Mennyi vizet iszik a mesterséges intelligencia?

A mesterséges intelligencia használata nemcsak számítási kapacitást, hanem áramot és vizet is igényel. Egy rövid szöveges kérdés energiaigénye önmagában csekély, egy hosszú, részletes utasítás vagy egy összetett gondolkodást igénylő feladat azonban már többszörösére növelheti a fogyasztást. De vajon érdemes-e spórolni a szavakkal, és a „kérem” vagy a „köszönöm” elhagyásával valóban csökkenthető az MI környezeti terhelése?

Fotó: Shutterstock

A Google 2025-ös mérése az egyik legkonkrétabb nyilvános adat: a Gemini alkalmazás egy medián, szöveges promptja mintegy 0,24 wattóra villamos energiát és 0,26 milliliter vizet igényelt. Ez utóbbi nagyjából öt csepp víznek felel meg. A mérés az adatközpont működésének több elemét, köztük a hűtést és az infrastruktúra energiaigényét is figyelembe vette.

Az OpenAI vezérigazgatója, Sam Altman korábban egy átlagos ChatGPT-lekérdezésre 0,34 wattóra energiát és mintegy 0,32 milliliter vizet becsült. Ez azonban vállalati becslés, nem minden egyes lekérdezésre érvényes mérési adat. Vagyis egyetlen egyszerű kérdés környezeti lábnyoma önmagában valóban meglehetősen kicsi. 

A probléma a mennyiségnél kezdődik: az MI-szolgáltatásokat naponta több százmillió, sőt egyes becslések szerint milliárdos nagyságrendben használják.

 

Más a helyzet egy hosszú, részletes promptnál

Nem mindegy azonban, hogy valaki annyit ír be: „Mi a magyar GDP növekedési üteme?”, vagy több bekezdésen keresztül részletesen meghatározza, milyen forrásokat használjon az MI, milyen szempontok szerint elemezzen egy adatbázist, milyen ellenőrzéseket végezzen el, majd több ezer szavas választ kér.

A hosszabb bemenet önmagában is több feldolgozást igényel, de még fontosabb a válasz hossza és a feladat összetettsége. A reasoning, vagyis a hosszabb belső következtetést végző modellek energiaigénye különösen magas lehet. Egy 2025-ös kutatás szerint az egyes modellek és feladattípusok között nagyságrendi különbségek lehetnek: egy rövid GPT-4o-lekérdezésre körülbelül 0,4 Wh körüli energiaigényt becsültek, miközben összetettebb feladatoknál ennek többszöröse is előfordulhat.

A Business Energy UK összesítése szerint a hosszabb válaszokat és reasoning modelleket használó feladatok energiaigénye akár több tíz wattórára is nőhet. Ugyanez az elemzés azt hangsúlyozza, hogy a különböző becslések között azért is lehet nagy eltérés, mert nem ugyanazt számítják bele az energia- és vízfogyasztásba. A különbség még látványosabb a képgenerálásnál, a videókészítésnél vagy nagy dokumentumok elemzésénél. Ezekhez lényegesen több számítás szükséges, mint egy egyszerű szöveges válaszhoz.

A víz lehet a nagyobb probléma

Az MI energiaigényéről egyre több szó esik, miközben a vízfogyasztás kevésbé látható. A nagy teljesítményű szerverek működés közben jelentős hőt termelnek, amelyet az adatközpontoknak folyamatosan el kell vezetniük. Ennek egyik módja a vízalapú hűtés. A vízfogyasztás azonban nemcsak közvetlenül az adatközpontban jelentkezhet: az áram előállítása is vízigényes lehet. Ezért attól függően, hogy egy kutatás csak az adatközpont közvetlen vízfogyasztását vagy az elektromosenergia-termeléshez kapcsolódó vízfelhasználást is számolja, ugyanarra a kérdésre egészen eltérő eredmény jöhet ki.

A Google korábban említett saját mérése szerint a medián Gemini-prompt 0,26 milliliter vizet igényel. Ha ezt egymillió kérdésre vetítjük, már 260 liter adódik, egymilliárd hasonló prompt pedig 260 ezer liternek felelne meg. Ezek természetesen egyszerű felszorzások, nem egy teljes MI-rendszer tényleges vízlábnyomának számításai. A hosszabb válaszok, a nagyobb modellek és a vízigényesebb adatközpontok ennél jóval magasabb fogyasztást eredményezhetnek.

És itt jön még egy probléma: miközben ugyanis a technológia fejlődésével az egyes MI-feladatok energiahatékonysága egyre javul, a felhasználás olyan ütemben terjed, hogy a teljes fogyasztás tovább növekszik. 

Akkor inkább ne írjuk azt, hogy „kérem”?

Joggal merül fel a kérdés, hogy szaporítsuk-e a szót felesleges udvariaskodással, ha valamit szeretnénk megtudni az MI-tól: ha minden egyes plusz szó feldolgozása erőforrást igényel, akkor elméletileg a „kérem” és a „köszönöm” is hozzáad valamennyit a számításhoz. Gyakorlati szempontból azonban ennek elhanyagolható a jelentősége.

Egy udvarias szó néhány tokennyi többletet jelent, miközben a teljes energiafelhasználásban ennél sokkal fontosabb a válasz hossza, a modell típusa és az, hogy mennyi számítást végez a rendszer a feladat megoldásához. 

Ha egy rövid kérdéshez hozzáadjuk, hogy „kérem”, az nem fogja érdemben megváltoztatni az adott MI-rendszer energia- vagy vízfogyasztását.

Ráadásul a túlzott tömörítés sem feltétlenül jelent kisebb fogyasztást. Egy jól megfogalmazott, pontos prompt ugyanis csökkentheti annak esélyét, hogy újabb kérdéseket kelljen feltenni ugyanahhoz a feladathoz. 

Ha egyetlen részletes utasítás után megszületik a megfelelő válasz, az akár hatékonyabb is lehet, mint három-négy rövid, egymás után küldött kérdés.

Összességében elmondható tehát, hogy az MI környezeti hatása nem attól függ, hogy egy-egy kérdés mennyi vizet, illetve energiát kíván, hanem arról, hogy mekkora infrastruktúrát kell felépíteni ahhoz, hogy milliárdnyi kérdésre, kép- és videógenerálásra, illetve egyre összetettebb feladatokra folyamatosan rendelkezésre álljon a mesterséges intelligencia.