- Uitleg
- |
- Artificial intelligence
- |
- po
- vo
- mbo
Onzichtbare kosten van AI
Het genereren van een afbeelding met AI kost volgens schattingen evenveel energie als het opladen van een smartphone. Over dit soort kosten gaat het vaak niet in het publieke debat. Het is belangrijk dat scholen begrijpen hoe AI tot stand komt, zodat ze onzichtbare kosten kunnen meenemen in hun besluitvorming op het gebied van AI.
Door Lotte Dondorp
De belangrijkste onzichtbare kosten vinden we terug op de volgende gebieden:
- duurzaamheid
- arbeidsomstandigheden en mensenrechten
- auteursrecht
AI-systemen belasten het milieu
AI kan in potentie veel bijdragen aan het tegengaan van klimaatverandering. De systemen zouden bijvoorbeeld kunnen helpen om efficiënter energie te verbruiken, voedselverspilling te voorkomen of klimaatmodellen te verfijnen. Maar de positieve impact van AI op het milieu weegt op dit moment bij lange na niet op tegen de negatieve impact. Net als cloudsoftware, streamingsdiensten en andere online toepassingen belasten ook AI-systemen het milieu. Het verbruik van AI is echter veel hoger. Om AI-systemen te laten draaien zijn grote datacentra nodig, met veel rekenkracht om grote hoeveelheden data te verwerken. Dat vraagt schaarse grondstoffen (metalen en mineralen) en veel energie en water om de hardware te koelen. De energie die bijvoorbeeld nodig is om een taak uit te laten voeren door AI groeit ieder jaar tussen de 26% en 36%. Deze groei zou betekenen dat AI-systemen in 2028 meer energie gebruiken dan heel IJsland verbruikte in het jaar 2021.
Water- en energieverbruik
Vooral complexe generatieve modellen, zoals ChatGPT, Stable Diffusion of Midjourney, hebben een grote ecologische voetafdruk. Volgens Stanford University kostte het trainen van ChatGPT naar schatting 500 ton CO2 – ongeveer evenveel als de uitstoot per passagier van 400 vluchten van Amsterdam naar New York. Het trainen van het model kostte 700.000 liter water.
Ook het gebruik van dit soort tools kost water en energie. Volgens ander onderzoek zou een kort gesprek voeren met ChatGPT gelijk staan aan het weggooien van een halve liter water. Het genereren van een afbeelding met Stable Diffusion kost volgens schattingen evenveel energie als het opladen van een smartphone. Het verbruik loopt snel op als de toepassingen miljoenen opdrachten per dag te verwerken krijgen. Het gaat hier overigens om eerdere versies van de toepassingen; de huidige toepassingen leggen naar verwachting een nog grotere druk op het milieu.
De precieze milieu-impact van individuele AI-modellen is niet bekend, omdat bedrijven dit niet openbaar hoeven te maken. Inmiddels wordt er gewerkt aan duurzamere manieren om AI te laten werken. Het is echter niet duidelijk of deze belofte kan worden waargemaakt; met de huidige AI-wedloop is het maar de vraag of bedrijven duurzaamheidsoverwegingen voorrang zullen geven bij hun keuzes.
Effect van een jaar lang AI op school
Berenschot berekende de milieu-impact van een hypothetische schooldag waarin AI op verschillende momenten wordt ingezet door leerlingen en docenten. Wanneer het gehele onderwijs (primair en voortgezet onderwijs) een heel schooljaar lang deze hypothetische schooldag zou volgen, leidt dit tot een milieu-impact die vergelijkbaar is met het jaarlijkse waterverbruik van 1.440 personen, het elektriciteitsverbruik van 6.829 huishoudens en de CO2 -uitstoot van 2.566 benzineauto’s met een gemiddeld aantal gereden kilometers.
Arbeidsomstandigheden en mensenrechten bij ontwikkeling AI
Voor de hardwarecomponenten in AI-systemen (denk aan servers en processoren) zijn specifieke metalen en mineralen nodig. Deze grondstoffen worden onder slechte arbeidsomstandigheden gedolven in gebieden waar kinderarbeid veel voorkomt. Dit is overigens niet alleen een probleem bij de ontwikkeling van AI: deze grondstoffen zijn ook nodig voor andere vormen van technologie (denk aan smartphones, laptops of elektrische fietsen). De mensen die deze grondstoffen uit mijnen halen worden sterk onderbetaald en werken in gevaarlijke omstandigheden met giftige stoffen. Vaak gebeurt dit in landen waar de armoede toeneemt en de bevolking niet profiteert van de technologische ontwikkelingen.
Ook bij het creëren van AI werken mensen onder slechte omstandigheden. Zelflerende AI-systemen verbeteren hun output op basis van grote hoeveelheden data. Deze systemen worden daarin getraind en bijgestuurd door mensen. De mensen die AI-modellen bijsturen worden ook wel ‘klikwerkers’, of ‘ghostworkers’ genoemd. Ze labelen afbeeldingen, corrigeren audiotranscripten of markeren content als schadelijk. Hun werk is eentonig, slecht betaald en soms zelfs traumatiserend. Sommige mensen moeten dagenlang achter elkaar gewelddadige beelden bekijken om ze uit de systemen te filteren. Het werk gebeurt online en vaak vanuit huis. Bedrijven kunnen het werk eenvoudig van de ene naar de andere locatie verplaatsen. Mensenrechten zijn daardoor vaak niet goed beschermd.
Auteursrecht onder druk
Generatieve AI-toepassingen zijn getraind op grote hoeveelheden data. Denk aan krantenartikelen, muziek, teksten uit boeken, schilderijen en foto’s. Op veel van die data rust auteursrecht. De bedrijven achter de AI-toepassingen gebruiken de werken vaak zonder toestemming. De toepassingen reproduceren de werken ook niet, maar gebruiken ze om tot nieuw materiaal te komen.
Het is juridisch onduidelijk wat de status van het auteursrecht is bij dit soort ‘afgeleide werken’. Er lopen verschillende rechtszaken over auteursrecht bij generatieve AI. De uitspraken in deze zaken zullen meer uitsluitsel geven over de vraag of bedrijven die AI-toepassingen bouwen wel gebruik mogen maken van andermans werk om hun systemen te trainen.
Afbeeldingengenerator Adobe Firefly wordt alleen getraind met content met een open licentie
Er zijn overigens ook bedrijven die wel rekening houden met auteursrecht bij het creëren van AI. Zo wordt de afbeeldingengenerator Adobe Firefly alleen getraind met content met een open licentie of content waarvan het auteursrecht is verlopen.
Wat betekent dit voor scholen?
Dit artikel gaat in op grote internationale problemen bij de ontwikkeling van technologie. Het Nederlandse onderwijs kan hier geen directe invloed op uitoefenen. De keuzevrijheid bij het gebruiken van AI is bovendien beperkt. AI raakt steeds meer verweven met digitale middelen die de meeste mensen gebruiken. Zo kostte het invoeren van een zoekopdracht in Google altijd al energie, maar het verbruik is toegenomen nu de zoekmachine AI-ondersteuning gebruikt.
Toch zijn er acties die wel in de invloedssfeer van scholen liggen. Het is in ieder geval belangrijk dat scholen weten wat de kosten achter AI zijn, zodat zij dit mee kunnen nemen in hun besluitvorming. Zorgen over duurzaamheid kunnen bijvoorbeeld een reden zijn om AI-gebruik in de klas te limiteren. Scholen kunnen er ook voor kiezen alleen te werken met tools die het auteursrecht respecteren.
Daarnaast kunnen schoolbesturen zich aansluiten bij SIVON. SIVON is een ict-coöperatie voor het primair en voortgezet onderwijs die streeft naar een verantwoorde inzet van technologie. Door de krachten te bundelen kunnen scholen op landelijk niveau een signaal afgeven en eisen stellen bij de inkoop van AI. Ten slotte is het belangrijk dat scholen leerlingen AI-bewust maken en daarbij ook aandacht besteden aan de onzichtbare kosten achter AI.
Onderdeel van de ‘Handreiking AI voor scholen’
