Obecný úvod do umělé inteligence — kapitola 13
Ekologická zátěž umělé inteligence
V roce 2030 dle tzv. středního scénáře spotřebuje AI přibližně 1 % globální elektřiny a vyprodukuje 0,3 % světových emisí skleníkových plynů. AI ale nemusíme vnímat pouze jako environmentální zátěž. Tato technologie naopak nabízí obrovský potenciál pro ochranu životního prostředí: umožňuje nové vědecké objevy, přesnější modelování klimatu, optimalizaci spotřeby energie i přímou ochranu ekosystémů.
Velké generativní modely AI jsou energeticky náročné a vyžadují specializovaný hardware, což vede ke zvýšené spotřebě elektřiny a vody v datacentrech. Ačkoli se v budoucnu očekává rychlé rozšiřování AI a s tím související spotřeby elektřiny, dle odhadů Mezinárodní agentury pro energii bude její environmentální dopad i v roce 2030 stále relativně malý ve srovnání s jinými lidskými činnostmi.
Hlavní cesta ke snížení environmentálního dopadu AI i dalších digitálních technologií vede přes dekarbonizaci výroby elektřiny, nikoliv omezením samotného používání AI. Umělá inteligence je mocným nástrojem, který může výrazně přispět ke zlepšení životního prostředí — záleží jen na tom, jak jej lidstvo využije.
V této kapitole příručky nehovoříme pouze v kontextu tzv. generativní umělé inteligence (GenAI), ovšem z většiny případů máme na mysli právě tento typ AI. Generativní AI je založena na takzvaných velkých jazykových (či multimodálních) modelech. Servery, na kterých jsou modely provozovány, využívají specializované, vysoce výkonné čipy, které dokáží rychle spočítat obrovské množství matematických operací — vygenerování jednoho slova jich vyžaduje až stovky miliard. Zpravidla se pro tyto účely používají moderní grafické karty a samotné trénování často vyžaduje souběžné zapojení desítek tisíc grafických karet a trvá běžně několik dnů či až týdnů nepřetržitých výpočtů, což vyžaduje mnoho elektřiny a vody. Lze se oprávněně ptát, jak velký je dopad GenAI na životní prostředí. Stojí taková zátěž za používání generativních modelů? A může nám zároveň umělá inteligence s ochranou životního prostředí nějak pomoci?
Kolik elektřiny spotřebuje umělé inteligence
Každé využití umělé inteligence spotřebovává elektřinu, podobně jako jiné digitální technologie. Výroba elektřiny přitom způsobuje asi 30 % světových emisí skleníkových plynů, a tedy výrazně přispívá ke klimatické změně.
Některé AI aplikace běží na úsporných modelech s nízkou spotřebou, přesto jsou velmi užitečné. Jiné, jako například nástroje na tvorbu obrázků a videí, spotřebují výrazně více energie. Přesná čísla ovšem často chybí, protože firmy nezveřejňují detaily o modelech ani náročnosti jejich trénování.
Současná spotřeba elektřiny
Ale protože velké modely běží vždy v datacentrech, lze jejich celkovou spotřebu energie odvozovat právě z tamní spotřeby elektřiny. Mezinárodní agentura pro energii ve své studii zaměřené právě na spotřebu elektřiny umělé inteligence [pozn. 1] odhaduje, že v roce 2024 spotřebovala všechna datacentra dohromady 415 TWh elektřiny, tedy necelých 1,5 % globální spotřeby. Podíl spotřeby datacenter využívaných pro provoz umělé inteligence [pozn. 2] tvořil přibližně 15 % ze spotřeby všech datacenter, tedy cca 0,2 % globální spotřeby elektřiny.
Celkové emise skleníkových plynů z výroby elektřiny pro provoz datacenter se odhadují na 180 milionů tun CO2 za rok 2024 [pozn. 3] (přibližně 0,35 % globálních emisí všech skleníkových plynů [pozn. 4]). Z toho tedy čistě na provoz datacenter pro umělou inteligenci připadá 27 milionů tun CO2 (0,05 % globálních emisí), což je nižší množství skleníkových plynů než roční emise českých uhelných elektráren (přibližně 30 milionů tun CO2). Pro srovnání, osobní automobilová doprava působí roční emise 3 miliardy tun CO2, tedy zhruba 100× vyšší v porovnání s umělou inteligencí.
Spotřebu elektřiny umělé inteligence lze odhadovat také podle toho, kolik energie je potřeba na jednotlivé úkony. Například výzkumník Alex de Vries odhaduje, že chatbot spotřebuje zhruba 3 watthodiny na jeden dotaz. Podle Mezinárodní energetické agentury se tato hodnota může pohybovat od 0,1 Wh u nejmenších modelů až po 9 Wh u těch největších. Při generování obrázků je spotřeba podobná — kolem 1,7 Wh. Zato tvorba videí je mnohem náročnější — i krátké video může spotřebovat až 115 Wh.
Pro představu — spotřeba elektřiny při použití chatbota odpovídá energii, kterou spotřebuje varná konvice během pár vteřin, nebo jízdě autem se spalovacím motorem na vzdálenost asi 10 metrů. Ve srovnání s jinými běžnými činnostmi tedy není využívání umělé inteligence energeticky nijak výjimečně náročné. Ani individuální používání AI obvykle nevede k vyšším emisím než jiné každodenní aktivity — výjimkou je jen generování videí, které je však zatím méně dostupné a rozšířené než třeba chatboti.
I nadále platí, že výroba elektřiny patří k hlavním zdrojům emisí skleníkových plynů, a proto je důležité tyto emise co nejrychleji snižovat. Omezování používání umělé inteligence k tomu ale zásadně nepřispěje — klíčové je snížit emise tam, kde skutečně vznikají, tedy při samotné výrobě elektřiny.
Odhady budoucí spotřeby
Umělá inteligence proniká do stále více oblastí. I když její současná spotřeba elektřiny není vysoká, do budoucna může narůstat. Naštěstí se vedle růstu výpočetního výkonu zvyšuje i efektivita technologií. Energetická účinnost čipů pro provozování AI se od roku 2008 zlepšila více než stonásobně. Díky tomu například datacentra mezi lety 2008 a 2018 téměř nenavýšila svou spotřebu, přestože digitální služby rychle rostly — vyšší efektivita totiž jejich rozmach téměř plně vyvážila. Obavy z růstu spotřeby elektřiny přitom nejsou ničím novým. Podobné zaznívaly už před třiceti lety, když se začínaly masově používat osobní počítače.
Vytěžte více uhlí — počítače přicházejí (Forbes, 31. května 1999)
“Globální implikace jsou obrovské. Intel odhaduje, že k internetu může být v budoucnu připojena až miliarda lidí. … Jedna miliarda počítačů připojených k internetu by však spotřebovala stejně elektřiny, jako je celá dnešní spotřeba USA.”
Ačkoli je dnes k internetu připojeno mnohem více zařízení, než se Forbes v roce 1999 obával (pro rok 2025 se odhaduje až 20 miliard zařízení), tehdejší varování o dramatickém nárůstu spotřeby elektřiny se nenaplnila. Je pravda, že není jisté, zda bude zvyšování efektivity pokračovat stejným tempem i nadále. Zároveň je však současný vzestup využívání umělé inteligence rychlejší než dřívější technologické změny. Naštěstí ne všechny aplikace vyžadují největší a energeticky nejnáročnější modely — menší jazykové modely jsou čím dál kvalitnější a často plně postačují. I proto je velmi obtížné smysluplně odhadovat, jaká bude spotřeba elektřiny spojená s AI po roce 2030.
Mezinárodní energetická agentura odhaduje v datacentrech v rámci základního scénáře více než dvojnásobný nárůst dnešní globální spotřeby elektřiny v roce 2030 (tedy na 945 TWh). Zároveň přiznává velkou nejistotu — podle různých scénářů se odhady pohybují v rozmezí 670 až 1260 TWh. Právě umělá inteligence má být zodpovědná za většinu tohoto nárůstu a v roce 2030 již může tvořit více než třetinu spotřeby elektřiny v datacentrech. V jejich základním scénáři by v roce 2030 umělá inteligence spotřebovala asi 1 % celkové vyrobené elektřiny a byla zodpovědná za zhruba 0,3 % globálních emisí.
Podle Mezinárodní energetické agentury ovšem poroste spotřeba elektřiny do roku 2030 i v mnoha jiných oblastech — například v dopravě, při vytápění a chlazení budov nebo v průmyslu. Tento očekávaný růst v dalších sektorech jen potvrzuje klíčový závěr: emise musíme snižovat především tam, kde vznikají — tedy při výrobě elektřiny. Zároveň je důležité pečlivě sledovat, jak se bude vyvíjet spotřeba umělé inteligence. Současné odhady jsou zatíženy velkou nejistotou a budoucí vývoj se může ubírat různými směry.
Odhadovaný růst globální poptávky po elektřině v letech 2023 až 2030 (TWh).
Zdroj: International Energy Agency (IEA). World Energy Outlook 2024.
Co ještě zatěžuje životní prostředí
Dvě další diskutované oblasti v souvislosti s umělou inteligencí je spotřeba vody v datacentrech a těžba surovin.
Voda je v datacentrech využívána především k chlazení: vysoce výkonné čipy spotřebovávají více elektřiny, proto se u toho také více zahřívají a klasické chlazení založené na cirkulaci vzduchu již není dostatečné. Jednodušší systémy chlazení vodou jsou tzv. evaporační, kde voda ochlazuje datacentrum tím, že se odpařuje. Tento způsob spotřebovává vody více. Oproti tomu lze využívat systémy cirkulační, ve kterých voda obíhá v uzavřeném systému a její spotřeba je mnohem nižší. Zároveň tento způsob umožňuje další využití odpadního tepla a například evropská legislativa ukládá větším datacentrům povinnost takové odpadní teplo dále využít. [pozn. 5]
Většina vody používané v datacentrech se pouze odpaří a dále zůstává součástí přirozeného koloběhu — není tedy znečištěna. To je zásadní rozdíl oproti zemědělství či průmyslu, kde voda často končí kontaminovaná hnojivy nebo chemikáliemi. Navíc běžná farma spotřebuje řádově více vody než datacentrum. V regionech s dostatkem vody nepředstavují datacentra z hlediska spotřeby vody výrazný problém. Naopak v suchých oblastech může jejich výstavba situaci zhoršit a ohrozit místní zdroje. Malá část vody, která se neodpaří, může být znečištěna prachem či jinými látkami a musí být před vypuštěním vyčištěna. Do spotřeby vody datacenter se někdy započítává i voda použitá při výrobě elektřiny. Týká se to však všech sektorů využívajících elektřinu, nejen AI. I zde proto platí — klíčem je čistá a šetrná výroba elektřiny s co nejmenším dopadem na životní prostředí.
Dalším problémem je, že datacentra jsou velice úzce lokalizována a většina z nich se nachází v několika málo regionech, nejčastěji v USA (z evropských států je vysoká koncentrace datacenter v Irsku). Pokud je v určitém regionu vysoká koncentrace datacenter a zároveň tam dochází ke snižování množství podzemní vody v důsledku klimatické změny, pak přítomnost datacenter může tyto problémy dále zhoršovat. Stejně tak vysoká koncentrace datacenter v některých oblastech může vést k velké zátěži elektrické přenosové soustavy, neboť se jedná o vysokou a úzce lokalizovanou spotřebu elektřiny. Klíčové je tedy dobré plánování při výstavbě datacenter a podpora uzavřených systému chlazení s nižší spotřebou vody.
Globální mapa velkých datacenter (2024). Datová centra jsou často soustředěna do velkých shluků, což může způsobovat problémy pro místní energetické sítě.
Zdroj: Analýza IEA založená na datech společnosti OMDIA (2025).
Kromě chlazení vodou se v některých nejmodernějších datacentrech využívá tzv. imerzivní chlazení, kdy jsou servery zcela ponořeny do nevodivé tekutiny. Tato technologie nabízí mnohem účinnější odvod tepla od čipů, nižší spotřebu energie na chlazení a také nižší spotřebu vody. Na druhou stranu — u některých tekutin používaných k imerzivnímu chlazení panují dosud nejasnosti ohledně jejich vlivu na životní prostředí. U serverů určených pro nejmodernější AI modely se dá očekávat častější využití imerzivního chlazení, protože právě zde je klíčová potřeba co nejefektivnějšího odvodu tepla. Lepší chlazení navíc může prodloužit životnost těchto výkonných zařízení.
Datacentra jsou sice základní infrastrukturou digitálního světa, ale zároveň představují reálné stavby z betonu a oceli ve fyzickém prostředí. I když jejich výstavba nevyžaduje extrémní množství materiálu ve srovnání s jinými typy staveb, samotné servery a kabeláž spotřebovávají značné množství mědi a dalších surovin — včetně kritických a vzácných minerálů. V některých případech tvoří datacentra významný podíl na celosvětové spotřebě těchto materiálů. Servery se navíc obvykle vyměňují každé 3 až 5 let, což dále zvyšuje poptávku po surovinách a zároveň vytváří velké množství elektroodpadu. Klíčové materiály pro datacentra jsou křemík, měď, kovy vzácných zemin a gallium. Mezinárodní agentura pro energii modeluje i očekávanou spotřebu těchto minerálů pro datacentra v roce 2030, ve scénářích s větším rozvojem datacenter se jedná o 2 % globální spotřeby u křemíku a mědi, 3 % u kovů vzácných zemin a až 11 % u gallia. [pozn. 6]
Poptávka po kritických nerostech potřebných k pokrytí růstu kapacity datových center do roku 2030 jako podíl na jejich celkové poptávce v roce 2024:
Růst datových center do roku 2030 bude mít různý dopad na poptávku po nerostech; podíl celkové poptávky je malý u tradičních kovů, ale bezpečnost dodávek těchto nerostů bude stále kritická.
Poznámka: Pásma pro každý nerost představují odhadovaný rozsah jejich poptávky ze strany datových center s umělou inteligencí v roce 2030 jako podíl na jejich celkové poptávce v roce 2024. Zdroj: IEA
Těžba surovin představuje výraznou zátěž pro životní prostředí, samotná datacentra (a tedy i AI) však z celkového objemu těžby představují jen velmi malý podíl. Globální produkce těžebního průmyslu byla 19,2 miliard tun v roce 2023, drtivou většinu tohoto množství tvoří fosilní paliva (16,6 miliard tun) a následně železo a jeho slitiny (1,6 miliard tun). Globální produkce mědi v roce 2023 byla 22 milionů tun, kovů vzácných zemin 385 tisíc tun a gallia pouze 713 tun. Ačkoli tedy využití gallia v datacentrech tvoří vysoký podíl spotřeby, v absolutních číslech se jedná jen o velmi malé množství v porovnání s ostatními materiály.
Nárůst spotřeby minerálů v důsledku rozšiřování AI a datacenter je relativně malý ve srovnání s jinými oblastmi. Jen v roce 2024 se navýšila poptávka po lithiu o 30 % a poptávka po dalších kovech o 6—8 % v důsledku rozšiřování elektromobilů, bateriových úložišť, elektrických sítí a obnovitelných zdrojů. Z pohledu těžby se tedy tyto zelené technologie nemusí jevit jako čisté, zároveň však umožňují nahradit používání fosilních paliv, které dnes tvoří 80 % veškeré těžební produkce. Dopad na životní prostředí samozřejmě nemusí vždy souviset s celkovým objemem těžby, zároveň konkrétní použitá technologie těžby hraje také klíčovou roli. Ačkoli je tedy navýšení těžby v důsledku AI jen velmi malé, je stále žádoucí usilovat o opětovné využívání cenných materiálů z vyřazených serverů a podporovat cirkulární ekonomiku. Stejně tak je důležité přijetí adekvátních regulací pro omezení dopadu těžby na životní prostředí. Opět je klíčové chránit přírodu především přímo tam, kde k jejímu poškozování dochází.
Přínos AI při ochraně životního prostředí
Vývoj a využívání umělé inteligence s sebou nese určitou ekologickou zátěž – stejně jako většina lidských činností. Zároveň ale AI nabízí značný potenciál, jak životnímu prostředí pomáhat. Její přínos lze rozdělit do čtyř hlavních oblastí:
1) průlomové vědecké objevy a posun hranic lidského poznání,
2) lepší porozumění klimatickým jevům a našemu dopadu na životnímu prostředí,
3) optimalizace současných systémů,
4) přímá ochrana životního prostředí.
Průlomové vědecké objevy
V roce 2024 byla v souvislosti s umělou inteligencí udělena hned dvě nejprestižnější vědecká ocenění: Nobelovy ceny za fyziku a za chemii. John Hopfield a Geoffrey Hinton získali Nobelovu cenu ve fyzice za svoji průkopnickou práci v minulém století, která výrazně posunula kupředu umělé neuronové sítě. Nobelovu cenu za chemii získal biochemik David Baker společně s dvěma výzkumníky umělé inteligence z Google DeepMind: Demisem Hassabisem (který DeepMind zároveň založil a dodnes řídí) a Johnem Jumperem. Ti cenu obdrželi za vývoj modelu AlphaFold (a jeho dalších verzí AlphaFold 2 a 3), který zcela zásadně rozšířil naše porozuměním základním stavebním kamenům života — proteinům. Před tímto modelem jsme byli schopni předvídat geometrickou strukturu po složení u několika set tisíc proteinů, modely AlphaFold rozšířili naše porozumění 200 milionů proteinů, tedy prakticky veškeré dnes známé. Od svého vytvoření byl tento model použitý již více než 2 miliony výzkumníků po celém světě a lepší porozumění proteinům má mnoho konkrétních vědeckých aplikací, týkající se například rezistence vůči antibiotikům nebo enzymů rozkládajících plasty.
Další významné uplatnění umělé inteligence ve vědě je například při vývoji nových materiálů, kde model GNoME od DeepMind dokázal pomocí strojového učení a grafových neuronových sítí objevit stovky tisíc nových potenciálně stabilních materiálů mnohem rychleji, než je možné tradičními metodami. Místo stovek materiálů lze tedy zkoumat miliony, což významně urychlí vývoj nových technologií.
Dalším klíčovým objevem je lepší kontrola plazmy v tokamacích, klíčový krok na cestě k jaderné fúzi. Vědcům se poprvé podařilo jednoduše a přesně řídit extrémně horké plazma v jaderném reaktoru, což nás přibližuje k výrobě čisté a téměř neomezené energie.
Rozvoj vědy, základní výzkum a inovace hrají zásadní roli při ochraně životního prostředí, ačkoli jejich přínos se může projevit až postupně prostřednictvím různých aplikací.
Lepší porozumění klimatu a životnímu prostředí
Hlavní síla neuronových sítí spočívá v jejich schopnosti modelovat a predikovat komplexní jevy, kde jiné běžně používané statistické metody či fyzikální modely nejsou dostatečné. Modely založené na umělé inteligenci dnes dokážou předpovídat počasí přesněji a rychleji než běžné fyzikální modely. Umělá inteligence také umožňuje lépe predikovat rozsah zalednění v arktické oblasti nebo lépe porozumět chování zvířat. Iniciativa Climate Change AI ve spolupráci s Google DeepMind usiluje o rozšíření dostupných dat o klimatické změně, která jsou důležitá pro její efektivnější řešení. Lepší porozumění přírodním systémům je důležitý krok při jejich ochraně. Uvedené příklady ukazují jen zlomek toho, co AI v této oblasti umožňuje.
Optimalizace současných systémů
Díky lepšímu predikcím je možné optimalizovat různé dnes používané systémy a dosáhnout výrazných úspor energie. Například lepší predikce počasí v kombinaci s predikcí budoucí výroby a spotřeby elektřiny umožňuje významné optimalizace při výrobě elektřiny z obnovitelných zdrojů a při řízení elektrické přenosové a distribuční soustavy. Pomocí umělé inteligenci dokázal Google snížit spotřebu energie na chlazení datacenter o 40 %. AI také dokáže optimalizovat některé široce používané algoritmy nebo pomoci s designem nových, efektivnějších čipů. Právě úspory a zvyšování efektivity mohou pomoci snížit dopad na životní prostředí, ale musí být doplněny dalšími vhodnými opatřeními. V opačném případě může vyšší efektivita jen vést k navýšení spotřeby, nikoli ke skutečnému snížení environmentálních dopadů.
Ochrana životního prostředí
V mnoha případech se umělá inteligence již dnes využívá k lepší ochraně přírody či obnově ekosystémů. Pomocí AI lze detekovat zraněná zvířata nebo také pytláky. Autonomní drony lze použít k zalesňování obtížně dostupných oblastí. Umělá inteligence umožňuje lepší detekování plastů v oceánech a následně také efektivnější čištění. Mnoho z těchto projektů je zatím v rané fázi a některé se mohou ukázat jako nepraktické. Všechna uvedená řešení jsou však technicky proveditelná už dnes — a je velmi pravděpodobné, že podobných inovací bude v budoucnu rychle přibývat.
I výše zmíněná iniciativa Climate Change AI si klade za cíl nejen rozšiřování dostupných dat a našeho porozumění, ale také přímou pomoc v řešení klimatické změny.
Závěrem
Umělá inteligence je velmi silný nástroj a záleží jen na nás, k jakým účelům ji budeme využívat. Možností pro zlepšení lidských životů a pro ochranu životního prostředí nabízí mnoho, avšak její neuvážené využívání může vést k vyšší spotřebě energie. Ke spotřebě energie však dochází také u mnoha dalších lidských činností, ať už se jedná například o sledování televize, hraní počítačových her, sjezdové lyžování či jízdu na motorce. V kontextu ostatních lidských aktivit nejsou současné environmentální dopady umělé inteligence příliš velké. Pro snížení environmentální zátěže v důsledku spotřeby elektřiny je především nutné snižovat emise přímo při výrobě elektřiny. Dostupné technologie máme již dnes a AI nám následně může výrazně pomoci s optimalizací přenosové soustavy. Stejně tak je klíčové dobré plánování při výstavbě datacenter, využívání efektivních způsobů chlazení a podpora cirkulární ekonomiky při nakládání s elektroodpadem.
Poznámky
- 1. Studie Energy and AI publikovaná v dubnu 2025 je hlavním zdrojem dat citovaných v tomto textu.
- 2. Jedná se o podíl spotřeby tzv. akcelerovaných serverů, tedy serverů s výpočetními akcelerátory — grafickými kartami a další specializovanými čipy. Tento odhad nemusí být přesný, neboť některé méně náročné modely mohou být provozovány i v konvenčních datacentrech, zároveň akcelerované servery jsou někdy využívané i pro jiné druhy náročných výpočtů než jen pro modely umělé inteligence.
- 3. Emise celého digitálního ekosystému (tedy například včetně telekomunikačních sítí a koncových zařízení — telefonů, notebooků, monitorů a televizí) jsou několikanásobně vyšší než pouze emise datacenter. Rozšiřování AI má však dopad především na rozšiřování datacenter, s ostatními oblastmi digitálního ekosystému souvisí jen nepřímo.
- 4. Globální emise v roce 2023 jsou odhadovány na 53 miliard tun CO2 (tato jednotka zahrnuje i emise jiných skleníkových plynů než CO2, které jsou přepočteny na množství CO2 se stejným dopadem na klimatickou změnu).
- 5. Evropská legislativa ukládá větším datacentrům povinnost využít dále odpadní teplo.
- 6. Vzhledem k nejistotám ohledně budoucího objemu produkce těchto materiálů jsou tyto podíly vyjádřené vzhledem k současnému objemu produkce v roce 2024. Proto podílu na skutečné budoucí produkci budou pravděpodobně nižší.
Kapitoly příručky
Proč vést děti k poznávání umělé inteligence
Jak vidí umělou inteligenci děti
Stručná historie umělé inteligence
Co to vlastně je umělá inteligence
K čemu nám umělá inteligence slouží
Jak se umělá inteligence učí
Bez dat by to nešlo
Proč umělá inteligence diskriminuje
Etika umělé inteligence
Umělá inteligence a právo
Umělá inteligence a náboženství
Zranitelná AI
Ekologická zátěž umělé inteligence
---------------------
Educast AI dětem (YouTube)
Autor textu: Tomáš Protivínský
Editorka: Eva Nečasová
Datum poslední revize: 06/25
Doporučujeme k dalšímu studiu
bezplatný certifikovaný kurz
Bezplatný online kurz v češtině určený každému, kdo se chce dozvědět, co to je umělá inteligence, čeho lze a nelze jejím prostřednictvím dosáhnout a jak ovlivňuje naše životy. Pro účast v kurzu nejsou zapotřebí pokročilé znalosti matematiky ani znalost programování. Do českého prostředí kurz přináší prg.ai. Přejít na kurz →
AI dětem, z.s.
IČ: 17914582
Datovka: 4czjq6u
Číslo účtu: 2002446742/2010
Poptáváte vzdělávací akci či spolupráci?
Ozvěte se Kláře na: klara@aidetem.cz
Další kontakty naleznete v sekci Lidé.