Perkembangan pesat kecerdasan buatan telah melahirkan alat luar biasa seperti ChatGPT, yang mampu menghasilkan teks berkualitas manusia, menerjemahkan bahasa, dan bahkan menulis kode. Namun, di balik tirai perangkat lunak yang tampaknya tidak berwujud ini, terdapat infrastruktur fisik yang membutuhkan sumber daya yang signifikan, termasuk jumlah air yang mengejutkan. Memahami jejak air dari model AI seperti ChatGPT sangat penting untuk menilai dampak lingkungan mereka dan mempromosikan praktik yang lebih berkelanjutan di bidang kecerdasan buatan yang sedang berkembang. Saat AI terus meresap ke berbagai aspek kehidupan kita, sangatlah penting untuk mempertimbangkan biaya ekologi yang terkait dengan pengembangan dan penerapannya, yang meliputi penggunaan energi, emisi karbon, dan faktor konsumsi air yang sering diabaikan. Artikel ini membahas pertanyaan kompleks mengenai berapa banyak air yang digunakan ChatGPT setiap hari, mengeksplorasi faktor-faktor yang berkontribusi terhadap kebutuhan airnya dan implikasinya untuk masa depan keberlanjutan AI.
Anakin AI
Alasan utama mengapa model AI seperti ChatGPT mengkonsumsi air adalah karena pusat data besar yang mendukung operasinya. Pusat data ini, sering kali berupa fasilitas luas yang menampung ribuan server, sangat penting untuk menyimpan, memproses, dan menyajikan jumlah data besar yang diperlukan untuk pelatihan dan inferensi AI. Aktivitas komputasi yang intensif di dalam server-server ini menghasilkan jumlah panas yang signifikan. Untuk mencegah overheating dan memastikan kinerja optimal, sistem pendinginan yang kuat diterapkan. Sistem pendingin ini sering kali sangat bergantung pada air untuk pendinginan evaporatif, suatu proses di mana air diuapkan untuk menghilangkan panas dari server dan perangkat keras lainnya. Proses ini sangat memerlukan air dan berkontribusi secara signifikan terhadap keseluruhan jejak air model AI. Jumlah air yang dikonsumsi bervariasi tergantung pada iklim, efisiensi sistem pendinginan, dan beban kerja yang diproses. Selain itu, sumber listrik yang memberi tenaga pusat data ini juga berperan. Jika listrik berasal dari sumber seperti pembangkit listrik berbahan bakar batubara, kemungkinan besar lebih banyak air digunakan dalam proses pembangkitan listrik, yang semakin memperburuk jejak air AI.
Pusat data adalah kunci infrastruktur AI modern, menyediakan kekuatan komputasi dan kapasitas penyimpanan yang diperlukan untuk melatih dan menjalankan model AI yang kompleks. Fasilitas ini biasanya terletak di wilayah yang memiliki akses ke sumber daya listrik dan konektivitas yang andal, tetapi sering kali lokasi mereka tidak dipilih dengan mempertimbangkan keberlanjutan air. Setiap server di dalam pusat data menghasilkan panas yang substansial saat memproses data, menjalankan algoritma, dan mendukung aplikasi AI. Tanpa mekanisme pendinginan yang efektif, panas ini dapat menyebabkan kerusakan server, penurunan kinerja, bahkan kerusakan permanen. Oleh karena itu, sistem pendingin sangat penting untuk mempertahankan suhu operasi yang optimal dan memastikan keandalan infrastruktur pusat data. Metode pendingin tradisional, seperti pendinginan udara, dapat menghabiskan energi dan mungkin tidak cukup untuk menangani panas yang dihasilkan oleh konfigurasi server dengan kepadatan tinggi. Akibatnya, banyak pusat data menggunakan sistem pendingin berbasis air, yang menawarkan kemampuan dissipasi panas yang lebih baik. Namun, ini datang dengan biaya konsumsi air yang signifikan.
Peningkatan pendinginan evaporatif adalah teknik umum yang digunakan di pusat data karena efisiensinya dalam menghilangkan panas. Proses ini melibatkan sirkulasi air melalui menara pendingin atau langsung di atas server, di mana air tersebut menguap dan menyerap panas. Meskipun pendinginan evaporatif efektif, itu menyebabkan kehilangan air yang substansial melalui penguapan. Jumlah air yang hilang tergantung pada beberapa faktor, termasuk iklim, desain sistem pendinginan, dan beban operasi pusat data. Di daerah kering atau semi-kering, di mana sumber air langka, penggunaan pendinginan evaporatif dapat memberi tekanan tambahan pada pasokan air lokal. Beberapa pusat data sedang mengeksplorasi metode pendinginan alternatif, seperti pendinginan udara, pendinginan bebas (menggunakan udara luar ketika suhu rendah), dan pendinginan cair, untuk mengurangi ketergantungan mereka pada air. Namun, alternatif ini mungkin memiliki tantangannya sendiri, seperti peningkatan konsumsi energi atau biaya peralatan yang lebih tinggi. Oleh karena itu, menemukan keseimbangan antara efisiensi pendinginan, konservasi air, dan keberlanjutan keseluruhan adalah pertimbangan penting bagi operator pusat data.
Menentukan jumlah pasti air yang dikonsumsi ChatGPT per hari merupakan usaha yang kompleks karena sifat arsitektur modelnya, data pelatihan, dan infrastrukturnya yang bersifat kepemilikan. OpenAI, pengembang ChatGPT, tidak secara publik mengungkapkan informasi detail mengenai lokasi pusat datanya, sistem pendinginan, atau penggunaan air. Namun, peneliti dan para ahli industri telah berusaha untuk memperkirakan jejak air model AI berdasarkan data yang tersedia dan asumsi yang berpendidikan. Salah satu pendekatan melibatkan memperkirakan konsumsi energi untuk melatih dan menjalankan model, kemudian menggunakan rata-rata industri untuk penggunaan air per kilowatt-jam (kWh) pembangkitan listrik untuk memperkirakan jejak air. Pendekatan lain melibatkan analisis penggunaan air dari pusat data biasa dan menskalakannya berdasarkan perkiraan ukuran dan aktivitas pusat data yang digunakan untuk mendukung ChatGPT. Penting untuk dicatat bahwa ini hanyalah perkiraan dan konsumsi air aktual dapat bervariasi secara signifikan.
Beberapa faktor mempengaruhi konsumsi air model AI seperti ChatGPT. Ukuran dan kompleksitas model berkaitan langsung dengan tuntutan komputasinya, yang pada gilirannya mempengaruhi konsumsi energi dan kebutuhan pendinginan. Model yang lebih besar dan lebih kompleks memerlukan lebih banyak daya pemrosesan dan menghasilkan lebih banyak panas, yang mengarah pada penggunaan air yang lebih tinggi. Jenis sistem pendinginan yang digunakan di pusat data juga memainkan peran signifikan, di mana pendinginan evaporatif adalah opsi yang paling memerlukan air. Iklim wilayah tempat pusat data berada juga memiliki dampak besar, karena iklim yang lebih panas dan lebih kering membutuhkan lebih banyak pendinginan. Sumber listrik yang digunakan untuk memberi tenaga pusat data juga merupakan faktor kritis, karena metode pembangkitan listrik yang memerlukan air, seperti pembangkit listrik berbahan bakar batubara, meningkatkan keseluruhan jejak air. Terakhir, efisiensi infrastruktur dan operasi pusat data juga dapat mempengaruhi konsumsi air, dengan desain dan praktik yang lebih efisien menghasilkan penggunaan air yang lebih rendah.
Model AI seperti ChatGPT umumnya memiliki dua fase yang berbeda: fase pelatihan dan fase inferensi. Fase pelatihan melibatkan memberi model sejumlah besar data untuk mempelajari pola dan hubungan, memungkinkan model tersebut untuk menghasilkan teks yang koheren dan relevan. Fase ini biasanya jauh lebih intensif secara komputasi dibandingkan fase inferensi, yaitu ketika model digunakan untuk menghasilkan tanggapan terhadap perintah pengguna. Oleh karena itu, fase pelatihan memiliki jejak air yang secara signifikan lebih tinggi dibandingkan fase inferensi. Penelitian terbaru menunjukkan bahwa melatih model bahasa besar seperti ChatGPT dapat mengkonsumsi jutaan galon air. Sementara fase inferensi mengkonsumsi lebih sedikit air per kueri, jumlah kueri yang banyak masih dapat menambah penggunaan air yang substansial seiring berjalannya waktu. Selain itu, model sering kali diperbarui secara berkala untuk meningkatkan akurasi dan kinerjanya. Proses pelatihan ulang ini juga sangat memerlukan air karena memerlukan banyak sumber daya komputasi.
Menangani jejak air AI sangat penting untuk mempromosikan masa depan yang lebih berkelanjutan. Beberapa strategi dapat diterapkan untuk mengurangi konsumsi air di pusat data dan operasi AI. Ini termasuk meningkatkan efisiensi sistem pendinginan, beralih ke metode pendinginan yang kurang memerlukan air, mengoptimalkan lokasi pusat data, menggunakan sumber energi terbarukan, dan mempromosikan praktik konservasi air. Investasi dalam penelitian dan pengembangan algoritma AI yang lebih efisien dalam penggunaan air dan infrastruktur juga sangat penting. Selain itu, meningkatkan transparansi dan berbagi data di antara pengembang AI dan operator pusat data dapat membantu memahami dan menangani jejak air AI dengan lebih baik. Dengan mengadopsi strategi ini, industri AI dapat meminimalkan dampak lingkungan dan memastikan bahwa AI memberikan manfaat bagi masyarakat tanpa mengorbankan ketersediaan sumber daya air.
Salah satu pendekatan yang paling menjanjikan untuk mengurangi jejak air AI adalah adopsi teknologi pendinginan yang lebih efisien dalam penggunaan air di pusat data. Pendinginan udara, yang menggunakan udara alih-alih air untuk menghilangkan panas, dapat secara signifikan mengurangi konsumsi air. Namun, pendinginan udara mungkin memerlukan lebih banyak energi untuk dioperasikan dan mungkin tidak cukup untuk konfigurasi server dengan kepadatan tinggi. Pendinginan cair, yang melibatkan sirkulasi pendingin secara langsung di atas server, menawarkan kemampuan dissipasi panas yang lebih baik dan dapat mengurangi konsumsi air dibandingkan dengan pendinginan evaporatif. Pendinginan bebas, yang menggunakan udara luar untuk mendinginkan pusat data ketika suhu rendah, juga dapat menjadi strategi penghematan air yang efektif, terutama di daerah dengan iklim yang menguntungkan. Sistem pendingin hibrida yang menggabungkan berbagai teknologi pendinginan juga dapat diterapkan untuk mengoptimalkan penggunaan air dan efisiensi energi.
Lokasi pusat data dapat berdampak signifikan pada jejak air mereka. Meletakkan pusat data di wilayah dengan iklim yang lebih dingin dapat mengurangi kebutuhan pendinginan, sementara menempatkannya di daerah dengan sumber energi terbarukan yang melimpah dapat meminimalkan jejak air yang terkait dengan pembangkitan listrik. Memilih lokasi dengan akses ke sumber air yang berkelanjutan, seperti air daur ulang atau air laut, juga dapat membantu mengurangi ketergantungan pada sumber daya air tawar. Namun, keputusan penempatan pusat data juga harus mempertimbangkan faktor-faktor seperti ketersediaan daya, konektivitas jaringan, dan kedekatan dengan pengguna. Oleh karena itu, pendekatan holistik yang menyeimbangkan keberlanjutan lingkungan dengan pertimbangan operasional dan ekonomis lainnya sangat penting. Pemerintah dan badan regulasi dapat berperan dalam mendorong penempatan pusat data yang berkelanjutan dengan memberikan insentif untuk meletakkan fasilitas di lokasi yang ramah lingkungan dan menerapkan regulasi yang mempromosikan konservasi air.
Untuk secara efektif menangani jejak air AI, diperlukan transparansi dan akuntabilitas yang lebih besar di seluruh industri AI. Pengembang AI harus mengungkapkan informasi tentang konsumsi energi dan penggunaan air model mereka, sementara operator pusat data harus menyediakan data tentang sistem pendinginan dan sumber air mereka. Metrik dan kerangka pelaporan standar dapat membantu memfasilitasi pengumpulan data dan perbandingan, memungkinkan pemangku kepentingan untuk melacak kemajuan dan mengidentifikasi area untuk perbaikan. Audit dan sertifikasi independen juga dapat meningkatkan akuntabilitas dan memastikan bahwa perusahaan AI memenuhi tujuan keberlanjutan mereka. Selain itu, konsumen dan investor dapat berperan dengan menuntut transparansi yang lebih besar dan mendukung perusahaan yang memprioritaskan keberlanjutan lingkungan. Dengan mendorong budaya transparansi dan akuntabilitas, industri AI dapat bergerak menuju masa depan yang lebih berkelanjutan.
Seiring AI terus berkembang dan semakin tersebar, sangat penting untuk memprioritaskan keberlanjutan dan pengembangan yang bertanggung jawab. Dengan mengadopsi teknologi hemat air, mengoptimalkan lokasi pusat data, menggunakan sumber energi terbarukan, dan mempromosikan transparansi serta akuntabilitas, industri AI dapat meminimalkan dampak lingkungannya dan memastikan bahwa AI memberikan manfaat bagi masyarakat tanpa mengorbankan ketersediaan sumber daya air. Kolaborasi antara pengembang AI, operator pusat data, pembuat kebijakan, dan peneliti sangat penting untuk mendorong inovasi dan mengembangkan solusi berkelanjutan. Dengan bekerja sama, kita dapat menciptakan ekosistem AI yang kuat dan bertanggung jawab terhadap lingkungan, memastikan masa depan yang lebih cerah dan berkelanjutan untuk semua. Jejak air AI menjadi perhatian yang semakin meningkat, tetapi dengan upaya terkoordinasi dan komitmen terhadap keberlanjutan, kita dapat mengurangi haus AI dan membuka potensi penuhnya untuk kebaikan.
