Οι ερευνητές αποκάλυψαν ένα σημαντικό περιβαλλοντικό κόστος που συνδέεται με την αυξανόμενη εξάρτησή μας από προηγμένα συστήματα τεχνητής νοημοσύνης. Μια νέα μελέτη που δημοσιεύτηκε στις 19 Ιουνίου 2025 στο περιοδικό Frontiers in Communication δείχνει ότι τα μοντέλα τεχνητής νοημοσύνης με δυνατότητες συλλογισμού μπορούν να εκπέμπουν έως και 50 φορές περισσότερο διοξείδιο του άνθρακα από τα απλούστερα μοντέλα όταν απαντούν στις ίδιες ερωτήσεις.
Η ερευνητική ομάδα, με επικεφαλής τον Maximilian Dauner από το Hochschule München University of Applied Sciences, αξιολόγησε 14 διαφορετικά μεγάλα γλωσσικά μοντέλα (LLMs) που κυμαίνονταν από 7 έως 72 δισεκατομμύρια παραμέτρους. Τα μοντέλα δοκιμάστηκαν σε 1.000 ερωτήσεις αναφοράς από διάφορα γνωστικά πεδία, όπως μαθηματικά, ιστορία, φιλοσοφία και αφηρημένη άλγεβρα.
Η μελέτη διαπίστωσε ότι τα μοντέλα με συλλογισμό παρήγαγαν κατά μέσο όρο 543,5 «tokens σκέψης» ανά ερώτηση, σε σύγκριση με μόλις 37,7 tokens για τα συνοπτικά μοντέλα. Αυτά τα επιπλέον υπολογιστικά βήματα μεταφράζονται άμεσα σε αυξημένη κατανάλωση ενέργειας και εκπομπές άνθρακα. Το πιο ακριβές μοντέλο που δοκιμάστηκε ήταν το Cogito με δυνατότητες συλλογισμού και 70 δισεκατομμύρια παραμέτρους, το οποίο πέτυχε ακρίβεια 84,9% αλλά παρήγαγε τριπλάσιες εκπομπές CO2 σε σχέση με μοντέλα αντίστοιχου μεγέθους που παρείχαν πιο συνοπτικές απαντήσεις.
«Αυτή τη στιγμή, παρατηρούμε έναν ξεκάθαρο συμβιβασμό μεταξύ ακρίβειας και βιωσιμότητας στις τεχνολογίες LLM», εξήγησε ο Dauner. «Κανένα από τα μοντέλα που διατήρησαν τις εκπομπές κάτω από τα 500 γραμμάρια ισοδύναμου CO2 δεν πέτυχε ακρίβεια άνω του 80%.»
Το αντικείμενο των ερωτήσεων επηρέασε επίσης σημαντικά τις εκπομπές. Ερωτήσεις που απαιτούσαν σύνθετο συλλογισμό, όπως η αφηρημένη άλγεβρα ή η φιλοσοφία, οδήγησαν σε έως και έξι φορές υψηλότερες εκπομπές σε σχέση με πιο απλά θέματα, όπως η ιστορία λυκείου.
Οι ερευνητές τόνισαν ότι οι χρήστες μπορούν να ελέγξουν το αποτύπωμα άνθρακα της τεχνητής νοημοσύνης μέσω προσεκτικών επιλογών. Για παράδειγμα, το μοντέλο R1 της DeepSeek (70 δισεκατομμύρια παράμετροι) απαντώντας σε 600.000 ερωτήσεις θα παρήγαγε εκπομπές CO2 ισοδύναμες με ένα αεροπορικό ταξίδι μετ’ επιστροφής από το Λονδίνο στη Νέα Υόρκη. Αντίστοιχα, το μοντέλο Qwen 2.5 της Alibaba (72 δισεκατομμύρια παράμετροι) θα μπορούσε να απαντήσει σε περίπου 1,9 εκατομμύρια ερωτήσεις με παρόμοια ακρίβεια και να παράγει τις ίδιες εκπομπές.
«Αν οι χρήστες γνωρίζουν το ακριβές κόστος CO2 των αποτελεσμάτων που παράγει η τεχνητή νοημοσύνη, ίσως να είναι πιο επιλεκτικοί σχετικά με το πότε και πώς χρησιμοποιούν αυτές τις τεχνολογίες», κατέληξε ο Dauner. Οι ερευνητές ελπίζουν ότι η εργασία τους θα ενθαρρύνει μια πιο ενημερωμένη και περιβαλλοντικά συνειδητή χρήση της τεχνητής νοημοσύνης, καθώς αυτές οι τεχνολογίες ενσωματώνονται όλο και περισσότερο στην καθημερινότητά μας.