AI Generatif dan Klaim Penyelamatan Lingkungan: Apakah Teknologi Besar Memberikan Bukti yang Cukup?

      Pada akhir tahun 2023, klaim ambisius dari salah satu perusahaan teknologi terbesar dunia menarik perhatian Ketan Joshi, seorang peneliti energi. Google menyatakan bahwa kecerdasan buatan (AI) dapat membantu memangkas emisi gas rumah kaca global antara 5 hingga 10 persen pada tahun 2030. Angka ini setara dengan total emisi tahunan Uni Eropa—sebuah pengurangan yang sangat signifikan. Klaim ini menyebar melalui artikel opini yang ditulis bersama oleh kepala petugas keberlanjutan Google, dan kemudian dikutip di berbagai media serta beberapa makalah akademis.

      Joshi, yang terkejut dengan besarnya angka yang dikemukakan, memutuskan untuk melacak sumbernya. Ia menemukan bahwa angka 5 hingga 10 persen tersebut berasal dari makalah yang diterbitkan oleh Google dan BCG (Boston Consulting Group), yang pada gilirannya mengacu pada analisis BCG tahun 2021. Analisis tersebut secara sederhana mengutip "pengalaman perusahaan dengan klien" sebagai dasar untuk memperkirakan pengurangan emisi besar-besaran dari AI, sebuah sumber yang Joshi sebut "rapuh" (flimsy).

Klaim Ambisius dan Bukti yang Meragukan

      Analisis ini diterbitkan setahun sebelum kemunculan ChatGPT memicu perlombaan untuk membangun infrastruktur intensif energi yang, menurut perusahaan teknologi, diperlukan untuk mendukung revolusi AI. Beberapa bulan setelah Google pertama kali mendukung estimasi 5 hingga 10 persen tersebut, dalam laporan keberlanjutan tahun 2023, Google diam-diam mengakui bahwa pembangunan AI secara signifikan meningkatkan emisi korporatnya.

      Namun, perusahaan tersebut terus menggembar-gemborkan angka yang diberikan oleh BCG, terakhir kali tahun lalu dalam sebuah memo kepada pembuat kebijakan Eropa. Joshi menyatakan, "Salah satu perusahaan teknologi paling kuat di dunia menggunakan metrik ini untuk membuat rekomendasi kebijakan kepada salah satu wilayah terbesar di dunia—saya pikir itu luar biasa." Ia menambahkan bahwa insiden itulah yang membuatnya sangat tertarik pada struktur klaim ini dan bukti di baliknya. Menanggapi pertanyaan tentang statistik 5 hingga 10 persen, juru bicara Google, Mara Harris, menyatakan kepada WIRED, "Kami mempertahankan metodologi kami, yang didasarkan pada ilmu pengetahuan terbaik yang tersedia." Harris menyertakan tautan ke metodologi perusahaan tentang penghitungan pengurangan emisi dari produk dan kemitraan Google, tetapi tidak menjelaskan bagaimana perusahaan menerapkan standar ini pada angka BCG. (BCG tidak menanggapi pertanyaan WIRED.)

Dampak Energi di Balik Revolusi AI

      Perusahaan-perusahaan teknologi saat ini terlibat dalam persaingan sengit untuk mengembangkan AI secepat mungkin, sebuah perlombaan dengan implikasi besar bagi perubahan iklim. Di Amerika Serikat, pasar pusat data terbesar di dunia, tekanan energi dari pembangunan ini mengakibatkan pembangkit listrik tenaga batu bara tetap beroperasi dan ratusan gigawatt tenaga gas baru siap ditambahkan ke jaringan, dengan hampir 100 gigawatt daya tersebut secara khusus dialokasikan untuk pusat data.

      Para eksekutif teknologi berulang kali menyatakan bahwa pembangunan energi dan pusat data ini akan sepadan, mengingat potensi yang ditawarkan AI bagi planet ini. Pada acara Climate Week tahunan di New York City tahun lalu, Bezos Earth Fund, yayasan nirlaba Jeff Bezos yang berfokus pada keberlanjutan, menyelenggarakan serangkaian diskusi tentang bagaimana "AI akan menjadi kekuatan lingkungan untuk kebaikan." Pada akhir tahun 2024, mantan CEO Google Eric Schmidt mengatakan bahwa karena dunia tidak akan mencapai tujuan iklimnya, lebih penting untuk fokus pada apa yang dapat dilakukan AI. CEO OpenAI, Sam Altman, bahkan berjanji bahwa AI akan "memperbaiki" iklim.

Analisis Transparansi dan Jenis AI yang Berbeda

      Ketan Joshi adalah penulis laporan baru, yang dirilis awal pekan ini dengan dukungan dari beberapa organisasi lingkungan, yang berupaya mengukur beberapa klaim paling menonjol tentang bagaimana AI akan menyelamatkan planet ini. Laporan tersebut meninjau lebih dari 150 klaim yang dibuat oleh perusahaan teknologi, asosiasi energi, dan pihak lain tentang bagaimana "AI akan berfungsi sebagai manfaat iklim bersih." Analisis Joshi menemukan bahwa hanya seperempat dari klaim tersebut didukung oleh penelitian akademis, sementara lebih dari sepertiga tidak secara terbuka mengutip bukti apa pun.

      Jon Koomey, seorang peneliti energi dan teknologi yang tidak terlibat dalam laporan Joshi, mengatakan, "Orang-orang membuat pernyataan tentang jenis dampak sosial AI dan efek pada sistem energi—pernyataan tersebut seringkali kurang ketat." Ia menekankan pentingnya untuk tidak menerima klaim yang didorong oleh kepentingan pribadi begitu saja, meskipun beberapa mungkin benar. Solusi AI khusus dari penyedia yang berfokus pada hasil terukur dan transparansi dapat menjadi kunci dalam situasi seperti ini.

      Laporan Joshi juga mengeksplorasi jenis AI apa yang sebenarnya dibicarakan oleh perusahaan teknologi ketika mereka berbicara tentang AI yang menyelamatkan planet. Banyak jenis AI yang kurang intensif energi daripada model generatif yang berfokus pada konsumen, yang mendominasi berita utama dalam beberapa tahun terakhir dan membutuhkan jumlah komputasi—dan daya—yang besar untuk pelatihan dan operasinya. Pembelajaran mesin (machine learning) telah menjadi pokok berbagai disiplin ilmu selama beberapa dekade. Namun, AI generatif berskala besar—terutama alat seperti ChatGPT, Claude, dan Google Gemini—yang menjadi fokus publik dari banyak pembangunan infrastruktur perusahaan teknologi. Analisis Joshi menemukan bahwa hampir semua klaim yang ia periksa mengacaukan bentuk AI yang lebih tradisional, yang kurang intensif energi, dengan AI generatif yang berfokus pada konsumen yang mendorong banyak pembangunan pusat data.

Perdebatan Seputar AI Hipotetis vs. AI Nyata

      David Rolnick, seorang asisten profesor ilmu komputer di McGill University dan ketua Climate Change AI, sebuah nirlaba yang mengadvokasi penggunaan pembelajaran mesin untuk mengatasi masalah iklim, kurang peduli dengan asal-usul angka perusahaan teknologi besar tentang dampak AI terhadap iklim, mengingat betapa sulitnya, menurutnya, untuk membuktikan dampak secara kuantitatif di bidang ini. Namun bagi Rolnick, perbedaan antara jenis AI yang dikemukakan perusahaan teknologi sebagai hal yang esensial adalah bagian penting dari percakapan ini. "Masalah saya dengan klaim yang dibuat oleh perusahaan teknologi besar seputar AI dan perubahan iklim bukanlah karena klaim tersebut tidak sepenuhnya terkuantifikasi, tetapi karena mereka bergantung pada AI hipotetis yang dalam beberapa kasus belum ada sekarang," katanya. "Saya pikir jumlah spekulasi tentang apa yang mungkin terjadi di masa depan dengan AI generatif sangat berlebihan."

      Rolnick menunjukkan bahwa, dari teknik untuk meningkatkan efisiensi jaringan hingga model yang dapat membantu menemukan spesies baru, pembelajaran mendalam (deep learning) sudah digunakan di berbagai sektor di seluruh dunia, membantu mengurangi emisi dan memerangi perubahan iklim saat ini. "Itu berbeda, bagaimanapun, dari 'Pada suatu saat di masa depan, ini mungkin berguna'," katanya. Terlebih lagi, "ada ketidaksesuaian antara teknologi yang sedang dikerjakan oleh perusahaan teknologi besar dan teknologi yang sebenarnya mendukung manfaat yang mereka klaim." Beberapa perusahaan mungkin menggembar-gemborkan contoh algoritma yang, misalnya, membantu mendeteksi banjir dengan lebih baik, menggunakannya sebagai contoh AI untuk kebaikan untuk mengiklankan model bahasa besar mereka—padahal algoritma yang membantu prediksi banjir bukanlah jenis AI yang sama dengan chatbot yang berinteraksi dengan konsumen. Solusi AI Box ARSA, misalnya, berfokus pada AI di perangkat (edge AI) untuk memberikan wawasan real-time dari CCTV yang ada, menekankan implementasi praktis dan bukan hipotetis.

      Dalam penelitian terpisah yang juga diterbitkan pekan ini, Luccioni dan Yacine Jernite, kepala keberlanjutan di perusahaan AI Hugging Face, meneliti biaya pelatihan berbagai model AI. Mereka menemukan bahwa model kepemilikan besar yang dilatih dengan akses ke sejumlah besar data dan energi bukanlah satu-satunya pilihan untuk solusi AI yang kuat. Seringkali, model yang lebih kecil memiliki kinerja yang sama baiknya dengan yang lebih mahal dalam aplikasi AI. "Satu-satunya perusahaan yang dapat bersaing dalam perlombaan AI 'semakin besar semakin baik' ini adalah mereka yang memiliki kantong terdalam, yang telah menghisap data kita—secara konsensual atau tidak—selama beberapa dekade terakhir, dan terus melakukannya," katanya. "Sekarang mereka menjual kembali data ini kepada kita dengan meyakinkan kita bahwa kita membutuhkan model raksasa ini, tanpa memedulikan nasib planet."

Pentingnya Transparansi Data dan Pengungkapan Biaya Iklim

      Para ahli menjelaskan kepada WIRED bahwa salah satu masalah utama dalam mengukur dampak AI terhadap iklim adalah kurangnya informasi dasar yang dibutuhkan publik untuk memahami kemampuan dan dampaknya. Kita masih menggunakan perkiraan kasar tentang berapa banyak energi yang digunakan AI—apalagi AI generatif—di pusat data. Google baru merilis estimasi berapa banyak energi yang digunakan perintah AI-nya tahun lalu; perusahaan lain masih tertinggal, atau tidak merilis informasi lingkungan penting tentang model mereka. Dan meskipun AI generatif didorong ke banyak pengalaman konsumen kita, kita masih menunggu contoh konkret bagaimana AI generatif berskala besar dapat melakukan pekerjaan yang lebih baik dalam menangani masalah iklim daripada model yang kurang intensif energi.

      Joshi berpendapat solusinya sederhana: perusahaan yang mendorong pengembangan AI lebih lanjut harus mengungkapkan lebih banyak tentang biaya iklim. "Jika [perusahaan teknologi] khawatir bahwa orang-orang melebih-lebihkan atau membesar-besarkan dampak iklim dari AI generatif, maka seharusnya tidak ada yang menghentikan mereka untuk mengatakan, 'Baiklah, pertumbuhan energi kami tahun ini adalah enam terawatt-jam, dan dua di antaranya untuk AI generatif'," katanya. "Itu adalah informasi yang kami dorong untuk diungkapkan lebih lanjut dalam laporan. Saya pikir itu pada akhirnya akan menjadi hal yang sangat baik bagi mereka."

      Sebagai penyedia solusi AI & IoT yang telah berpengalaman sejak 2018, ARSA Technology memahami pentingnya implementasi AI yang bertanggung jawab dan transparan. Pendekatan kami selalu berorientasi pada dampak nyata, efisiensi, dan keberlanjutan. Kami yakin bahwa kemajuan teknologi harus sejalan dengan komitmen terhadap lingkungan dan masyarakat global.

Sumber asli: Wired.com

      Apakah organisasi Anda mencari solusi AI yang efektif dan berkelanjutan, dengan fokus pada dampak nyata dan transparansi data? Jelajahi berbagai produk dan solusi ARSA atau hubungi tim kami untuk konsultasi gratis.