Det er en av vår tids store teknologiske ironier: Kunstig intelligens (KI) blir ofte fremstilt som en miljøversting på grunn av det enorme energibehovet til datasentre. Samtidig peker eksperter på at nettopp denne teknologien kan være nøkkelen til å løse verdens energikrise. Hvordan henger dette sammen?
I denne analysen ser TenkeMaskin.no nærmere på det komplekse regnestykket bak AI og energi. Er smarte termostater og intelligent strømstyring nok til å veie opp for strømmen som kreves for å drifte selve intelligensen?
Den elefanten i rommet: Datasentrenes forbruk
For å forstå helheten, må vi først anerkjenne kostnaden. Det internasjonale energibyrået (IEA) estimerte i sin 2024-rapport at datasentre, kryptovaluta og kunstig intelligens stod for nesten 2 % av det globale strømforbruket i 2022, og at dette tallet kan dobles innen 2026. Trening av store språkmodeller (LLM-er) som GPT-4 krever tusenvis av grafikkort (GPU-er) som jobber på høygir i ukesvis.
Men, når modellen først er trent, går vi over i «inferens»-fasen – altså når AI-en brukes. Det er her potensialet for energibesparelse virkelig kommer til syne.
Smarte hjem: Mer enn bare en app
På forbrukernivå er smarte termostater og energistyringssystemer de mest synlige eksemplene på AI i praksis. I Norge, hvor oppvarming utgjør en betydelig del av husholdningenes strømregning, er potensialet stort.
Tradisjonelle termostater reagerer kun på temperaturen i rommet her og nå. En AI-drevet termostat fungerer fundamentalt annerledes:
- Prediktiv oppvarming: Ved å analysere værmeldinger, solinnstråling og husets isolasjonsevne, kan AI forhindre overoppheting før solen står opp, eller starte oppvarming basert på når strømprisen er lavest (spotprisoptimalisering).
- Læring av adferd: Systemet lærer beboernes mønstre – når de sover, når de er på jobb, og når de kommer hjem – og justerer temperaturen automatisk uten at brukeren trenger å programmere det.
En studie fra Nest (nå eid av Google) viste at smarte termostater i gjennomsnitt sparte amerikanske forbrukere for 10-12 % på oppvarming og 15 % på kjøling. I et norsk klima med svingende strømpriser kan den økonomiske gevinsten være enda større ved å flytte lasten til billigere timer, selv om den totale kWh-besparelsen varierer basert på boligens standard.
Industriell effektivisering: Google-eksempelet
Det kanskje mest overbevisende beviset på at AI kan spare mer enn det bruker, kommer fra teknologigigantene selv. I 2016 tok Google i bruk sin egen DeepMind AI for å styre kjølesystemene i sine datasentre.
«Ved å la en AI styre pumper, kjølere og ventilasjon, reduserte Google energibruken til kjøling med hele 40 prosent.»
Dette er et mikrokosmos av hva som er mulig i industrien. AI kan optimalisere produksjonslinjer, redusere svinn i forsyningskjeder og effektivisere logistikkrutene til transportskip og lastebiler. Boston Consulting Group (BCG) har estimert at bruk av AI kan redusere globale klimagassutslipp med 5–10 % innen 2030, primært gjennom effektivisering.
Det smarte strømnettet (Smart Grid)
For Norge og Europa er den største utfordringen fremover ikke bare hvor mye strøm vi bruker, men når vi bruker den. Med mer uregulerbar kraft inn i systemet (vind og sol), blir strømnettet vanskeligere å balansere.
Her spiller AI en kritisk rolle som menneskelige operatører ikke kan matche:
- Lastbalansering i sanntid: AI kan analysere millioner av datapunkter fra smarte målere (AMS) for å forutsi forbrukstopper og distribuere strømmen mer effektivt.
- Integrering av fornybart: Maskinlæring brukes for å forutsi nøyaktig hvor mye vind- eller solkraft som vil produseres de neste timene, slik at vannkraftverkene kan spare vann i magasinene når det blåser som mest.
Konklusjon: Et positivt regnestykke?
Svaret på om AI sparer strøm er ikke et enkelt ja eller nei, men et spørsmål om nettoeffekt. Mens treningen av modellene er energikrevende, er dette en engangskostnad. Den løpende driften (inferens) bruker energi, men effektiviseringsgevinsten den muliggjør i andre sektorer – fra smarte bygg til optimaliserte strømnett – ser ut til å overgå forbruket med god margin.
For norske forbrukere og bedrifter betyr dette at selv om teknologien bak «tenkende maskiner» krever ressurser, er den sannsynligvis vårt kraftigste verktøy for å få ned både strømregningen og det totale klimaavtrykket i årene som kommer.
Kilder og videre lesning
- IEA Electricity 2024 Report – Analysis and forecast to 2026
- Google DeepMind: Safety-first AI for autonomous data centre cooling
- Boston Consulting Group: How AI Can Be a Powerful Tool in the Fight Against Climate Change
- NVE: Kraftmarkedsanalyser og fremtidsutsikter for norsk kraftforsyning
Saken ble først publisert på: TenkeMaskin.no