Bangkitnya kecerdasan buatan telah menghadirkan kemajuan yang luar biasa, mengubah industri dan membentuk kembali cara kita berinteraksi dengan teknologi. Model Bahasa Besar (LLM) seperti ChatGPT telah menjadi umum, menjawab pertanyaan kita dengan mulus, menghasilkan konten kreatif, dan bahkan terlibat dalam percakapan yang tampak cerdas. Namun, di balik sihir digital ini terdapat kenyataan fisik – infrastruktur yang menggerakkan raksasa AI ini dan sumber daya yang mereka konsumsi. Di antara sumber daya ini, konsumsi air telah muncul sebagai perhatian yang signifikan, memicu perdebatan dan mengangkat pertanyaan tentang biaya lingkungan yang sebenarnya dari ketergantungan kita pada AI. Meskipun jumlah air yang digunakan per pertanyaan ChatGPT tetap menjadi topik penelitian yang sedang berlangsung dan pemahaman yang berkembang, jelas bahwa hausnya AI adalah nyata dan memerlukan perhitungan yang cermat.
Jejak air dari AI terkait erat dengan daya komputasi yang besar yang diperlukan untuk melatih dan menjalankan model-model ini. Komputasi yang kompleks ini dilakukan di pusat data besar, dipenuhi dengan ribuan server yang menghasilkan sejumlah besar panas. Untuk mencegah server-server ini dari overheating dan kerusakan, sistem pendingin canggih sangat diperlukan, dan solusi pendingin berbasis air adalah yang paling umum dan efektif. Sistem ini meredakan air ke seluruh pusat data, menyerap panas dari server dan mentransfernya pergi untuk dibuang, seringkali melalui evaporasi atau menara pendingin. Proses membuang panas ini menghasilkan kehilangan air, berkontribusi secara signifikan terhadap total jejak air dari AI. Memahami besaran konsumsi air ini sangat penting untuk mengevaluasi keberlanjutan AI dan mengembangkan strategi untuk mengurangi dampak lingkungannya.
Anakin AI
Pusat data, jantung fisik dari dunia digital, adalah fasilitas luas yang menampung server, peralatan jaringan, dan sistem penyimpanan yang diperlukan untuk mendukung internet dan semua aplikasinya, termasuk AI. Pusat-pusat ini terkenal karena intensitas energinya, tetapi penggunaan air mereka sering diabaikan. Alasan utama untuk konsumsi air yang signifikan ini adalah, seperti yang disebutkan sebelumnya, kebutuhan untuk mendinginkan peralatan dan mempertahankan suhu operasional yang optimal. Server menghasilkan banyak panas saat mereka memproses data, dan jika panas ini tidak dikelola dengan baik, dapat menyebabkan penurunan kinerja, kerusakan perangkat keras, dan bahkan pemadaman sistem secara total. Sistem pendingin air adalah solusi umum, hemat biaya, dan efisien untuk pusat data di seluruh dunia.
Berbagai jenis sistem pendingin air ada, masing-masing dengan karakteristik penggunaan airnya sendiri. Pendinginan langsung melibatkan sirkulasi air langsung ke komponen panas server, memungkinkan transfer panas yang efisien. Sistem pendinginan tidak langsung menggunakan air untuk mendinginkan udara, yang kemudian disirkulasi di sekitar server. Menara pendingin evaporatif adalah pendekatan populer lainnya, di mana air diuapkan untuk membuang panas, mengakibatkan kehilangan air yang signifikan. Teknologi pendingin spesifik yang diterapkan, iklim tempat pusat data berada, dan efektivitas penggunaan energi (PUE) dari pusat tersebut semua berkontribusi pada total jejak air fasilitas. PUE yang tinggi menunjukkan efisiensi yang lebih rendah dan akibatnya konsumsi energi dan produksi panas yang lebih tinggi, yang mengarah pada peningkatan penggunaan air untuk pendinginan.
Model Bahasa Besar seperti ChatGPT sangat memerlukan sumber daya karena ukuran dan kompleksitas model serta kumpulan data besar yang digunakan untuk melatihnya. Melatih model-model ini membutuhkan daya komputasi yang sangat besar, sering kali melibatkan ratusan atau ribuan GPU (Unit Pemrosesan Grafis) berkinerja tinggi yang bekerja secara paralel selama berminggu-minggu atau bahkan berbulan-bulan. Aktivitas komputasi yang intens ini menghasilkan jumlah panas yang substansial, membutuhkan pendinginan terus-menerus untuk mempertahankan stabilitas operasional. Oleh karena itu, fase pelatihan adalah kontributor signifikan terhadap total jejak air dari LLM.
Lebih lanjut, bahkan setelah pelatihan, menjalankan LLM seperti ChatGPT untuk inference – yaitu, menjawab pertanyaan pengguna dan menghasilkan respons – tetap mengkonsumsi energi yang cukup besar dan memerlukan pendinginan yang berkelanjutan. Setiap interaksi dengan ChatGPT, mulai dari menjawab pertanyaan sederhana hingga menghasilkan teks yang kompleks, memerlukan model untuk melakukan kalkulasi rumit dan mengakses basis pengetahuan yang luas. Proses ini menghasilkan panas yang harus dibuang untuk memastikan server terus berfungsi secara optimal. Meskipun jumlah air yang digunakan per query sulit untuk dikuantifikasi dengan tepat karena berbagai faktor seperti efisiensi energi server, kondisi iklim, lokasi pusat data, dan kompleksitas query, perlu dipahami bahwa efek kumulatif dari jutaan interaksi harian menambah jumlah konsumsi air yang substansial.
Mengestimasi air yang digunakan per query ChatGPT adalah tugas kompleks yang penuh dengan tantangan. Seperti yang telah dibahas sebelumnya, konsumsi air tergantung pada banyak faktor, termasuk teknologi pendinginan pusat data, lokasi, efisiensi energi, dan kompleksitas query itu sendiri. Pertanyaan sederhana mungkin memerlukan usaha komputasi yang lebih sedikit dan oleh karena itu pendinginan yang lebih sedikit, sementara tugas kompleks seperti pembuatan kode atau penulisan kreatif akan membutuhkan lebih banyak sumber daya.
Satu studi memperkirakan bahwa melatih satu model AI seperti GPT-3 dapat mengkonsumsi ratusan ribu galon air. Meskipun angka ini menggambarkan skala investasi sumber daya yang diperlukan untuk pelatihan awal, ini tidak memberikan tautan langsung ke penggunaan air per query setelah model diterapkan. Mendapatkan ukuran yang tepat dari penggunaan air per query juga memerlukan pemantauan operasi pusat data secara nyata, yang sering kali bersifat kepemilikan dan tidak mudah diakses. Ada juga tantangan untuk mengatribusi penggunaan air secara khusus pada query ChatGPT, karena pusat data meng-host banyak aplikasi dan layanan berbeda, membuatnya sulit untuk mengisolasi konsumsi satu layanan individual seperti ChatGPT. Untuk itu, mendapatkan estimasi penggunaan air yang andal dan akurat memerlukan kolaborasi antara pengembang AI, operator pusat data, dan peneliti lingkungan untuk mempromosikan transparansi dan memperbaiki metode pengumpulan data.
Menangani jejak air AI memerlukan pendekatan multifaset yang melibatkan inovasi teknologi, manajemen sumber daya yang bertanggung jawab, dan pengambilan keputusan strategis. Salah satu jalur menjanjikan adalah pengembangan dan penerapan teknologi pendinginan yang lebih efisien. Pendinginan perendaman cair, misalnya, menawarkan transfer panas yang jauh lebih baik dibandingkan sistem berbasis udara atau air tradisional, mengurangi kebutuhan akan konsumsi air. Selain itu, mengoptimalkan efisiensi energi dari server dan peralatan pusat data lainnya juga dapat mengurangi produksi panas dan, akibatnya, menurunkan permintaan air.
Mengadopsi pendekatan ekonomi sirkular untuk manajemen air di pusat data adalah strategi penting lainnya. Ini melibatkan penerapan sistem pemanfaatan dan daur ulang air, yang mengolah dan menggunakan kembali air limbah untuk operasi pendinginan alih-alih mengandalkan sumber daya air tawar semata. Menggunakan sumber air yang tidak layak untuk diminum, seperti air limbah dari gedung di dekatnya atau pemanenan air hujan, dapat lebih lanjut mengurangi permintaan pada pasokan air minum. Akhirnya, keberlanjutan jangka panjang AI tergantung pada komitmen kolektif untuk mengurangi dampak lingkungannya.
Untuk strategi yang efektif dapat dikembangkan dan diterapkan, perlu ada peningkatan transparansi mengenai penggunaan air oleh AI. Operator pusat data dan pengembang AI harus didorong untuk mengungkapkan jejak air mereka dan langkah-langkah yang mereka ambil untuk menguranginya. Informasi ini akan memungkinkan pemangku kepentingan, termasuk konsumen, investor, dan regulator, untuk membuat keputusan yang terinformasi tentang dampak lingkungan dari AI dan mempertanggungjawabkan industri.
Kebijakan dan insentif pemerintah juga dapat berperan penting dalam mempromosikan pengembangan AI yang berkelanjutan. Insentif dapat diberikan kepada pusat data yang mengadopsi teknologi hemat air dan menerapkan praktik manajemen air yang berkelanjutan. Regulasi dapat diterapkan untuk membatasi penggunaan air di pusat data, terutama di daerah yang mengalami tekanan air. Dengan mendorong transparansi, mempromosikan praktik pengembangan yang bertanggung jawab, serta mendukung inovasi teknologi, kita dapat memastikan bahwa AI dapat merealisasikan potensi penuhnya tanpa mengorbankan sumber daya planet yang terbatas.
Masa depan AI terkait erat dengan keberlanjutan air. Seiring AI terus berkembang dan menjangkau lebih banyak aspek kehidupan kita, permintaan akan daya komputasi dan konsumsi air yang terkait hanya akan meningkat. Untuk memastikan bahwa AI tetap menjadi kekuatan untuk kebaikan, kita harus proaktif dalam menangani dampaknya terhadap lingkungan dan mengadopsi praktik yang meminimalkan drainya terhadap sumber daya air. Pemantauan penggunaan air yang berkelanjutan, investasi dalam penelitian dan pengembangan teknologi hemat air, penerapan kebijakan manajemen air yang bertanggung jawab, dan kolaborasi industri sangat penting untuk memastikan penerapan AI yang berkelanjutan di tahun-tahun mendatang.
Peralihan menuju prosesor yang lebih efisien energi dapat secara signifikan mengurangi jumlah air yang diperlukan untuk menjalankan beban kerja AI. Selain itu, pembangunan pusat data yang lebih berkelanjutan, yang terletak dekat dengan pengambilan energi terbarukan, sambil menggunakan sistem pendingin canggih, dapat mengurangi baik emisi karbon maupun penggunaan air. Peningkatan ini akan membuat aplikasi AI lebih murah dan lebih ramah lingkungan. AI berperan penting dalam mengembangkan sistem prediksi dampak cuaca secara real-time untuk membantu mengatasi perubahan iklim dengan lebih baik. Dengan mengadopsi strategi-strategi ini, kita dapat memastikan bahwa AI tetap menjadi alat yang kuat untuk kemajuan manusia tanpa mengorbankan sumber daya air yang penting bagi generasi mendatang.
