Forskere har afdækket en væsentlig miljøomkostning forbundet med vores stigende afhængighed af avancerede AI-systemer. Et nyt studie, offentliggjort den 19. juni 2025 i Frontiers in Communication, viser, at AI-modeller med ræsonnement kan udlede op til 50 gange mere kuldioxid end deres enklere modparter, når de besvarer identiske spørgsmål.
Forskerholdet, ledet af Maximilian Dauner fra Hochschule München University of Applied Sciences, evaluerede 14 forskellige store sprogmodeller (LLM’er) med mellem 7 og 72 milliarder parametre. De testede disse modeller på 1.000 benchmark-spørgsmål inden for forskellige emner, herunder matematik, historie, filosofi og abstrakt algebra.
Studiet viste, at ræsonnement-modeller i gennemsnit genererede 543,5 'tænkende tokens' per spørgsmål, sammenlignet med blot 37,7 tokens for de mere koncise modeller. Disse ekstra beregningstrin fører direkte til højere energiforbrug og CO2-udledning. Den mest nøjagtige model, der blev testet, var Cogito-modellen med 70 milliarder parametre, som opnåede 84,9% nøjagtighed, men udledte tre gange mere CO2 end tilsvarende store modeller, der gav mere koncise svar.
"Vi ser i øjeblikket en tydelig afvejning mellem nøjagtighed og bæredygtighed i LLM-teknologier," forklarer Dauner. "Ingen af de modeller, der holdt udledningen under 500 gram CO2-ækvivalent, opnåede over 80% nøjagtighed."
Spørgsmålenes emne havde også stor betydning for udledningen. Spørgsmål, der krævede komplekst ræsonnement, som abstrakt algebra eller filosofi, førte til op til seks gange højere udledning end mere ligetil emner som gymnasiehistorie.
Forskerne fremhæver, at brugere kan kontrollere deres AI-karbonaftryk gennem bevidste valg. For eksempel vil DeepSeeks R1-model (70 milliarder parametre), der besvarer 600.000 spørgsmål, skabe CO2-udledning svarende til en returrejse med fly mellem London og New York. Samtidig kan Alibabas Qwen 2.5-model (72 milliarder parametre) besvare cirka 1,9 millioner spørgsmål med tilsvarende nøjagtighed og samme udledning.
"Hvis brugere kender den præcise CO2-omkostning ved deres AI-genererede output, vil de måske være mere selektive med, hvornår og hvordan de bruger disse teknologier," afslutter Dauner. Forskerne håber, at deres arbejde vil fremme mere oplyst og miljøbevidst brug af AI, efterhånden som teknologierne bliver en stadig større del af vores hverdag.