Kunstig intelligens – en bærekraftig revolusjon eller et digitalt dilemma?

Kunstig intelligens (KI) utvikler seg i en rekordfart, og spiller en stadig større rolle i alt fra skole og helsevesen til underholdning og arbeidslivet. Men midt i all denne utviklingen vokser også bekymringene. Hvor bærekraftig er egentlig KI?

I denne fagartikkelen ser jeg nærmere på hvordan kunstig intelligens, med spesielt fokus på språkmodellen «Generative Pre-trained Transformer» (GPT), kan kalles bærekraftig. Først forklarer jeg hvordan GPT-teknologi fungerer, for å danne et grunnlag, slik at det blir lettere å forstå hvordan slike systemer er bygget opp og brukes. Etter dette vurderer jeg hvilke konsekvenser GPT-teknologien har for bærekraft. Både når det gjelder klimaavtrykk, energibruk og sosiale og økonomiske forhold. Til slutt diskuterer jeg mulige løsninger som kan bidra til å gjøre teknologien mer bærekraftig, og ser på eksempler fra virkeligheten som viser hvordan KI både kan være en utfordring og en del av løsningen.

Hvordan fungerer en Ki modell?

En Ki-modell har mye data fra bøker, tekster ting fra internettet som den har blitt “matet” med. For eksempel, hvis den skal klare å finne ut av hva som er en katt og ikke så har den fått tusenvis av bilder med katter og av bilder som ikke er katter. Kunstlig intelegens er veldig god på å finne mønstere som at katter har ofte spisse ører og er som oftest inne i et hus.

På samme måte virker en «Generative Pre-trained Transformer (GPT)». En GPT ser på hva den tiligere har blitt «matet» også ser den på hvordan andre brukere skriver for å forstå hva jeg skal spørre om


Hva er nøvrale nettverk?

Et nevralnettverk er litt som hjernen vår. En KI-datamaskin har noder som kan sammenlignes med hjerneceller. Den har vekter, som er en type matematisk forbindelse som kan sammenlignes med synapsene i hjernen. Og når vi lærer noe, lærer vi fra erfaring, mens en KI lærer via data og trening. Så det er noe likt, men hvordan virker dette?

Dette virker på den måten at den har tre lag: et input-lag, et skjult lag og et output-lag. Disse tre lagene er essensielle for at den skal kunne virke. Det første laget tar inn dataene, slik som bilder, tekst og tall. Det skjulte laget bearbeider og lærer mønstrene og kjennetegnene i dataen. Og output-laget gir svaret tilbake til oss.

Hver synapse mellom nodene har vekt (et tall som styrer hvor viktig informasjonen er). Dette nettverket av noder justerer vektene etter hvert for å gjøre modellen bedre. For eksempel, hvis du gir dette nettverket flere tusen bilder av katter og hunder, vil det lære seg mønstre som ører, pels, form osv. Når den er ferdig trent, vil den si i output-laget at dette bildet ser ut som en katt. Dette har den klart å finne ut fordi synapsen sier at det er 95 % sannsynlighet.

Men disse synapsene eller vektene har en annen likhet med hjernen vår. Den er nemlig like lat. Hver gang man går gjennom disse tre lagene, prøver den å finne ut hvilke noder den skal gjennom for å komme kjappest frem til svaret. På akkurat samme måte som hjernen vår.

Jo flere noder og vekter (synapser) den har, jo mer må den kjøre gjennom hver gang. Hvis modellen har 1 million vekter, må modellen gjøre 1 million utregninger (også kjent som operasjoner) hver gang. Dette produserer mye varme, siden det blir kjørt så mange på en gang. Varmen gjør at serverne blir overopphetet og dermed slutter å virke. Derfor må det kjøres vann gjennom rør som er koblet til hver server for å avkjøle dem.


Foto av statistrikk.no

Chatgpt

Et eksempel på KI, spesielt LLM (large language model) er for eksempel: openAI sin chatbot ChatGPT. ChatGPT har en modell kalt GPT-4o. denne modellen har 200 milliarder vekter eller parametere. (allm.link, 2025)


Er dette bærekraftig?

Disse store serverne som kjører KI-modellene og som gir brukeren svar tilbake, kjører på veldig mye vann og strøm. Faktisk bruker det opptil tre ganger så mye vann som et vanlig Google-søk. Og den siste tiden har dette blitt en større og en mer diskutert problemstilling, men hva har det å si for økonomien, samfunnet og ikke minst miljøet?


De tre pilarene i bærekraft

Miljømessig bærekraft

De gode tingene

  • Selv om det kreves mye strøm og vann, kan KI brukes til noe nyttig som å beskytte miljøet. Man kan for eksempel analysere store værdata og varsle om naturkatastrofer som flom og skogbranner. KI kan også brukes i smarte bygg slik at man sparer strøm og vann, for eksempel når bygget ikke brukes.

    • De dårlige tingene

  • Kunstig intelligens krever enorme mengder prosessorkraft, spesielt når store språkmodeller skal trenes. Dette fører til et høyt strømforbruk som ofte kommer fra ikke-fornybare kilder og gir betydelige CO₂-utslipp. I tillegg blir mye elektronikk brukt til KI raskt utdatert, noe som bidrar til økende mengder elektronisk avfall. Dette skaper press på miljøet og utfordrer målet om en grønnere digital fremtid. Mange datasentre ligger i land med billig, men lite bærekraftig energi. Norge er et av disse landene på grunn av oljen, men vi har blitt flinkere med alle tiltakene som er blitt gjort.

    • Økonomisk bærekraft

    De gode tingene

  • KI kan automatisere og effektivisere prosesser som vanligvis ville tatt mye lengre tid. Dette sparer som sagt mye tid, men også veldig mye penger. Samtidig skaper det nye jobber, som å trene opp KI-modeller, passe på serverne og lage nye smarte løsninger.

    • De dårlige tingene

  • KI gjør mange ting effektivt for oss mennesker, men mange jobber vil forsvinne når maskiner tar over oppgaver mennesker tidligere utførte. Det kan føre til økt arbeidsledighet, spesielt i yrker med rutinepregede oppgaver. Samtidig samles rikdom hos de største teknologiselskapene, som eier og utvikler KI-teknologi, noe som øker forskjellen mellom rik og fattig. Mindre etablerte bedrifter kan slite med å konkurrere, og enkelte bransjer blir utkonkurrert helt. KI gir økonomiske muligheter, men ikke for alle.

    • Sosial bærekraft

    De gode tingene

  • KI kan brukes mye i samfunnet. Det er et godt verktøy som kan hjelpe mange mennesker. KI-en kan lese opp tekst, oversette språk og forklare ting på en enkel måte, som for eksempel å restarte internett. Men den må brukes på en fornuftig måte.

    • De dårlige tingene

  • KI-systemer kan være partiske og urettferdige hvis de trenes på data som allerede inneholder fordommer. Det har ført til diskriminerende praksis i alt fra ansettelser til rettssystemet. I tillegg samler mange KI-verktøy inn personopplysninger uten at folk er klar over det, noe som utfordrer retten til privatliv. Dette kan føre til mistillit til teknologien og følelsen av å bli overvåket. Sosial bærekraft handler om rettferdighet, og KI har fortsatt en lang vei å gå der.

    • Alternativer til KI-bruk

    Et alternativ til for eksempel ChatGPT er å laste ned en liten modell (etter hvor stor kapasitet PC-en din har) og kjøre denne modellen lokalt på PC-en. Dette forhindrer bruk av vann og reduserer strømforbruket kraftig. Det er ganske begrenset hvor mye en PC klarer å bruke i forhold til servere som er like store som store familiehus. Et problem er at man ikke kan få bilder når man gjør dette lokalt, men det er kanskje noe som kommer innen ett til to år maks!


    Så… er KI bærekraftig?

    Det kommer helt an på hvordan vi bruker det. KI kan både være en klimaversting og en problemløser. Hvis vi bruker teknologien smart, for eksempel til å spare energi, forbedre helsetjenester eller analysere klimadata, kan den faktisk bidra til bærekraft. Men om vi lar den vokse ukontrollert uten å tenke på miljø, økonomi og rettferdighet, kan konsekvensene bli alvorlige. KI er ikke bærekraftig i seg selv, og det er opp til oss å gjøre den til en del av løsningen i stedet for problemet.