PARIJS – Hoewel de opkomst van AI een revolutie kan betekenen voor tal van sectoren en ongekende economische kansen kan ontsluiten, roept de hoge energieconsumptie ervan ernstige milieuzorgen op. Als reactie hierop promoten techbedrijven energiezuinige AI-praktijken en ondersteunen ze onderzoek gericht op het verminderen van het energieverbruik. Toch schiet deze aanpak tekort als het gaat om het aanpakken van de kernoorzaken achter de snel groeiende energiebehoefte van de AI-industrie.
Het ontwikkelen, trainen en inzetten van grote taalmodellen (LLM’s) is een energie-intensief proces dat enorme hoeveelheden rekenkracht vereist. De groeiende toepassing van AI zorgt voor een toename van het elektriciteitsverbruik in datacenters. Volgens het International Energy Agency zal de AI-gerelateerde energievraag in 2026 naar verwachting verdubbeld zijn.
Datacenters zijn nu al verantwoordelijk voor één tot twee procent van het wereldwijde energieverbruik – ongeveer evenveel als de hele luchtvaartindustrie. In Ierland waren datacenters in 2023 goed voor maar liefst 21 procent van het totale elektriciteitsgebruik. Terwijl zowel industrieën als burgers overstappen op elektrificatie om de uitstoot van broeikasgassen te verminderen, legt de stijgende vraag naar AI een enorme druk op zowel de elektriciteitsnetten als de energiemarkt. Het is dan ook geen verrassing dat de Ierse netbeheerder EirGrid een moratorium heeft ingesteldop de bouw van nieuwe datacenters in Dublin tot 2028. Landen zoals Duitsland, Singapore en China hebben eveneens beperkingen opgelegd aan nieuwe datacenterprojecten.
Om de milieu-impact van opkomende technologieën te beperken, is de technologie-industrie begonnen met het promoten van energiezuinige AI. Dit concept vergroot het bewustzijn over de CO₂-voetafdruk van AI en moedigt eindgebruikers – zoals academici en bedrijven – aan om voor elke taak het meest energie-efficiënte model te kiezen.
Hoewel inspanningen om bewuster AI-gebruik te stimuleren waardevol zijn, wordt een cruciaal feit over het hoofd gezien wanneer de focus uitsluitend ligt op het gedrag van gebruikers: de leveranciers zijn de belangrijkste aanjagers van het energieverbruik van AI. Op dit moment hebben factoren zoals modelarchitectuur, de efficiëntie van datacenters en elektriciteits-gerelateerde emissies de grootste invloed op de CO₂-voetafdruk van AI. Naarmate de technologie zich verder ontwikkelt, zal de invloed van individuele gebruikers op de duurzaamheid van AI steeds kleiner worden. Dit komt vooral doordat AI-modellen steeds vaker worden ingebed in grotere toepassingen, waardoor het voor eindgebruikers moeilijker wordt om te bepalen welke acties resource-intensieve processen activeren.
Deze problemen worden verder verergerd door de opkomst van agentic AI – zelfstandige systemen die samenwerken om complexe problemen op te lossen. Hoewel experts dit beschouwen als de volgende grote stap in de ontwikkeling van AI, vereisen dergelijke interacties nog meer rekenkracht dan de meest geavanceerde LLM’s van dit moment. Dit kan de milieu-impact van AI nog verder vergroten.
Access every new PS commentary, our entire On Point suite of subscriber-exclusive content – including Longer Reads, Insider Interviews, Big Picture/Big Question, and Say More – and the full PS archive.
Subscribe Now
Bovendien is het afschuiven van de verantwoordelijkheid voor het verlagen van de CO₂-voetafdruk van AI op gebruikers contraproductief, vooral gezien het gebrek aan transparantie binnen de industrie. De meeste cloudproviders publiceren nog geen duidelijke emissiegegevens die specifiek betrekking hebben op generatieve AI. Hierdoor is het voor gebruikers vrijwel onmogelijk om de milieu-impact van hun AI-gebruik goed te beoordelen.
Een effectievere aanpak zou zijn als AI-aanbieders gedetailleerde emissiegegevens verstrekken aan consumenten. Meer transparantie zou gebruikers in staat stellen om weloverwogen beslissingen te nemen en tegelijkertijd leveranciers aansporen om energie-efficiëntere technologieën te ontwikkelen. Met toegang tot emissiegegevens zouden consumenten AI-toepassingen kunnen vergelijken en het meest energie-efficiënte model voor een specifieke taak kunnen kiezen. Daarnaast zouden bedrijven eenvoudiger kunnen besluiten om een traditionele IT-oplossing te verkiezen boven een energie-intensief generatief AI-systeem, als de algehele impact vanaf het begin duidelijk is. Door samenwerking tussen AI-bedrijven en consumenten kunnen de potentiële voordelen van AI beter worden afgewogen tegen de milieukosten.
Energiezuinige AI kan zeker bijdragen aan efficiëntiewinst, maar het kernprobleem – de onverzadigbare energievraag van AI – wordt hiermee niet opgelost. Een effectievere aanpak zou zijn om meer transparantie te bieden over het energieverbruik van AI, uitgebreide emissiegegevens te delen en gestandaardiseerde meetmethoden voor AI-modellen te ontwikkelen. Door deze maatregelen kunnen bedrijven hun klanten ondersteunen bij het optimaliseren van hun CO₂-budgetten en het toepassen van duurzamere praktijken.
De auto-industrie biedt een nuttig voorbeeld voor het vergroten van de energietransparantie in AI-ontwikkeling. Door de energie-efficiëntie van hun voertuigen te labelen, stellen autofabrikanten kopers in staat om duurzamere keuzes te maken. Aanbieders van generatieve AI zouden een vergelijkbare aanpak kunnen hanteren door gestandaardiseerde meetmethoden te ontwikkelen om de milieu-impact van hun modellen inzichtelijk te maken. Een mogelijke maatstaf hiervoor is het elektriciteitsverbruik per token, dat kwantificeert hoeveel energie een AI-model nodig heeft om één eenheid tekst te verwerken.
Net zoals brandstofefficiëntienormen autokopers in staat stellen om verschillende modellen te vergelijken en fabrikanten verantwoordelijk te houden, hebben bedrijven en individuele gebruikers betrouwbare hulpmiddelen nodig om de milieu-impact van AI-modellen te beoordelen voordat ze worden ingezet. Door transparante meetmethoden te introduceren, kunnen technologiebedrijven niet alleen de industrie sturen richting duurzamere innovatie, maar er ook voor zorgen dat AI bijdraagt aan de strijd tegen klimaatverandering, in plaats van deze te verergeren.
To have unlimited access to our content including in-depth commentaries, book reviews, exclusive interviews, PS OnPoint and PS The Big Picture, please subscribe
The geostrategic shock that has accompanied Donald Trump’s return to the White House is the functional equivalent of a full-blown crisis. It is likely to have a lasting impact on the US and Chinese economies, and the contagion is almost certain to spread throughout the world through cross-border trade and capital flows.
likens Donald Trump’s reversal of America’s global leadership role to a full-blown crisis, similar to COVID-19.
Jorge Heine
urges the Organization of American States to demonstrate leadership in Haiti, shows how small countries can implement a foreign policy based on active non-alignment, calls on China and Europe to diversify the global monetary system, and more.
US President Donald Trump’s dismantling of America’s foreign-aid program may be the wake-up call African leaders need. If necessity is the mother of invention, the end of USAID could galvanize African governments to confront their countries’ challenges head-on.
sees opportunities to promote local growth following a massive reduction in foreign aid.
PARIJS – Hoewel de opkomst van AI een revolutie kan betekenen voor tal van sectoren en ongekende economische kansen kan ontsluiten, roept de hoge energieconsumptie ervan ernstige milieuzorgen op. Als reactie hierop promoten techbedrijven energiezuinige AI-praktijken en ondersteunen ze onderzoek gericht op het verminderen van het energieverbruik. Toch schiet deze aanpak tekort als het gaat om het aanpakken van de kernoorzaken achter de snel groeiende energiebehoefte van de AI-industrie.
Het ontwikkelen, trainen en inzetten van grote taalmodellen (LLM’s) is een energie-intensief proces dat enorme hoeveelheden rekenkracht vereist. De groeiende toepassing van AI zorgt voor een toename van het elektriciteitsverbruik in datacenters. Volgens het International Energy Agency zal de AI-gerelateerde energievraag in 2026 naar verwachting verdubbeld zijn.
Datacenters zijn nu al verantwoordelijk voor één tot twee procent van het wereldwijde energieverbruik – ongeveer evenveel als de hele luchtvaartindustrie. In Ierland waren datacenters in 2023 goed voor maar liefst 21 procent van het totale elektriciteitsgebruik. Terwijl zowel industrieën als burgers overstappen op elektrificatie om de uitstoot van broeikasgassen te verminderen, legt de stijgende vraag naar AI een enorme druk op zowel de elektriciteitsnetten als de energiemarkt. Het is dan ook geen verrassing dat de Ierse netbeheerder EirGrid een moratorium heeft ingesteldop de bouw van nieuwe datacenters in Dublin tot 2028. Landen zoals Duitsland, Singapore en China hebben eveneens beperkingen opgelegd aan nieuwe datacenterprojecten.
Om de milieu-impact van opkomende technologieën te beperken, is de technologie-industrie begonnen met het promoten van energiezuinige AI. Dit concept vergroot het bewustzijn over de CO₂-voetafdruk van AI en moedigt eindgebruikers – zoals academici en bedrijven – aan om voor elke taak het meest energie-efficiënte model te kiezen.
Hoewel inspanningen om bewuster AI-gebruik te stimuleren waardevol zijn, wordt een cruciaal feit over het hoofd gezien wanneer de focus uitsluitend ligt op het gedrag van gebruikers: de leveranciers zijn de belangrijkste aanjagers van het energieverbruik van AI. Op dit moment hebben factoren zoals modelarchitectuur, de efficiëntie van datacenters en elektriciteits-gerelateerde emissies de grootste invloed op de CO₂-voetafdruk van AI. Naarmate de technologie zich verder ontwikkelt, zal de invloed van individuele gebruikers op de duurzaamheid van AI steeds kleiner worden. Dit komt vooral doordat AI-modellen steeds vaker worden ingebed in grotere toepassingen, waardoor het voor eindgebruikers moeilijker wordt om te bepalen welke acties resource-intensieve processen activeren.
Deze problemen worden verder verergerd door de opkomst van agentic AI – zelfstandige systemen die samenwerken om complexe problemen op te lossen. Hoewel experts dit beschouwen als de volgende grote stap in de ontwikkeling van AI, vereisen dergelijke interacties nog meer rekenkracht dan de meest geavanceerde LLM’s van dit moment. Dit kan de milieu-impact van AI nog verder vergroten.
Introductory Offer: Save 30% on PS Digital
Access every new PS commentary, our entire On Point suite of subscriber-exclusive content – including Longer Reads, Insider Interviews, Big Picture/Big Question, and Say More – and the full PS archive.
Subscribe Now
Bovendien is het afschuiven van de verantwoordelijkheid voor het verlagen van de CO₂-voetafdruk van AI op gebruikers contraproductief, vooral gezien het gebrek aan transparantie binnen de industrie. De meeste cloudproviders publiceren nog geen duidelijke emissiegegevens die specifiek betrekking hebben op generatieve AI. Hierdoor is het voor gebruikers vrijwel onmogelijk om de milieu-impact van hun AI-gebruik goed te beoordelen.
Een effectievere aanpak zou zijn als AI-aanbieders gedetailleerde emissiegegevens verstrekken aan consumenten. Meer transparantie zou gebruikers in staat stellen om weloverwogen beslissingen te nemen en tegelijkertijd leveranciers aansporen om energie-efficiëntere technologieën te ontwikkelen. Met toegang tot emissiegegevens zouden consumenten AI-toepassingen kunnen vergelijken en het meest energie-efficiënte model voor een specifieke taak kunnen kiezen. Daarnaast zouden bedrijven eenvoudiger kunnen besluiten om een traditionele IT-oplossing te verkiezen boven een energie-intensief generatief AI-systeem, als de algehele impact vanaf het begin duidelijk is. Door samenwerking tussen AI-bedrijven en consumenten kunnen de potentiële voordelen van AI beter worden afgewogen tegen de milieukosten.
Energiezuinige AI kan zeker bijdragen aan efficiëntiewinst, maar het kernprobleem – de onverzadigbare energievraag van AI – wordt hiermee niet opgelost. Een effectievere aanpak zou zijn om meer transparantie te bieden over het energieverbruik van AI, uitgebreide emissiegegevens te delen en gestandaardiseerde meetmethoden voor AI-modellen te ontwikkelen. Door deze maatregelen kunnen bedrijven hun klanten ondersteunen bij het optimaliseren van hun CO₂-budgetten en het toepassen van duurzamere praktijken.
De auto-industrie biedt een nuttig voorbeeld voor het vergroten van de energietransparantie in AI-ontwikkeling. Door de energie-efficiëntie van hun voertuigen te labelen, stellen autofabrikanten kopers in staat om duurzamere keuzes te maken. Aanbieders van generatieve AI zouden een vergelijkbare aanpak kunnen hanteren door gestandaardiseerde meetmethoden te ontwikkelen om de milieu-impact van hun modellen inzichtelijk te maken. Een mogelijke maatstaf hiervoor is het elektriciteitsverbruik per token, dat kwantificeert hoeveel energie een AI-model nodig heeft om één eenheid tekst te verwerken.
Net zoals brandstofefficiëntienormen autokopers in staat stellen om verschillende modellen te vergelijken en fabrikanten verantwoordelijk te houden, hebben bedrijven en individuele gebruikers betrouwbare hulpmiddelen nodig om de milieu-impact van AI-modellen te beoordelen voordat ze worden ingezet. Door transparante meetmethoden te introduceren, kunnen technologiebedrijven niet alleen de industrie sturen richting duurzamere innovatie, maar er ook voor zorgen dat AI bijdraagt aan de strijd tegen klimaatverandering, in plaats van deze te verergeren.
Vertaling: Menno Grootveld