Hoe AI ons in een energiecrisis kan duwen
Kunstmatige intelligentie groeit razendsnel, maar er hangt een prijskaartje aan dat vaak wordt vergeten: energie. Volgens Greg Osuri, oprichter van Akash Network, kan de vraag naar rekenkracht zo groot worden dat AI zelfs kernenergie nodig heeft om modellen te blijven trainen. Voor de gewone consument kan dit leiden tot hogere energierekeningen en meer druk op het milieu.
De energiehonger van AI
Het trainen van grote AI-modellen vraagt enorm veel rekenkracht. Die rekenkracht komt uit datacenters, die vaak draaien op fossiele brandstoffen. Osuri wijst erop dat sommige datacenters al honderden megawatt aan stroom verbruiken – genoeg om complete steden van energie te voorzien. In de Verenigde Staten zagen huishoudens in gebieden met veel datacenters hun energiekosten de afgelopen vijf jaar met meer dan 250% stijgen.
Wat is het alternatief?
Osuri ziet decentralisatie als oplossing. In plaats van alle chips en energie te concentreren in megacenters, kunnen AI-modellen worden getraind via netwerken van kleinere computers. Denk aan servers, maar ook aan grafische kaarten in thuis-pc’s. Het principe lijkt op de begindagen van Bitcoin-mining: gebruikers stellen hun rekenkracht beschikbaar en ontvangen daar tokens voor. Alleen gaat het nu niet om het oplossen van cryptopuzzels, maar om het trainen van AI-modellen.
Dit zou AI niet alleen duurzamer maken, maar ook meer mensen een directe rol geven in de ontwikkeling ervan.
De obstakels van gedecentraliseerde AI
Het idee klinkt aantrekkelijk, maar kent uitdagingen. Het verdelen van een groot model over duizenden verschillende computers vraagt slimme software en goede coördinatie. Bovendien moet er een eerlijk beloningssysteem komen: waarom zou iemand zijn computer beschikbaar stellen, en wat krijgt diegene terug? De eerste experimenten met dit soort zogenoemde distributed training zijn gestart, maar een volledig werkend systeem laat nog op zich wachten.
Waarom dit belangrijk is
De boodschap van Osuri is duidelijk: zonder nieuwe oplossingen kan de groei van AI leiden tot een energiecrisis die iedereen raakt. Door AI-training te verspreiden over netwerken wereldwijd kan de druk op energienetwerken worden verlicht, terwijl ontwikkelaars lagere kosten hebben en gebruikers zelf meeprofiteren.
FAQ
Waarom verbruikt AI zoveel energie?
Het trainen van een AI-model kost enorm veel rekenkracht. Hoe groter het model, hoe meer grafische processors (GPU’s) nodig zijn en hoe hoger het stroomverbruik.
Wat betekent gedecentraliseerde AI-training?
Dit houdt in dat AI-modellen niet alleen in grote datacenters worden getraind, maar via een netwerk van kleinere computers verspreid over de hele wereld.
Kun je als particulier meedoen?
In theorie wel. Net als bij Bitcoin-mining zouden mensen in de toekomst tokens kunnen verdienen door hun pc of grafische kaart beschikbaar te stellen voor AI-training.
