Tehisintellekti (AI) mudelite treenimine ja käivitamine nõuab tohutus koguses arvutusvõimsust ja elektrit. Kuna generatiivse AI lahendused muutuvad üha laialdasemaks, seisab tehnoloogiamaailm silmitsi uue väljakutsega: energia- ja arvutusvõimsuse kriis (Energy and Compute Crunch).

Iga kord, kui me palume tehisintellektil luua pilt, kirjutada koodi või analüüsida teksti, käivitame füüsilistes andmekeskustes massiivse arvutusprotsessi. See nähtamatu infrastruktuur on muutumas globaalse energiatarbimise üheks suurimaks mõjutajaks, seades ohtu mitmete riikide kliimaeesmärgid ja rohepöörde plaanid.

Kui me ei leia kiiresti lahendusi, võib energiapuudus saada peamiseks piduriks tehisintellekti edasisele arengule. See on viinud olukorrani, kus tehnoloogiaettevõtted ei konkureeri enam ainult algoritmide paremuse, vaid ka ligipääsu üle energiale ja infrastruktuurile.

Andmekeskuste kasvav energiavajadus

Rahvusvahelise Energiaagentuuri (IEA) hinnangul võib andmekeskuste globaalne elektritarbimine lähiaastatel kahekordistuda, ulatudes 2026. aastaks üle 1000 teravatt-tunni. See on võrreldav terve Jaapani aastase elektritarbimisega. Traditsiooniline veebiotsing nõuab kordades vähem energiat kui ChatGPT või sarnase suure keelemudeli (LLM) päringu töötlemine.

Probleem ei peitu ainult mudelite treenimises, mis kestab kuid ja nõuab kümneid tuhandeid graafikaprotsessoreid (GPU), vaid ka igapäevases kasutuses ehk järeldamises (inference). Kuna sadu miljoneid inimesi on hakanud AI-d igapäevaselt kasutama, on see pidev energiakulu muutunud andmekeskuste jaoks kriitiliseks pudelikaelaks. Paljudes tehnoloogiakeskustes, näiteks Iirimaal ja Hollandis, on juba kehtestatud piirangud uute andmekeskuste ehitamisele, kuna kohalik elektrivõrk lihtsalt ei pea koormusele vastu.

Lisaks elektritarbimisele on kriitiliseks teemaks ka veekasutus. Andmekeskuste jahutamiseks kulub tohututes kogustes puhast vett, mis tekitab pingeid kohalike kogukondadega piirkondades, kus veevarud on juba niigi piiratud. See sunnib ettevõtteid otsima alternatiivseid jahutusmeetodeid, näiteks vedelikjahutust või andmekeskuste viimist jahedamatesse kliimavöötmetesse.

Tehnoloogiahiiud otsivad alternatiive: Tuumaenergia tagasitulek

Selleks, et tagada piisav energiavarustus ilma süsinikuheitmeid drastiliselt suurendamata, on suurkorporatsioonid hakanud investeerima tuumaenergiasse. Näiteks 2024a teatas Microsoft lepingust Constellation Energyga, mille eesmärk on taaskäivitada Three Mile Islandi tuumaelektrijaam spetsiaalselt AI andmekeskuste toitmiseks.

Samuti on OpenAI tegevjuht Sam Altman investeerinud idufirmadesse, mis arendavad väikeseid moodultuumareaktoreid (SMR) ja tuumasünteesi tehnoloogiaid. Eestis jälgitakse neid arenguid suure huviga, eriti Fermi Energia kontekstis, mis plaanib rajada Eestisse SMR-i. Stabiilne ja süsinikuneutraalne baasenergia võiks muuta Eesti atraktiivseks sihtkohaks uutele, energiamahukatele AI andmekeskustele, elavdades seeläbi kohalikku majandust.

Tuumaenergia tagasitulek ei ole aga ilma vaidlusteta. Hoolimata tehnoloogia arengust ja ohutusstandardite tõusust, on avalikkuse hirm tuumaõnnetuste ja jäätmete käitlemise ees endiselt suur. See nõuab valitsustelt ja tehnoloogiaettevõtetelt avatud ja läbipaistvat kommunikatsiooni ning pikaajaliste strateegiate väljatöötamist.

Uue põlvkonna riistvara ja kiipide areng

Lisaks uutele energiaallikatele keskendutakse ka riistvara energiatõhususe parandamisele. Nvidia Blackwelli arhitektuur on loodud just eesmärgiga vähendada suurte keelemudelite treenimise ja järeldamise kulusid ning energiatarbimist.

Vaatamata sellele on nõudlus võimsate graafikaprotsessorite (GPU) järele nii suur, et kiipide tootmismahud ei suuda sageli turu vajadustega sammu pidada. See on tekitanud uue geopoliitilise võidujooksu, kus riigid püüavad kindlustada oma ligipääsu tipptasemel kiipidele. Innovatsioon toimub ka optiliste kiipide ja neuromorfse arvutuse valdkonnas, mis püüavad imiteerida inimaaju äärmiselt energiatõhusat arhitektuuri.

Samuti arendatakse spetsiifilisi kiipe (ASIC), mis on optimeeritud ainult teatud tüüpi AI ülesannete jaoks. Kuigi need ei ole nii paindlikud kui üldotstarbelised GPU-d, pakuvad nad oluliselt suuremat energiatõhusust konkreetsete mudelite jooksutamisel.

Mida see tähendab tulevikuks?

Energia- ja arvutusvõimsuse kriis sunnib arendajaid otsima efektiivsemaid mudeleid. Näeme juba praegu trendi väiksemate, kuid optimeeritumate mudelite (Small Language Models ehk SLM) suunas, mida saab jooksutada lokaalselt, vähendades koormust pilveteenustele. Need mudelid, nagu näiteks Meta Llama, suudavad paljudes ülesannetes asendada suuri ja energiamahukaid mudeleid.

Kui AI sektor ei suuda oma energiavajadust jätkusuutlikult lahendada, võivad tulevikus ees oodata rangemad regulatsioonid, kvoodid ja teenuste hinnatõus. Tehisintellekti tõeline potentsiaal saab avalduda vaid siis, kui suudame selle arengu viia tasakaalu meie planeedi piiratud ressurssidega.

Lõppkokkuvõttes on energia- ja arvutusvõimsuse kriis ka võimalus innovatsiooniks. See sunnib meid leidma uusi, säästvamaid viise tehnoloogia arendamiseks ja võib viia läbimurreteni nii energiatootmises kui ka arvutiarhitektuuris, mis toovad kasu kogu inimkonnale.