Экологическое воздействие искусственного интеллекта

ИИ оказывает значительное воздействие на уровень выбросов парниковых газов из-за растущего потребления электроэнергии, особенно при обучении и эксплуатации моделей.^[2][3] Исследователи отмечают, что при оценке эффектов ИИ важно учитывать углеродный след на этапе обучения моделей^[4]. Согласно одной из оценок, к 2027 году энергопотребление ИИ может достичь 85–134 ТВт·ч, что составляет около 0,5% мирового годового потребления электроэнергии.^[1][5] Обучение больших языковых моделей (англ. large language models, LLMs) и других генеративных моделей ИИ обычно требует гораздо больше энергии, чем выполнение предсказаний на уже обученной модели. Повторное использование обученной модели приводит к росту энергозатрат. Расчётная мощность, необходимая для обучения самых передовых моделей ИИ, в среднем удваивается каждые 3,4 месяца, что приводит к экспоненциальному росту энергопотребления и сопутствующего углеродного следа^[6]. Кроме того, алгоритмы ИИ, запущенные в странах с преимущественно ископаемыми источниками энергии, приводят к большему углеродному следу, чем там, где преобладают возобновляемые источники^[7]. Модели можно специально модифицировать для снижения воздействия на окружающую среду за счёт потери точности, что подчёркивает необходимость баланса между точностью и экологическими издержками.

Например, языковая модель BERT, обученная в 2019 году, потребляла при обучении энергию, эквивалентную перелёту через Атлантику^[8]. Модель GPT-3 при обучении выделила 552 метрические тонны CO₂ — примерно столько же, сколько 123 автомобиля с бензиновым двигателем за год.^[8][9][10] Большая часть энергозатрат обусловлена неэффективной архитектурой моделей и типом процессоров^[8]. Модель BLOOM, обученная компанией Hugging Face на более экономичных чипах, выделила только 25 т CO₂^[9]. Если учитывать затраты энергии на производство чипов, углеродный след увеличился вдвое — эквивалент примерно 60 перелётов между Лондоном и Нью-Йорком^[9]. Ежедневная эксплуатация BLOOM приводила к выбросам, сопоставимым с поездкой на автомобиле на 54 мили^[9].

Даже менее энергозатратные алгоритмы при массовом использовании могут иметь значительный вклад в совокупный углеродный след.^[9] Включение ИИ в поисковые системы способно кратно увеличить энергозатраты.^[8][11] По некоторым оценкам, интеграция ChatGPT во все поисковые запросы Google будет требовать 10 ТВт·ч в год — столько же энергии расходуют 1,5 млн жителей Европейского союза^[11].

Даже после завершения обучения модель потребляет значительно меньше энергии, но всё равно требует значительных ресурсов. Один запрос к ChatGPT потребляет примерно в пять раз больше электроэнергии, чем обычный веб-поиск^[12]. В июне 2025 года представитель OpenAI Сэм Алтман (англ. Sam Altman) заявил, что средний запрос к ChatGPT требует около 0,34 Вт⋅ч электроэнергии и 8,5×10⁻⁵ галлонов воды^[13].

Рост вычислительных ресурсов ИИ привёл к увеличению как энергопотребления, так и расхода воды, что создаёт дополнительную нагрузку на энергетические сети^[14]. В США из-за растущего спроса со стороны проектов ИИ был отложен вывод из эксплуатации угольных электростанций в Канзас-Сити^[15] и Западной Виргинии^[1], а в регионе Солт-Лейк-Сити срок работы ряда станций увеличен до десятилетия^[16]. В Виргинии и Франции обсуждается идея "моратория" на строительство новых дата-центров^[15]. В 2024 году на Всемирном экономическом форуме Сэм Алтман также подчёркивал, что развитие индустрии ИИ возможно только при крупном технологическом прорыве в энергетике.^[17][18][19]

В 2024 году компания Google не смогла достичь поставленных целей по переходу к углеродной нейтральности по причине роста использования ИИ^[20], и увеличила свои выбросы на 48% за пять лет^[1][14]. Один запрос к ChatGPT расходует электроэнергии в 10 раз больше, чем обычный поиск Google^[21]. Сходный рост выбросов CO₂ зафиксирован в Microsoft и Meta из-за внедрения ИИ^[1] Снижение вклада в выбросы возможно при использовании возобновляемой энергии для дата-центров.^[6]. Многие технологические компании заявляют, что компенсируют энергозатраты покупкой «зелёной» энергии, однако эксперты указывают, что поставщики просто перераспределяют источники энергии:^[16] чистые источники идут на покрытие заявленных объёмов, а другие клиенты получают больше энергии из невозобновляемых источников. Анализировать реальный углеродный след ИИ затруднительно — данные агрегируются для всех дата-центров и сильно зависят от методов отчётности^[22][23].

Применение машинного обучения для разведки полезных ископаемых может усугубить изменение климата^[4][10], а персонализированный онлайн-маркетинг, основанный на ИИ, — подстегнуть потребление товаров и рост выбросов^[10].

Чипы для искусственного интеллекта (в частности, GPU) энергозатратнее и сильнее нагреваются в сравнении с CPU^[1] ИИ-модели c неэффективной архитектурой или обученные на менее производительных чипах требуют больше электроэнергии.^[8] С 1940-х годов энергопроизводительность вычислений удваивалась примерно каждые 1,6 года.^[24].

В сентябре 2024 года Microsoft анонсировала соглашение с Constellation Energy о возобновлении эксплуатации атомной электростанции Три-Майл-Айленд (США) с эксклюзивной поставкой всей производимой энергии на 20 лет. Ожидается, что проект будет стоить 1,6 млрд долларов США^[25]. Также в секторе ИТ запланирован ввод в строй закрытой с 2022 года станции Palisades в Мичигане к октябрю 2025 года^[26].

В 2025 году Microsoft объявила о планах инвестировать 80 млрд долларов в расширение дата-центров для поддержки ИИ. Эти центры требуют масштабных сетей чипов и значительных энергетических ресурсов^[27].

По прогнозу МЭА, к 2027 году потребление электроэнергии в США вырастет на объём, сопоставимый с годовым потреблением Калифорнии, преимущественно из-за роста дата-центров и производства электроники^[28]. В мировой статистике дата-центры заняли бы 11-е место по энергопотреблению (460 ТВт·ч в 2022 году)^[29].

Охлаждение серверов с ИИ требует больших объёмов пресной воды, испаряющейся в градирнях^[22][23]. Для сокращения водопотребления крупные центры внедряют рециркуляционные системы, где вода используется повторно^[30].

В работе 2025 года оценено, что в 2027 году суммарный водозабор ИИ составит 4,2–6,6 млрд м³, что превышает половину годового водозабора Великобритании^[31]. Согласно тем же расчётам, обучение GPT-3 могло потребовать до 700 000 литров воды, а 10–50 средних по длине ответов GPT-3 — около 500 мл пресной воды (зависит от времени и места запуска модели)^[31]

Строительство новых дата-центров часто сопровождается ростом местного водопотребления: проект Microsoft рядом с Финиксом, США, мог бы ежегодно расходовать до 56 млн галлонов пресной воды — столько же, сколько требуется для 670 семей.^[32]. У Microsoft из-за работы ИИ расход воды увеличился на 34%, а у Google — на 20%^[6][33]. Например, в Айове Microsoft был ответственен за 6% потребления пресной воды в одном из городов^[33].

Для минимизации водозатрат дата-центры строят в холодных странах, где доступно естественное охлаждение воздуха.

Производство аппаратного обеспечения для ИИ увеличивает объёмы электронных отходов и способствует выбросам парниковых газов^[6] Быстрый рост индустрии ИИ ускоряет устаревание техники, увеличивая объёмы опасных отходов.^[34]. Из 62 млн тонн электронных отходов, образовавшихся в 2022 году, менее четверти было переработано; ежегодный прирост составляет 2,6 млн тонн^[35]. К 2030 году ИИ, по оценкам, будет ответственен за 1,2–5 млн тонн электронных отходов — до 12% мировой массы^[36]. Использование ИИ для роботизированной переработки отходов может, напротив, способствовать уменьшению их объёма^[37][38].

Крупномасштабные системы ИИ базируются в дата-центрах, электроника которых требует значительных ресурсов: на производство компьютера массой 2 кг расходуется 800 кг сырья. Особенно энергоёмко производство микрочипов, требующих редкоземельные элементы^[21].

ИИ рассматривается как потенциально мощный инструмент для смягчения последствий изменения климата: оптимизация энергосистем, прогноз погоды и стихийных бедствий, трекинг экологических проблем^[39]. Некоторые климатологи предлагают использовать ИИ для повышения эффективности возобновляемых источников энергии, несмотря на их высокие начальные энергозатраты^[40]. Google утверждает, что ИИ способен предсказывать наводнения, оптимизировать движение транспорта и количество выбросов^[41]. Алгоритмы позволяют моделировать последствия ураганов, таяния льдов, вырубки лесов и следить за эмиссией парниковых газов^[10][42].

ИИ активно применяется для прогнозирования экстремальных погодных событий — наводнений, засух, волн жары — путём обработки климатических данных и выявления сложных закономерностей. Эти возможности способствуют более эффективной подготовке к катастрофам, оптимизации распределения ресурсов и развитию систем раннего оповещения.

ИИ применяется и в генной инженерии: система Social LEAP Estimates Animal Poses (SLEAP) позволяет повышать способность корней растений к связыванию углерода^[43]. В рамках Open Catalyst проект машинного обучения использовался для поиска низкозатратных электрокатализаторов для аккумуляции и хранения энергии от ВИЭ^[4]. Также ИИ помогает оптимизировать цепочки поставок и производство в пищевой индустрии и сферах быстрой моды^[39]. Однако существующих унифицированных методик оценки общего баланса воздействия ИИ на климат (включая как вред, так и пользу) пока не выработано^[44].

В ряде законодательных инициатив Конгресса США экологические последствия ИИ остаются практически неисследованными. По состоянию на ноябрь 2024 года единственным федеральным законопроектом на эту тему являлся Artificial Intelligence Environmental Impacts Act of 2024, внесённый сенатором от Массачусетса Эдом Марки (англ. Ed Markey). Акт предполагает анализ последствий ИИ для окружающей среды и добровольную отчётность, однако в 119-м Конгрессе он заново не выносился^[45].

На уровне отдельных штатов разрабатываются различные регламенты и меры по учёту воды и энергии, расходуемых дата-центрами. Например, во Виргинии предлагается обязать центры обработки данных вести и публиковать данные об энергопотреблении и водозаборе^[46], а для крупных объектов (>100 МВт) предусматривать отдельные процессы согласования для обеспечения надёжности энергосистем^[47][48].

Европейский союз планирует регулировать экологическое воздействие ИИ на различных уровнях. Европейский зелёный курс (EGD), утверждённый в 2020 году, предусматривает использование ИИ и ИКТ для достижения устойчивого развития. В рамках этого действует проект Green Deal Data Space, позволяющий агрегировать данные по экологии и климату для дальнейшей аналитики и принятия решений с участием ИИ^[49].

Исследования, заказанные Еврокомиссией, рекомендуют учитывать не только технологические, но и социальные, экологические и этические эффекты внедрения ИИ^[50]. Торговые и профессиональные объединения ЕС призывают к обязательному учёту воздействия на климат и принятию комплексных стандартов жизненного цикла продуктов^[51][52].

Во Франции национальная стратегия по ИИ предусматривает экологическую приоритезацию с самого начала разработки систем и публикацию «экологических данных» для стимулирования эффективных решений^[53].

В стратегии Германии отмечены меры для поддержки перехода к циклической экономике, новое регулирование отчётности об энергии и специальные гранты для проектов зелёного ИИ (до 70 млн евро финансирования к 2024 году)^[54][55].

Италия делает ставку на государственное стимулирование развития ИИ для ускорения достижения целей в области устойчивого развития^[56].