Tuleeko tekoälyn ympäristövaikuksista olla huolissaan?

Tekoälyn ympäristökuormasta on puhuttu paljon mediassa, mutta tarkkaa ja vertailukelpoista tietoa on edelleen niukasti. Vaikutuksia voidaan tarkastella monesta näkökulmasta: ilmastopäästöjen, luontokadon ja materiaalien riittävyyden kautta. Teknologiasektorin osuus maailman kasvihuonekaasupäästöistä on tällä hetkellä noin 2–3 prosenttia, ja tekoäly on osa tätä kokonaisuutta.

Tekoälyn hiilijalanjälki syntyy pääasiassa energiankulutuksesta. Suomessa sähkönkulutuksen osuus koko maan hiilijalanjäljestä on noin kahdeksan prosenttia, joten tekoälyn osuus on vielä hyvin pieni. Toisaalta olemme vasta tekoälyn käytön alkuvaiheessa, ja käyttö lisääntyy nopeasti. Esimerkiksi yhdysvaltalainen liikepankki Morgan Stanley arvioi, että tekoälyn energiankulutus kasvaa seuraavan kolmen vuoden ajan vuosittain 70 prosentilla. 

Tekoälyn ympäristövaikutukset muodostuvat pääosiltaan infrastruktuurista, mallien kouluttamiseen käytetystä energiasta ja niiden käyttämisessä kuluvasta energiasta. Esimerkiksi GPT-4 -mallin kouluttamisen energiankulutus vastaa arviolta noin 1 500 suomalaisen kotitalouden vuotuista sähkönkulutusta. Yksilön vaikutusmahdollisuudet mallien luomiseen ovat kuitenkin hyvin rajalliset. Luovan alan tekijän näkökulmasta on järkevintä keskittää huomio käytön aikaiseen energiankulutukseen.  

OpenAI:n toimitusjohtaja Sam Altman (2024) arvioi, että keskimääräinen tekoälykysely kuluttaa noin 0,34 Wh energiaa, mikä vastaa tehokkaan led-lampun muutaman minuutin käyttöä (Sam Altman, The Gentle Singularity). Googlen omat mittaukset Gemini-mallista antavat hyvin samansuuntaisen arvion: noin 0,24 Wh per tekstiprompti, mikä vastaa noin 0,03 gCO₂e hiilidioksidipäästöjä ja noin 0,26 ml veden kulutusta (Google Cloud 2024). Yksittäisen käyttäjän vaikutus jää näin ollen hyvin pieneksi, mutta käyttömäärien kasvaessa kokonaiskulutus voi olla merkittävää.

Kuvia generoivien työkalujen energiankulutus on 1-3 wattitunnin luokkaa (Luccioni & Strubell 2024). LuovAIn!-hankkeessa tehdyt kokeet kertovat, että kuvia generoitaessa kulutus voi olla merkittävästi pienempikin. Esimerkiksi lokaalisti käytetty kuvia tuottava Flux 1.0 schnell -malli kulutti 512×512 pikselin kuvan generointiin vain noin 0,3 Wh. Sadan kuvan teko kulutti siis sähköä saman verran kuin tietokoneen näytön pitäminen päällä yhden tunnin ajan. Vertailun vuoksi: ihmisen energiankulutus on noin 2 000–2 500 kilokaloria päivässä (2,4–3 kWh). Tämä tarkoittaa, että noin kymmenentuhatta tekoälykyselyä päivässä asettuu samaan kokoluokkaan kuin yhden ihmisen vuorokauden energiankulutus. Hiilidioksidipäästötkään eivät ole järin suuret. Tuhannen kyselyn tai kuvan energiankulutus vastaa hiilidioksidipäästöinä noin muutaman sadan metrin ajoa henkilöautolla.

Tekoälyn käyttämättä jättäminen ei ole kovin merkittävä keino vaikuttaa ympäristövaikutuksiin. Jotkut toiminnot, kuten videoiden generointi, ovat kuitenkin selvästi energiaintensiivisempiä ja voivat esimerkiksi monisatakertaistaa kuvageneroinnin energiankulutuksen. Kuitenkin energiavaikutusten näkökulmasta videoiden katsominen on prosessissa kuormittavinta.

Esimerkiksi kahden tunnin 4K-elokuvan katselu vie sähköä saman verran kuin saunan lämmittäminen.  Jos videoita tekee, olisi parempi tehdä sellaisia, joita kukaan ei haluaisi katsoa – tämä saattaa kuulostaa ymmärrettävästi luovan alan tekijän näkökulmasta hyvin ongelmallisesti. Tulot ja menestys riippuvat kuitenkin pitkälti siitä, saako sisällölle katsojia. 

Ympäristökysymysten tarkastelu myös tekoälyn osalta osana jokaisen luovan alan tekijän kokonaisuutta on varmasti järkevää, mutta välttämättä sen painottamiselle tekoälyn kohdalla ei ole erityistä syytä. Yhteiskunnallisena ongelmana tekoälyn ympäristökuormaa on silti syytä tarkastella, vaikka yksilötason kuormitus olisi kohtuullista. Jos tekoälyä käytetään yhä useammassa tuotteessa, nousee energiankulutus väistämättä.

Emme ole toistaiseksi nähneet vielä pelejä tai elokuvia, jotka generoidaan yksilöllisesti jokaiselle kuluttajalle, mutta esimerkiksi tällaiset tuotteet voisivat nostaa energiankulutusta eksponentiaalisesti. Energiankulutuksen näkökulmasta paras olisi, jos tyytyisimme televisiolähetyksiin ja huonoin se, että haluamme jokainen yksilöllisesti tuotettua sisältöä.

Tekoälyn ja teknologiasektorin energiankäyttö sitoutuu ilmastonmuutokseen liittyviin epätasa-arvoisiin kysymyksiin.Tekoälymallien hyödyt ja haitat eivät jakaudu välttämättä tasaisesti. Bender tutkimusryhmineen ( 2021) painottaa, että kielimallien kehityksessä tulisi ottaa huomioon myös ”ympäristöoikeudenmukaisuus”, kuten se, onko oikeudenmukaista, että esimerkiksi Sudanin tulvista kärsivät ihmiset tai Malediivien asukkaat maksavat ilmastollisen hinnan suurista englanninkielisistä kielimalleista, joita ei edes kehitetä heidän omille kielilleen. He huomauttavat mallien kasvava koko johtaa tilanteeseen, jossa tutkijat ja insinöörit eivät enää ymmärrä, millä tavoin mallit toimivat tai mitä ne ovat koulutusvaiheessa oppineet. Tämä vaikeuttaa ympäristövaikutusten arviointia entisestään, kun ei tiedetä tarkasti, mihin energiaa kuluu ja miksi.

Kuluttajina tai sisällöntuottajina emme voi tehdä ihmeitä. Voimme valita vastuullisimmat tekoäly-yhtiöt tai käyttää paljon aikaa palveluiden hiilijalanjäljen selvittämiseen, mutta toistaiseksi se on hyvin haastavaa. Siksi olisikin hyödyllistä, että tekoäly-yhtiöiltä vaadittaisiin suurempaa avoimuutta mallien hiilijalanjäljestä ja muista ympäristövaikutuksista. Esimerkiksi enegiamerkki, joka on käytössä muun muassa kodinkoneissa, voisi olla yksi ratkaisu. On helpompi valita kuvageneraattori, jonka tiedoista löytyy merkintä A++ tai E sen sijaan, että pitää käyttää kymmeniä tunteja tiedonhakuun ja testailuun.

Täytyykö tekoälyn ympäristövaikutuksista siis olla huolissaan? Mitä ilmeisimmin kannattaa. Esimerkiksi syksyn 2025 tiedot tekoälyinfrastruktuuriin tehtävistä investoinneista kerrottavat huolestuttavaa tarinaa. Esimerkiksi OpenAI uutisoi syksyllä 2025 investoivansa 10 gigawatin infrastruktuuriin. Määrä vastaa usean ydinvoimalan kokonaistuotantoa. Lisäksi muut yhtiöt ovat uutisoineet samankaltaisista massiivisista laskentatehoa sekä energiankulutusta kasvattavista investoinneista.

Tekoäly-yhtiöitä ohjaa vinouma, usko tekoälyn kaikkivoipaisuuteen AGI:hin, yleiskäyttöiseen tekoälyyn, joka voi ratkaista ilmastonmuutoksen kaltaiset kysymykset. Esimerkiksi Sam Altman katsoo, että tekoälyn valtava energiankulutus voidaan nähdä investointina, mikäli se johtaa edistysaskeleisiin hiilivapaan energian tai hiilidioksidin talteenoton kaltaisilla aloilla. 

AGI-ajatusta on kritisoitu (esim. Blili-Hamelin ym. 2025). Vaikka tekoäly-yhtiöiden toimitusjohtajien haastatteluissa toistuu puhe yleiskäyttöisestä tekoälystä tai supertekoälystä, on mahdollista, että tekoälyn kärkiyhtiöiden toimintaa ohjaa enemmän lapsuuden tieteisfantasian ihanteet kuin harkittu ja tiedepohjainen todellisuuuskuva.

Ei ole näyttöä siitä, että tekoäly kykenisi tarjoamaan ihmelääkkeitä ilmastonmuutoksen pysäyttämiseen. Tekoälystä voi olla hyötyä, mutta myös haittaa ilmastonmuutoksen torjunnassa (Vinuesa ym. 2020). Keskustelussa on hyvä huomioida myös kahteen kilpailevaan ympäristötutkimuksessa vallitsevaan suuntaukseen. Teknologiseen kehitykseen negatiivisesti suhtautuvissa ekologista katkosta korostavissa teorioissa kiinnitetään huomiota järjestelmän kestämättömyyteen ja ihmiskunnan olemassaolon haastavien ympäristöongelmien syntymiseen. Teknologiaan positiivisemmin suhtautuva ekologista modernisaatiokehitystä korostavat teoriat painottavat ympäristön ja kehityksen kompromissia, jossa ympäristöongelmiin havahdutaan ja kehitys korjaa suunnan kestäväksi vuorovaikutukseksi (Massa 2009.). Vaikka ilmastopäästöjä on teknologisella ratkaisulla saatu vähennettyä, liittyy yksi suurimmista kysymyksistä tekoälykehityksen yhteydessä usein esille nostettuun Jevonsin paradoksiin, jonka mukaan teknologinen tehokkuus ei välttämättä vähennä resurssien kokonaiskulutusta, vaan voi jopa lisätä sitä (esim. Sorrell 2009). 

Toisaalta ilmastonmuutoksen pysäyttämiseen on periaatteessa hyvin yksinkertaisia keinoja, jotka ovat luonteeltaan yhteiskunnallisia. Jos toimisimme yhteiskunnassa toisin, esimerkiksi kuluttaisimme vähemmän, olisimme enemmän läsnä paikallisesti ja tekisimme vähemmän työtä, voisi ilmastonmuutos ja muut ympäristökysymykset ratketa kuin itsestään.

Esimerkiksi kielimallien kyvykkyyden kehittäminen ei suoraan tuota keinoja tällaiselle yhteiskunnalliselle muutokselle, joka vaatisi ennen kaikkea asenteiden ja elämäntapojen muuttumista. Jos rakennamme tekoälymallit palvelemaan nykyistä jatkuvaan kasvuun ja kuluttamiseen pohjauvaa järjestelmäämme, saamme ilmastoonmuutoksen ratkaisemisen sijaan esimerkiksi yksilöllisesti generoituja meemivideoita ja entistä nopeampia ostopäätöksiä.

Artikkeli on julkaistu alunperin LuovAIn!-hankkeen verkkokurssilla Generatiivinen tekoäly luovassa työssä