Η ραγδαία ανάπτυξη της τεχνητής νοημοσύνης δεν απαιτεί μόνο τεράστιες ποσότητες υπολογιστικής ισχύος. Απαιτεί, επίσης, υποδομές, ενέργεια και νερό. Το ζήτημα της κατανάλωσης νερού και της λειτουργίας των data centers είναι ένα από τα βασικά θέματα που έχει αναδείξει κατά καιρούς η δημοσιογράφος Karen Hao, ειδική σε θέματα τεχνητής νοημοσύνης.
Σε άρθρο της στο The Atlantic, το 2024, με τίτλο «AI Is Taking Water from the Desert», η Hao εστιάζει στο πόση οικονομική ανάπτυξη μπορεί να αντέξει μια περιοχή όταν οι φυσικοί της πόροι είναι περιορισμένοι. Χρησιμοποιεί, μάλιστα, τη μεταφορά του «μαλλιού της γριάς», υποστηρίζοντας ότι, όπως το μαλλί της γριάς είναι γλυκό και ελκυστικό, αλλά δεν έχει ιδιαίτερη θρεπτική αξία, έτσι και τα data centers μπορεί να φαίνονται εντυπωσιακά ως επενδύσεις και μοχλοί οικονομικής ανάπτυξης, αλλά να συνεπάγονται σημαντικό κόστος σε νερό και ενέργεια.
Χαρακτηριστικό είναι το παράδειγμα της Chandler, μιας πόλης στην ευρύτερη περιοχή του Φοίνιξ, στην Αριζόνα. Η Chandler φιλοξενούσε ήδη επτά συγκροτήματα data centers, όταν αποφάσισε ότι τα οφέλη από την περαιτέρω επέκταση δεν αντιστάθμιζαν το κόστος σε νερό και ενέργεια. Για τον λόγο αυτό, υιοθέτησε κανονισμούς που ουσιαστικά περιόρισαν την περαιτέρω ανάπτυξη τέτοιων εγκαταστάσεων.
Η παραπάνω συζήτηση είναι ιδιαίτερα σημαντική και για τη δική μας κοινωνία, καθώς ένα βασικό ζητούμενο είναι το πώς η τεχνολογική ανάπτυξη μπορεί να προχωρήσει χωρίς να προκαλεί δυσανάλογο περιβαλλοντικό κόστος. Ακόμη σημαντικότερο, όμως, είναι να διαθέτουμε τα σωστά δεδομένα που πλαισιώνουν τη συζήτηση, ώστε να αποφεύγουμε τις υπερβολές. Μόνο έτσι μπορούμε να αντιληφθούμε με ακρίβεια το πραγματικό περιβαλλοντικό αποτύπωμα κάθε δραστηριότητας και, για παράδειγμα, να εξετάσουμε τεκμηριωμένα αν και κατά πόσο η επιβάρυνση των υδάτινων πόρων από έναν ατμοηλεκτρικό σταθμό είναι μικρότερη ή μεγαλύτερη από εκείνη ενός σύγχρονου data center. Το ζητούμενο, επομένως, δεν είναι να αντιμετωπίζουμε φοβικά την τεχνολογική ανάπτυξη, αλλά να γνωρίζουμε το πραγματικό της κόστος, ώστε οι αποφάσεις που λαμβάνονται να βασίζονται σε συγκρίσιμα και αξιόπιστα στοιχεία.
