งคราว
การใช้น้ำเปลี่ยนแปลงไปอย่างมากตามสถานที่ ศูนย์ข้อมูลในไอร์แลนด์ที่มีอากาศเย็นและชื้นมักจะพึ่งพาอากาศภายนอกหรือเครื่องทำความเย็น และทำงานเป็นเวลาหลายเดือนโดย ใช้น้ำน้อยที่สุด ในทางตรงกันข้าม ศูนย์ข้อมูลในรัฐแอริโซนาในเดือนกรกฎาคมอาจต้องพึ่งพา การระบายความร้อนแบบระเหย เป็นอย่างมาก อากาศร้อนและแห้งทำให้วิธีนี้มีประสิทธิภาพสูง แต่ก็ใช้น้ำในปริมาณมากเช่นกัน เนื่องจากการระเหยเป็นกลไกที่กำจัดความร้อน
ช่วงเวลาก็มีความสำคัญเช่นกัน การศึกษาของ University of Massachusetts Amherst พบว่าศูนย์ข้อมูลอาจ ใช้น้ำเพียงครึ่งเดียวในฤดูหนาวเมื่อเทียบกับฤดูร้อน และในช่วงกลางวันในช่วงคลื่นความร้อน ระบบระบายความร้อนจะทำงานล่วงเวลา ในตอนกลางคืน ความต้องการจะลดลง
แนวทางใหม่ๆ เสนอทางเลือกที่มีแนวโน้ม ตัวอย่างเช่น การระบายความร้อนแบบแช่ ทำให้เซิร์ฟเวอร์จมอยู่ในของเหลวที่ไม่นำไฟฟ้า เช่น น้ำมันสังเคราะห์ ซึ่งช่วยลดการระเหยของน้ำเกือบทั้งหมด
และการออกแบบใหม่จาก Microsoft อ้างว่า ไม่ใช้น้ำเลยสำหรับการระบายความร้อน โดยการหมุนเวียนของเหลวชนิดพิเศษผ่านท่อปิดโดยตรงข้ามชิปคอมพิวเตอร์ ของเหลวจะดูดซับความร้อนแล้วปล่อยออกผ่านระบบวงปิดโดยไม่จำเป็นต้องมีการระเหยใดๆ ศูนย์ข้อมูลยังคงใช้น้ำดื่มสำหรับห้องน้ำและสิ่งอำนวยความสะดวกอื่นๆ ของพนักงาน แต่การระบายความร้อนจะไม่ดึงน้ำจากแหล่งน้ำในท้องถิ่นอีกต่อไป
อย่างไรก็ตาม โซลูชันเหล่านี้ยังไม่เป็นที่แพร่หลาย ส่วนใหญ่เป็นเพราะต้นทุน ความซับซ้อนในการบำรุงรักษา และความยากลำบากในการเปลี่ยนศูนย์ข้อมูลที่มีอยู่ให้เป็นระบบใหม่ ผู้ให้บริการส่วนใหญ่พึ่งพาระบบระเหย
ประเภทของโมเดล AI ที่ถูกสืบค้นก็มีความสำคัญเช่นกัน นั่นเป็นเพราะ ระดับความซับซ้อนที่แตกต่างกัน และฮาร์ดแวร์และปริมาณพลังงานของโปรเซสเซอร์ ที่ต้องการ โมเดลบางตัวอาจใช้ทรัพยากรมากกว่าโมเดลอื่นๆ มาก ตัวอย่างเช่น การศึกษาหนึ่งพบว่าโมเดลบางตัวสามารถ ใช้พลังงานและน้ำมากกว่า โมเดลที่มีประสิทธิภาพสูงถึง 70 เท่า
คุณสามารถประเมิน **ต้นทุนน้ำของ AI** ได้ด้วยตัวเองในสามขั้นตอนง่ายๆ โดยไม่ต้องใช้คณิตศาสตร์ขั้นสูง
ขั้นตอนที่ 1 – มองหาการวิจัยที่น่าเชื่อถือหรือการเปิดเผยข้อมูลอย่างเป็นทางการ การวิเคราะห์อิสระประเมินว่าการตอบสนอง GPT-5 ขนาดกลาง ซึ่งมีผลลัพธ์ประมาณ 150 ถึง 200 คำ หรือประมาณ 200 ถึง 300 โทเค็น ใช้ ประมาณ 19.3 วัตต์-ชั่วโมง การตอบสนองที่มีความยาวใกล้เคียงกันจาก GPT-4o ใช้ ประมาณ 1.75 วัตต์-ชั่วโมง
ขั้นตอนที่ 2 – ใช้ค่าประมาณที่เป็นประโยชน์สำหรับการใช้น้ำต่อหน่วยไฟฟ้า โดยรวมการใช้งานสำหรับการระบายความร้อนและการจ่ายไฟ
นักวิจัยอิสระ และ อุตสาหกรรม รายงาน แนะนำว่าช่วงที่สมเหตุสมผลในปัจจุบันคือประมาณ 1.3 ถึง 2.0 มิลลิลิตรต่อน้ำต่อวัตต์-ชั่วโมง ปลายด้านล่างสะท้อนถึงสิ่งอำนวยความสะดวกที่มีประสิทธิภาพที่ใช้การระบายความร้อนที่ทันสมัยและกริดที่สะอาดกว่า ปลายด้านบนแสดงถึงไซต์ทั่วไปมากกว่า
ขั้นตอนที่ 3 – ตอนนี้ถึงเวลาที่จะนำชิ้นส่วนต่างๆ มารวมกัน นำตัวเลขพลังงานที่คุณพบในขั้นตอนที่ 1 มาคูณกับปัจจัยน้ำจากขั้นตอนที่ 2 นั่นจะทำให้คุณได้ **ต้นทุนน้ำของ AI** ต่อการตอบสนองเดียว
นี่คือสูตรหนึ่งบรรทัดที่คุณจะต้องใช้:
พลังงานต่อคำสั่ง (วัตต์-ชั่วโมง) × ปัจจัยน้ำ (มิลลิลิตรต่อวัตต์-ชั่วโมง) = น้ำต่อคำสั่ง (ในมิลลิลิตร)
สำหรับการสืบค้น GPT-5 ขนาดกลาง การคำนวณนั้นควรใช้ตัวเลข 19.3 วัตต์-ชั่วโมง และ 2 มิลลิลิตรต่อน้ำต่อวัตต์-ชั่วโมง 19.3 x 2 = 39 มิลลิลิตรต่อน้ำต่อการตอบสนอง
สำหรับการสืบค้น GPT-4o ขนาดกลาง การคำนวณคือ 1.75 วัตต์-ชั่วโมง x 2 มิลลิลิตรต่อน้ำต่อวัตต์-ชั่วโมง = 3.5 มิลลิลิตรต่อน้ำต่อการตอบสนอง
หากคุณสมมติว่าศูนย์ข้อมูลมีประสิทธิภาพมากขึ้น และใช้น้ำ 1.3 มิลลิลิตรต่อน้ำต่อวัตต์-ชั่วโมง ตัวเลขก็จะลดลง: ประมาณ 25 มิลลิลิตรสำหรับ GPT-5 และ 2.3 มิลลิลิตรสำหรับ GPT-4o
รายงานทางเทคนิคล่าสุดของ Google กล่าวว่าข้อความแจ้งโดยเฉลี่ยไปยังระบบ Gemini ใช้ไฟฟ้าเพียง 0.24 วัตต์-ชั่วโมง และ น้ำประมาณ 0.26 มิลลิลิตร – ปริมาตรประมาณห้าหยด อย่างไรก็ตาม รายงานไม่ได้ระบุว่าข้อความแจ้งนั้นมีความยาวเท่าใด ดังนั้นจึงไม่สามารถเปรียบเทียบโดยตรงกับการใช้น้ำของ GPT ได้
ค่าประมาณที่แตกต่างกันเหล่านั้น – ตั้งแต่ 0.26 มิลลิลิตร ถึง 39 มิลลิลิตร – แสดงให้เห็นว่าประสิทธิภาพ โมเดล AI และโครงสร้างพื้นฐานการผลิตไฟฟ้ามีความสำคัญเพียงใด
เพื่อให้เข้าใจอย่างแท้จริงว่าคำถามเหล่านี้ใช้น้ำมากแค่ไหน จะเป็นประโยชน์ในการเปรียบเทียบกับการใช้น้ำที่คุ้นเคยอื่นๆ
เมื่อคูณด้วยล้าน การใช้น้ำของคำถาม AI ก็เพิ่มขึ้น OpenAI รายงาน ประมาณ 2.5 พันล้านคำสั่งต่อวัน ตัวเลขนี้รวมถึงคำสั่งไปยังระบบ GPT-4o, GPT-4 Turbo, GPT-3.5 และ GPT-5 โดยไม่มีรายละเอียดว่ามีคำสั่งกี่คำสั่งที่ส่งไปยังแต่ละโมเดลโดยเฉพาะ
การใช้ค่าประมาณอิสระและการรายงานอย่างเป็นทางการของ Google ทำให้ทราบถึงช่วงที่เป็นไปได้:
- หาก OpenAI ทั้งหมดเป็นการสืบค้น GPT-5 โดยเฉลี่ย: มากถึง 97.5 ล้านลิตรต่อวัน
- หาก OpenAI ทั้งหมดเป็นการสืบค้น GPT-4o โดยเฉลี่ย: ประมาณ 8.75 ล้านลิตรต่อวัน
- หาก OpenAI ใช้ตัวเลขอย่างเป็นทางการของ Google สำหรับ Gemini: 650,000 ลิตรต่อวัน
เพื่อเปรียบเทียบ ชาวอเมริกันใช้ ประมาณ 34,000 ล้านลิตรต่อวัน รดน้ำสนามหญ้าและสวนที่อยู่อาศัย หนึ่งลิตรคือประมาณหนึ่งในสี่ของแกลลอน
Generative AI ใช้น้ำ แต่ – อย่างน้อยในขณะนี้ – ผลรวมรายวันมีขนาดเล็กเมื่อเทียบกับการใช้งานทั่วไปอื่นๆ เช่น สนามหญ้า การอาบน้ำ และการซักผ้า
แต่ความต้องการน้ำของมันไม่ได้คงที่ การเปิดเผยข้อมูลของ Google แสดงให้เห็นถึงสิ่งที่เป็นไปได้เมื่อระบบได้รับการปรับให้เหมาะสม ด้วยชิปพิเศษ การระบายความร้อนที่มีประสิทธิภาพ และ การจัดการปริมาณงานที่ชาญฉลาด การรีไซเคิลน้ำ และการตั้งศูนย์ข้อมูลใน ภูมิภาคที่เย็นกว่าและเปียกชื้นกว่า ก็สามารถช่วยได้เช่นกัน
ความโปร่งใสมีความสำคัญเช่นกัน: เมื่อบริษัทต่างๆ เผยแพร่ข้อมูลของตน สาธารณชน ผู้กำหนดนโยบาย และนักวิจัยสามารถเห็นสิ่งที่สามารถทำได้และเปรียบเทียบผู้ให้บริการได้อย่างยุติธรรม
โดยสรุป **ต้นทุนน้ำของ AI** ยังคงเป็นประเด็นที่ต้องตระหนักและพิจารณา การคำนวณ **ต้นทุนน้ำของ AI** ช่วยให้เราเข้าใจผลกระทบและหาแนวทางแก้ไขที่ยั่งยืนได้ เพื่อให้การพัฒนา AI เป็นไปอย่างมีความรับผิดชอบต่อสิ่งแวดล้อม มาช่วยกันใส่ใจและคำนวณ **ต้นทุนน้ำของ AI** เพื่ออนาคตที่ยั่งยืนกันเถอะ