Teksti: Eemeli Alarvo, Jousia Kestinen ja Roni Venemies yhteistyössä Turun yliopiston professori Petriina Paturin kanssa.
Tekoäly ja sen kehitys ovat nostaneet osakkeitaan rakettimaisesti maailmanmarkkinoilla muutaman viime vuoden aikana. Monet ihmiset hyödyntävät tekoälyä tukiälynä esimerkiksi työnteossa tai koulunkäynnissä. Harvinaisen usein tekoälyn käyttö on kuitenkin hyvin kapeakatseista eikä läheskään aina ymmärretä huomioida pitkän aikavälin tärkeitä seikkoja kuten tekoälyn korkeahkoa energiankulutusta.
Juuri tekoälyn energiankulutukseen kiinnitimme huomiota myös haastatellessamme Turun yliopiston kiinteän olomuodon fysiikan professori Petriina Paturia.
Hyvän esimerkin tekoälyn kasvavasta energiankulutuksesta antaa se, että Irlannissa datakeskukset kuluttavat jo yli kaksinkertaisen määrän energiaa verrattuna 600 000 asukkaan Dublinin kotitalouksiin yhteensä. On kuitenkin hyvä huomata, että kaikki datakeskuksien kuluttama energia ei ole tekoälyn käytöstä tai koulutuksesta johtuvaa, vaan sitä käytetään myös moniin muihin käyttötarkoituksiin, kuten sosiaalisen median alustojen ja pilvipalveluiden ylläpitoon.
Ylipäätänsäkin keskustelu tekoälyn ympärillä painottuu yhä pääosin sen tarjoamiin ratkaisuihin yhteiskunnallisissa ongelmissa ja sen aiheuttamaan työroolien muovautumiseen arkielämässä.
Tekoäly on kaikkialla
Nykypäivänä lähes kaikissa suurissa arkisissa palveluissa hyödynnetään jo tekoälyä. Sitä käytetään muun muassa asiakaspalveluissa chatbottien muodossa, mainonnan kohdentamisessa ja yleisesti ehkä tunnetuimmassa muodossa eli suurina kielimalleina, joista tunnetuimpia ovat ChatGPT tai DeepSeek.
Petriina Paturi kertoo, että tekoälyn toiminta on pyritty rakentamaan samankaltaiseksi kuin ihmisaivojen. Kuten aivoissa myös tekoälyssä kaikki rakentuu neuroverkkojen päälle. Siellä synapsien ansiosta viesti kulkee kaikkialle. Paturi kuitenkin mainitsee kaksi olennaista eroa ihmisaivojen ja tekoälyn toiminnassa. Tekoäly ei kykene ihmisaivojen tapaan oppimaan ympäristöstään vaan se tarvitsee toimiakseen valtavat määrät valmiiksi ladattua dataa. Suuret tekoälymallit käyttävät internetiä tietopankkinaan, minkä takia kannattaa olla lähdekriittinen käyttäessään tekoälyä. Toinen hyvin merkittävä ero näiden toiminnassa on se, että kemiallinen reaktio ihmisaivoissa kuluttaa noin miljoona kertaa vähemmän energiaa kuin vastaavan kaltainen toiminto tekoälyllä toteutettuna.
Suuret kielimallit ovat ChatGPT:n ja DeepSeekin kaltaisia tekoälyjä, joiden kouluttaminen vaatii tähtitieteellisen määrän ladattavaa tietoa sekä energiaa. Usein arkielämässä niitä käytetään, kun halutaan täsmällinen vastaus johonkin arkiseen kysymykseen tai vaikkapa apua englanninkielisen tekstin hiomisessa. Harvoin kuitenkaan pysähdytään pohtimaan sitä, että yksi ChatGPT-haku kuluttaa noin kymmenen kertaa energiaa verrattuna perinteiseen Google-hakuun. Ja koska suurten kielimallien käyttö on rakettimaisessa nousussa, on hyvä huomata, että tekoälyn energiankulutus on hiljalleen muodostumassa globaalisti merkittäväksi ympäristökysymykseksi.
Onko tekoäly voimavara vai taakka taistelussa ilmastonmuutosta vastaan?
Tekoälyn kouluttamiseen ja käyttöön käytettävän energian määrä on jatkuvassa kasvussa. Toisaalta tekoäly kykenee myös optimoimaan energian käyttöä arkisissa palveluissa, kuten energiantuotannossa, joten mitään yksiselitteistä vastausta tähän kysymykseen ei ole.
Jos tarkastellaan asiaa energiankäytön näkökulmasta, jo aiemmin mainitut datakeskukset ovat avainroolissa. Uusia datakeskuksia rakennetaan yksityisten toimijoiden toimesta jatkuvasti lisää ja koska tekoälyn laskentateho kasvaa, myös sen vuoksi energiantarve lisääntyy. Tämä lisää tarvetta uusille datakeskuksille, koska niitä tarvitaan myös suurten tietomäärien nopeaan käsittelyyn.
Sen lisäksi, että datakeskukset käyttävät huomattavan määrän energiaa, ne tarvitsevat myös runsaasti vettä, jota käytetään kuumenevien prosessorien jäähdyttämiseen. Tämä on olennainen syy sille, miksi datakeskuksia pyritään rakentamaan viileille alueille kuten Suomeen tai Ruotsiin. Vaikka datakeskukset tuovatkin maahan kymmeniä tai satoja työpaikkoja yhtä keskusta kohti, sekä kelvollisesti verotuloja, ne eivät kuitenkaan ole mitään lottovoittoja valtion taloudelle. Joissain tapauksissa niiden valtava energian- ja vedenkulutus voi nostaa sähkön hintaa alueella tai jopa aiheuttaa pulaa veden riittämisestä. Tämä on johtanut siihen, että useat valtiot ovat rajoittaneet datakeskuksien määrää rajojensa sisäpuolella.
Ilmaston kuormittumisen näkökulmasta on merkittävää, miten datakeskuksiin ohjattu energia on tuotettu. Esimerkiksi Suomessa suuri osa käytettävästä sähköstä on tuotettu uusiutuvalla energialla, mutta valitettavasti näin ei ole läheskään kaikkialla. Tulevaisuudessa jos rikkaat länsimaat näkevät datakeskukset kannattamattomana bisneksenä, on mahdollista, että keskukset voisivat kasaantua alueille, joissa energiaa tuotetaan yhä enimmäkseen fossiilisten polttoaineiden avulla. Se olisi ilmastonmuutoksen torjumisen kannalta hyvin valitettava asia.
Memristorit – mitä ne ovat ja mitä hyötyä niistä on?
Tekoälyn sähkönkulutukselle on esitetty myös ympäristöystävällisiä vaihtoehtoja, kuten Memristori- eli muistivastus. Se on kaksiporttinen sähkökomponentti, joka säilyttää riippuvuuden sähkövarauksen ja magneettisen vuon. Teoreettisesti sen ennusti Leon Chua vuonna 1971, mutta käytännössä se toteutettiin vuonna 2008 HP Labsilla. Memristorit ovat siitä erikoisia, että niiden resistanssi riippuu siitä, miten virtaa on johdettu aiemmin sen läpi–, ja tämä tila säilyy virran katkaisunkin jälkeen.
Memristori voi olla apuna monessa eri käyttökohteessa. Yksi ja paras mahdollinen kohde on energiatehokas tekoäly. Tekoäly käyttää datakeskuksia, mikä vie monia kilowatteja sähköä tunnissa. Memristorit voivat korvata datakeskukset ja käyttää huomattavasti vähemmän sähköenergiaa. Tällöin kaikki tekoälyn kehittäjät säästyvät isoilta sähkölaskuilta joka kuukausi ja saavat enemmän tuottoa.
Memristoreissa esiintyy myös joitain haasteita, kuten valmistusprosessien toistettavuus, materiaalien vakaus ja yhteensopivuus nykyisten teknologioiden kanssa. Memristorit tarvitsevat nanomittakaavan valmistusta, erityisesti jos niiden halutaan toimivan luotettavasti suuressa skaalassa. Kaksi samanlaista memristoria voivat myös käyttäytyä täysin eri tavoin, mikä tekee niiden massatuotannosta erittäin haastavaa. Niitä ei myöskään osata vielä kouluttaa esimerkiksi laskemaan jotain matemaattista laskua.
Valinnallasi on väliä
Eri toimijoiden julkaisemat tekoälyt ja niiden mallit antavat usein samansuuntaisia vastauksia, mutta lopulta niiden energiankulutuksessa, lopputuotteessa ja käyttökokemuksessa on huomattavia eroja.
Muun muassa DeepSeekin noustua pinnalle huomiota on herättänyt, miten huomattavasti pienemmällä budjetilla ja reilusti lyhyemmällä valmistusajalla kyettiin valmistamaan R1-malli, joka pärjää vähintäänkin kelvollisesti vertailussa Open AI:n ykkösmalleja vastaan. Toki on hyvä olla lähdekriittinen ja kyseenalaistaa näiden tietojen luotettavuutta. Varsinkin koska ne ovat pääosin peräisin kiinalaisfirmalta itseltään. On myös keskusteltu siitä, miten paljon suuret kielimallit kuluttavat energiaa toisiinsa verrattuna. Ongelmaksi kuitenkin muodostuu se, että lähes kaikki tekoälyä työstävät yritykset ovat yksityisiä eikä niistä ole vapaasti saatavilla paljoakaan virallista tietoa liittyen tähän aiheeseen.
Lisäksi Yhdysvallat on rajoittanut tekoälysirujen vientiä Kiinaan vuodesta 2021 lähtien, mikä voi tulevaisuudessa vaikeuttaa tekoälyn kehitystä Kiinassa.
Toinen kahtia jakava piirre on lähdekoodin avoimuus. DeepSeekissä lähdekoodi on avoin, mikä tekee siitä läpinäkyvämmän verrattuna suljetun lähdekoodin malleihin, kuten Chat GPT:hen ja Grokiin.
Eettisesti kaikista tekoälyistä on tärkeää huomioida, missä ne on valmistettu ja millaisia kytköksiä valmistajilla on maiden hallituksiin. Esimerkiksi DeepSeekin on kerrottu saavan rahoitusta Kiinan hallitukselta, mikä on varmastikin osasyy siihen, miksi kaikki DeepSeekin antama tieto on tarkasti sensuroitua ja yhdenmukaista Kiinan poliittisten näkökantojen kanssa.
Muun muassa tämä ja lukuisat turvallisuushuolet ovat johtaneet siihen, että esimerkiksi Italia ja Taiwan ovat kieltäneet DeepSeekin käytön kokonaan.
Tekoälyn rooli koulutuksessa
Toisen ja kolmannen asteen opetuksessa tekoälyä pyritään hyödyntämään auttavana tukiälynä, joka ei tee työtä opiskelijan puolesta, mutta tukee oppimista tarvittaessa. Kuitenkin havaittavissa on ollut ilmiö, jossa opiskelijat käyttävät tekoälyä herkästi oman työn korvikkeena. Sen avulla tehtävät saadaan tehtyä nopeasti ja tehokkaasti. Ongelma on kuitenkin siinä, että jos tekoäly korvaa opiskelijan oman aivotyöskentelyn, oppimista ei tietenkään tapahdu yhtä paljon verrattuna siihen, jos opiskelija tekee työn itse omien aivojensa avulla. Kynnys tekoälyn käyttämiseen on matala varsinkin, jos opiskelijalla on kiire tai hän on väsynyt.
Toinen ongelma suurten kielimallien opiskelukäytössä on se, että ne saattavat tuottaa tekstiä, jossa hyödynnetään kyseenalaisia ja epätarkkoja lähteitä. Jos lukija ei ole kriittinen läpikäydessään tekoälyn luomaa tekstiä, voi syntyä väärä käsitys asiasta.
Tulevina vuosina Suomen yliopistot ja lukiot varmasti perehtyvät syvemmin tähän ongelmaan ja pohtivat sopivia ratkaisuja, joilla tekoälyn hyödyt saataisiin valjastettua käyttöön ja haitat minimoitua.
Tekoälyn vaikutus tulevaisuudessa
Tulevaisuudessa tekoälyn vaikutus yhteiskuntaan ja jokapäiväiseen elämäämme tulee hyvin suurella todennäköisyydellä kasvamaan. Sen vuoksi tapa, millä energia tekoälyjen käyttöön tuotetaan, korostuu entisestään. Jos rikkaat länsimaat toteavat paljon energiaa kuluttavat datakeskukset kannattamattomiksi ja heivaavat ne ulos aluerajojensa sisältä, voimme päätyä tilanteeseen, jossa datakeskuksia rakennetaan enenevässä määrin kehittyviin maihin, missä resurssit niiden ylläpitoon eivät välttämättä ole vaadittavalla tasolla. Olemme jo aiemmin nähneet datakeskusten aiheuttavan pulaa sekä vedestä, että sähköstä. Mailla, jotka kärsivät puhtaan veden puutteesta, ei välttämättä ole valtaa tai ymmärrystä sanoa ei isojen toimijoiden kolkutellessa ovia. Tietenkin näissä maissa myös energia tuotetaan yhä fossiilisia polttoaineita hyödyntäen, mikä kuormittaa ympäristöä entisestään.
Tämä kehityskulku on yksi niistä monista skenaarioista, joita haluamme kaikin nahoin välttää.
Haluamme nimenomaan tekoälyn olevan avain vanhojen ongelmien ratkaisemiseen, ei uusien luomiseen. Jos teemme asiat oikein tekoälyn kehityksen parissa ja pidämme huolta tärkeistä arvoista, kuten ihmisarvosta ja ympäristön hyvinvoinnista, voimme odottaa tekoälyn tuottavan vielä paljon iloa tulevaisuudessa.
Viimeisimmät kommentit