Tutkijat ovat paljastaneet merkittävän ympäristökustannuksen, joka liittyy yhä kasvavaan riippuvuuteemme kehittyneistä tekoälyjärjestelmistä. Uusi tutkimus, joka julkaistiin 19. kesäkuuta 2025 Frontiers in Communication -lehdessä, osoittaa, että päättelykykyiset tekoälymallit voivat tuottaa jopa 50 kertaa enemmän hiilidioksidipäästöjä kuin niiden yksinkertaisemmat vastineet vastatessaan samoihin kysymyksiin.
Tutkimusryhmää johti Maximilian Dauner Hochschule Münchenin ammattikorkeakoulusta. He arvioivat 14 erilaista suurta kielimallia (LLM), joiden koko vaihteli 7–72 miljardiin parametriin. Mallit testattiin 1 000 vertailukysymyksellä, jotka kattoivat monipuolisesti aiheita, kuten matematiikkaa, historiaa, filosofiaa ja abstraktia algebraa.
Tutkimuksessa havaittiin, että päättelymallit tuottivat keskimäärin 543,5 "ajattelutokenia" kysymystä kohden, kun taas ytimekkäät mallit käyttivät vain 37,7 tokenia. Nämä lisälaskentavaiheet johtavat suoraan suurempaan energiankulutukseen ja hiilidioksidipäästöihin. Tarkimmaksi todettu malli oli päättelykykyinen Cogito-malli, jossa oli 70 miljardia parametria. Se saavutti 84,9 prosentin tarkkuuden, mutta tuotti kolme kertaa enemmän hiilidioksidipäästöjä kuin samankokoiset, ytimekkäämpiä vastauksia tuottavat mallit.
"Tällä hetkellä näemme selkeän tarkkuuden ja kestävyyden välisen kompromissin LLM-teknologioissa", Dauner selitti. "Yksikään malleista, joiden päästöt jäivät alle 500 gramman CO2-ekvivalentin, ei saavuttanut yli 80 prosentin tarkkuutta."
Kysymysten aihepiirillä oli myös merkittävä vaikutus päästöihin. Kysymykset, jotka vaativat monimutkaista päättelyä, kuten abstrakti algebra tai filosofia, johtivat jopa kuusinkertaisiin päästöihin verrattuna suoraviivaisempiin aiheisiin, kuten lukion historiaan.
Tutkijat korostivat, että käyttäjät voivat itse vaikuttaa tekoälyn hiilijalanjälkeensä harkituilla valinnoilla. Esimerkiksi DeepSeekin R1-malli (70 miljardia parametria), joka vastaisi 600 000 kysymykseen, tuottaisi saman verran hiilidioksidipäästöjä kuin edestakainen lento Lontoosta New Yorkiin. Samaan aikaan Alibaban Qwen 2.5 -malli (72 miljardia parametria) voisi vastata noin 1,9 miljoonaan kysymykseen vastaavalla tarkkuudella ja tuottaa saman määrän päästöjä.
"Jos käyttäjät tietäisivät tarkalleen tekoälytuotosten CO2-kustannuksen, he saattaisivat olla valikoivampia siinä, milloin ja miten näitä teknologioita käytetään", Dauner päättää. Tutkijat toivovat, että heidän työnsä kannustaa harkitumpaan ja ympäristötietoisempaan tekoälyn käyttöön, kun nämä teknologiat yleistyvät arjessamme.