Mistral AI, perusahaan model AI asal Prancis, mengungkap dampak lingkungan yang signifikan dari teknologi kecerdasan buatan generatif melalui laporan resmi yang dirilis minggu ini. Laporan tersebut mengonfirmasi bahwa proses pelatihan dan pengoperasian AI modern membutuhkan sumber daya air dan listrik dalam jumlah sangat besar.

Studi yang dilakukan bersama firma konsultan Carbone 4 dan ADEME (badan transisi ekologi Prancis) mengukur dampak model Mistral Large 2 terhadap emisi gas rumah kaca, konsumsi air, dan penggunaan material. Selama 18 bulan pengembangan, pelatihan model tersebut menghasilkan sekitar 20 kiloton CO2 dan mengonsumsi 281.000 meter kubik air.

Untuk menghasilkan respons sepanjang satu halaman teks, model AI Mistral membutuhkan 45 mililiter air dan menghasilkan 1,14 gram emisi CO2. Meski terlihat kecil per pengguna, dampak kumulatifnya menjadi sangat besar ketika digunakan oleh jutaan orang.

AI dan Kehausan Datacenter

Datacenter yang menjalankan sistem AI modern menghadapi tantangan besar dalam pengelolaan termal. Komputasi intensif yang diperlukan untuk melatih dan menjalankan model AI generatif menghasilkan panas yang signifikan. Untuk mencegah perangkat keras dari overheating, pusat data sering menggunakan menara pendingin yang berfungsi seperti pendingin udara industri.

Sistem pendingin ini menggunakan proses evaporasi air untuk mendinginkan udara, menjadikannya sangat efisien dari segi energi. Namun, konsumsi air yang tinggi menjadi masalah serius di wilayah yang rawan kekeringan, di mana air bersih sudah menjadi sumber daya langka dan mahal.

Perlu dicatat bahwa bahkan jika pusat data tidak mengonsumsi air secara langsung, pembangkit listrik yang menyuplai energi untuk komputasi seringkali juga mengonsumsi air dalam jumlah besar. Menara pendingin yang besar di pembangkit listrik tenaga nuklir, gas, maupun batu bara merupakan bukti nyata dari konsumsi air ini.

Menurut profesor Shaolei Ren dari UC Riverside, temuan laporan Mistral AI sangat sesuai dengan perkiraan penelitiannya sebelumnya, yang menyebutkan bahwa 10-50 respons dari model AI ukuran menengah mengonsumsi sekitar 500 ml air.

Masalah ini semakin diperparah oleh lokasi geografis dari datacenter. Membangun infrastruktur AI di lokasi yang memiliki iklim sejuk dan sumber energi terbarukan dapat secara signifikan mengurangi jejak karbon dan konsumsi air.

Solusi Berkelanjutan untuk AI Masa Depan

Mistral AI dalam laporannya menyoroti beberapa strategi untuk mengurangi dampak lingkungan dari teknologi AI. Penggunaan model yang lebih kecil dan spesifik untuk kasus tertentu merupakan salah satu solusi yang diajukan. Model yang 10 kali lebih kecil akan menghasilkan dampak lingkungan yang sepersepuluh dibandingkan model besar untuk jumlah token yang sama.

Teknik komputasi seperti continuous batching juga direkomendasikan untuk memaksimalkan efisiensi penggunaan sumber daya. Dengan mengelompokkan beberapa kueri dalam satu siklus komputasi, sistem dapat mengurangi siklus komputasi yang terbuang.

Arsitektur model yang lebih efisien seperti speculative decoding atau mixture of experts (MoE) juga dapat berkontribusi dalam mengurangi dampak lingkungan. Teknik-teknik ini meningkatkan jumlah token yang dihasilkan dengan sumber daya komputasi yang sama.

Namun, tantangan utama tetap pada standarisasi pelaporan dampak lingkungan. Mistral AI mengakui bahwa kurangnya standar untuk pelaporan AI membutuhkan asumsi-asumsi tertentu yang dapat menimbulkan inkonsistensi dalam pengukuran.

Menariknya, Mistral AI mengidentifikasi tiga detail penting yang perlu diukur: dampak pelatihan model, biaya lingkungan berkelanjutan dari menjalankan model tersebut, dan proporsi masa pakai model yang dihabiskan untuk inferensi versus pelatihan.

Mendorong Transparansi Industri AI

Dengan merilis laporan ini, Mistral AI jelas ingin mendorong pengembang model AI lainnya untuk mengikuti jejak mereka. Perusahaan tersebut menyerukan standarisasi pelaporan dampak lingkungan yang dapat diterima secara internasional, yang akan memungkinkan terciptanya sistem penilaian untuk membantu pembeli dan pengguna mengidentifikasi model yang paling ramah lingkungan.

Meskipun konsumsi air AI tidak sebesar sektor lain seperti pertanian, memahami dampaknya merupakan langkah penting sebelum mengambil tindakan untuk meminimalkannya. Transparansi ini juga penting bagi pembuat kebijakan yang perlu membuat regulasi yang tepat untuk industri AI yang terus berkembang pesat.

Tantangan keberlanjutan AI akan semakin penting seiring dengan peningkatan adopsi teknologi ini di berbagai sektor. Jika tidak dikelola dengan baik, kebutuhan sumber daya yang besar untuk AI dapat menimbulkan masalah lingkungan yang serius di masa depan.

(Burung Hantu Infratek / Berbagai Sumber)