AI jako problem i rozwiązanie. MIT analizuje wpływ sztucznej inteligencji na energetykę

AI jako nowe wyzwanie dla energetyki

Podczas wiosennego sympozjum MIT Energy Initiative (MITEI), które odbyło się 13 maja 2025 roku, przedstawiono rosnące zagrożenie dla sieci elektroenergetycznych wynikające z ekspansji centrów danych napędzanych sztuczną inteligencją. Dyrektor MITEI, William H. Green, mówił o „gigantycznej zmianie” w gospodarce, którą może przynieść AI, wskazując jednocześnie na konieczność znalezienia równowagi między korzyściami a zagrożeniami.

Obecnie centra obliczeniowe zużywają około 4% energii elektrycznej w USA. Prognozy zakładają, iż do 2030 roku udział ten może wzrosnąć do 12-15%, głównie za sprawą AI. Vijay Gadepally z MIT Lincoln Lab podkreślił, iż „moc potrzebna do utrzymania dużych modeli AI podwaja się niemal co trzy miesiące”.

Nowe potrzeby, nowe rozwiązania

W odpowiedzi na wyzwania, Evelyn Wang, wiceprezes MIT ds. energii i klimatu, wskazała, iż technologie opracowane z myślą o AI – w tym systemy chłodzenia i rozwiązania poprawiające efektywność – mogą znaleźć zastosowanie także poza centrami danych.

Paneliści wskazywali również na regionalne różnice kosztów zasilania takich obiektów czystą energią. Emre Gençer z Sesame Sustainability stwierdził, iż centralne obszary USA mają przewagę dzięki synergii energii słonecznej i wiatrowej, ale osiągnięcie zerowej emisji wymagałoby zastosowania technologii magazynowania energii na dużą skalę, co istotnie zwiększyłoby koszty.

Powrót do energii jądrowej

Zwiększony popyt na niezawodne i bezemisyjne źródła energii sprawia, iż branża energetyczna ponownie interesuje się atomem. Kathryn Biegel z Constellation Energy poinformowała, iż firma uruchamia ponownie reaktor na terenie dawnej elektrowni Three Mile Island, aby zaspokoić potrzeby centrów danych. „To dla nas w tej chwili priorytet” – powiedziała.

Źródło: MITEI

AI jako wsparcie transformacji energetycznej

Eksperci zgodzili się, iż sztuczna inteligencja może też wspierać systemy energetyczne. Priya Donti z MIT pokazała, jak AI może znacząco przyspieszyć optymalizację sieci elektroenergetycznych, integrując fizyczne ograniczenia w modelach opartych na sieciach neuronowych.

Z kolei Google podzielił się sukcesami swojej technologii wyznaczania tras w Google Maps, która według Antonia Gawel przyczyniła się do redukcji 2,9 mln ton emisji gazów cieplarnianych – to tyle, ile emituje 650000 samochodów rocznie. AI pomaga także w unikaniu powstawania smug kondensacyjnych przez samoloty, które mają ok. 1% udział w globalnym ociepleniu.

Efektywność i ograniczenia

Dustin Demetriou z IBM zwrócił uwagę, iż 80% śladu środowiskowego AI pochodzi z procesów inferencyjnych, a nie treningowych. Ograniczenie tego wpływu wymaga optymalizacji całego cyklu życia aplikacji AI.

Emma Strubell z Carnegie Mellon przestrzegła przed efektem paradoksu Jevonsa – wzrostem zużycia zasobów pomimo zwiększenia efektywności. Jej zdaniem energia dla centrów danych powinna być traktowana jako zasób ograniczony, a jej przydział musi być przemyślany.

MIT w centrum rozwiązania

MIT uruchamia nowy program badawczy dotyczący centrów danych, zasilania i obliczeń, który ma objąć pełne spektrum wyzwań – od źródeł energii po algorytmy. Badania mają objąć także rozwój materiałów wykorzystywanych w energetyce i technologiach AI.

Uczestnicy sympozjum uznali integrację centrów danych z sieciami elektroenergetycznymi za najważniejszy priorytet badawczy dla MIT. AI jako narzędzie przyspieszające odkrywanie nowych materiałów uplasowało się na drugim miejscu.

Mimo licznych obaw, większość uczestników uznała AI za „obietnicę” w kontekście energetyki, choć część pozostaje niepewna co do ostatecznego bilansu zysków i strat. Prawie połowa respondentów wskazała, iż ich głównym priorytetem przy zasilaniu centrów danych jest niska emisja dwutlenku węgla, a następnie niezawodność i koszty.

• MIT Energy Conference 2025: liderzy branży energetycznej o przyszłości OZE, roli AI i konieczności modernizacji sieci przesyłowych
• BiofuelAI z Uniwersytetu Surrey może zgarnąć 1 mln funtów. Co potrafi ich AI?
• Sztuczna inteligencja w służbie energetyki. Pierwsze modele GenAI od EPRI

Źródło: MIT Energy Initiative