בקצרה
יותר בינה, פחות מים: ההשפעה של הבינה המלאכותית על ניצול משאבי מים
יובל שניידמן אסכולה – רשת הבוגרים של מרכז מדעני העתיד
יונתן יעקובוביץ' אסכולה – רשת הבוגרים של מרכז מדעני העתיד
גלעד בלנק אסכולה – רשת הבוגרים של מרכז מדעני העתיד
זהר ברנט-יצחקי הפקולטה להנדסה, המרכז האקדמי רופין; קבוצת המחקר לקיימות סביבתית וחברתית, המרכז האקדמי רופין ([email protected])

חוות שרתים. "הדרך הנפוצה ביותר לקרר שרתים היא באמצעות מים, ולכן הם צורכים כמויות אדירות של מים" – צריכת המים אחראית לחלק משמעותי מההשפעה הסביבתית שלהם | צילום: קנת' מרטין, פליקר, CC BY-NC-ND 2.0
מאת
נועם אל-על
אסכולה – רשת הבוגרים של מרכז מדעני העתידיובל שניידמן
אסכולה – רשת הבוגרים של מרכז מדעני העתידיונתן יעקובוביץ'
אסכולה – רשת הבוגרים של מרכז מדעני העתידגלעד בלנק
אסכולה – רשת הבוגרים של מרכז מדעני העתידזהר ברנט-יצחקי
הפקולטה להנדסה, המרכז האקדמי רופין; קבוצת המחקר לקיימות סביבתית וחברתית, המרכז האקדמי רופיןמאת
נועם אל-על
אסכולה – רשת הבוגרים של מרכז מדעני העתידיובל שניידמן
אסכולה – רשת הבוגרים של מרכז מדעני העתידיונתן יעקובוביץ'
אסכולה – רשת הבוגרים של מרכז מדעני העתידגלעד בלנק
אסכולה – רשת הבוגרים של מרכז מדעני העתידזהר ברנט-יצחקי
הפקולטה להנדסה, המרכז האקדמי רופין; קבוצת המחקר לקיימות סביבתית וחברתית, המרכז האקדמי רופיןהבינה המלאכותית (AI – Artificial Intelligence) משנה במהירות ובדרמטיות היבטים רבים בחיינו: מאלגוריתמים המנתחים נתוני בריאות במטרה לאבחן מחלות, דרך מערכות המלצה המעצבות את הרגלי הצריכה והבידור שלנו, ועד לרובוטים אוטונומיים המשנים את פני התעשייה והתחבורה – היא מציבה בפנינו הזדמנויות חסרות תקדים ומעצבת מחדש את עתידנו.
תקוות רבות נתלות בבינה המלאכותית כדי שתספק פתרונות יצירתיים וחדשניים לאתגרים רבים, כדוגמת התקווה שהיא תסייע להתמודד עם משבר האקלים ועם משבר המים העולמי שמחריף בשנים האחרונות. עם זאת, קיים עקב אכילס משמעותי בבינה המלאכותית, בדגש על זו שעושה שימוש במודלי שפה גדולים (LLM), כיוון שפיתוח המודלים והפעלתם כרוכים בניצול משאבים רבים, ולפיכך היא בעלת השלכות סביבתיות נרחבות. רבים חושבים שהנזק הסביבתי הנגרם מהפעלת חוות שרתים (מרכזי נתונים – data centers) נובע רק מצריכת חשמל בכמות אדירה. ואכן, ייצור חשמל, במיוחד מדלק מחצבים, מלווה בפליטת גזי חממה ומזהמי אוויר ובשימוש נרחב בשטחים פתוחים לצורך הפקה והולכה. צריכתן הכוללת של למעלה מ-11,000 חוות השרתים הפועלות כיום בעולם מוערכת ב2%–1 מצריכה האנרגיה העולמית [3, 4].

אך מעבר לכך, פעילות חישובית מאומצת של שרתים, כמו זו הכרוכה באימון מודלים של בינה מלאכותית ובהפעלתם, מביאה לפליטה משמעותית של חום שעלול לפגוע בתפקוד השרתים. כדי שהשרתים יוכלו לתפקד ברציפות, יש צורך בוויסות הטמפרטורה שלהם באמצעות קירור. כיום הדרך הנפוצה ביותר לקרר שרתים היא באמצעות מים, ולכן הם צורכים כמויות אדירות של מים, מה שהופך את ההשפעה הסביבתית שלהם למשמעותית עוד יותר [5].
בממוצע, נדרש להזרים כ-2 ליטרים של מים קרים כדי לקרר רכיב שצורך 1 קילו-ואט לשעה [8], אך בתהליך הקירור מתאדה חלק גדול מהמים: חוות שרתים קטנה הצורכת 1 מגה-ואט מנצלת כ-25,500 מ"ק מים לשנה בעקבות אידוי המים [6], כך שלפי ההערכה, 11,000 חוות השרתים בעולם מנצלות מעל 280 מיליון מ"ק לשנה. כמות האידוי תלויה בשלושה גורמים עיקריים: בלחות, בטמפרטורה וביעילות הקירור של השרת [6]. ההערכה היא ש-ChatGPT צורך מעל חצי ליטר מים כדי לכתוב מייל בן 100 מילים, ומשמעות הדבר היא שכתיבה של מייל שבועי כזה באמצעותו תביא לצריכה של כ-27 ליטרים בשנה [9]. קצב הגידול המואץ של הבינה המלאכותית והקמה של חוות שרתים נוספות יביאו לגידול משמעותי בכמויות המים שייצרכו בשנים הקרובות בעולם.
בישראל הוקמו, עד סוף שנת 2023, 25 חוות שרתים, ובשנים הקרובות צפויות לקום חוות נוספות רבות [1], מה שיביא לדרישה הולכת וגוברת של מי שתייה – שלא לצורכי שתייה.

שבבי תקווה: כיצד ניתן לצמצם את צריכת המים ההולכת וגוברת הנדרשת לתמיכה בבינה המלאכותית?
מיקום גאוגרפי של חוות השרתים
כיום חוות שרתים מפוזרות בכל רחבי העולם: במדינות חמות וקרות, לחות ויבשות. מיקום החוות נעשה בהתאם לשיקולים טכניים, כמו קִרבה לתשתיות אנרגיה ואינטרנט, אך גם לפי שיקולים אקלימיים, בדגש על טמפרטורה ולחות [7]. מתן דגש רב יותר לשיקולים אלה יוכל להביא לצמצום פליטות החום של השרתים וכך גם לצמצום צריכת המים שלהם. לדוגמה, הקמת חוות שרתים חדשות באזורים מדבריים עם לחות נמוכה, או במדבריות ארקטיים שהלחות והטמפרטורה בהם נמוכות.
בחינת חלופות למי שתייה

כדי להימנע ממשקעים, מהצטברות אבנית בצינורות ההובלה ומפגיעה בשרתים, בדרך כלל נעשה שימוש במי שתייה לקירור החוות. אך כבר כיום נעשה בחוות שונות בעולם שימוש במים שאינם כאלה לקירור, למשל בקולחים, במים ממוחזרים – כמו בשרתי חברת אמזון בווירג'יניה ובאורגון [6], ובמי ים – למשל במרכז נתונים של גוגל בפינלנד [6]. בשנים האחרונות נבחנים נוזלי קירור אחרים, בעלי נטייה מופחתת לאידוי, לדוגמה: פרופילן גליקול, נוזל בעל טמפרטורת רתיחה של יותר מ-180 מעלות צלזיוס, שאפשר לעשות בו שימוש חוזר בחוות שרתים [2]. ניתן לבחון גם תמהילים בין פרופילן גליקול למי שתיה לייעול תהליכי הקירור [2]. מעבר לכך, ניתן לבחון חלופות קירור מסוגים אחרים, כגון שימוש באוויר חיצוני לקירור [6].
העלאת מודעות וחינוך לצמצום השימוש בבינה מלאכותית
רבים מהמשתמשים בבינה המלאכותית אינם מודעים לצריכת המים הגבוהה של חוות השרתים. העלאת המודעות וחינוך לשימוש אחראי בה ברחבי העולם עשויים לתרום גם הם לצמצום השימוש בה ולצמצום צריכת המים של חוות שרתים.
אסדרה ואחריות החברות
הטמעת ערכי הקיימות וצמצום השימוש במי שתייה על-ידי חברות המספקות שירותי בינה מלאכותית כחלק מתפיסה של סביבה, חברה וממשל תאגידי (ESG – Environmental, Social, and Corporate Governance) תסייע להתמודדות עם הבעיה. מעֲבר למודלים של בינה מלאכותית בתשלום ישרת את המטרה בשני אופנים: צמצום השימוש בבינה מלאכותית על-ידי המשתמשים, ואפשרות להשקעת התשלומים שיתקבלו בפיתוח ובמחקר למציאת שיטות לחיסכון במים ותחליפים למים.
לסיכום, מהפכת הבינה המלאכותית מציעה פתרונות להקלה על חיינו. ברם, טכנולוגיה זו כרוכה בניצול משמעותי של אנרגיה ומים, דרישות שיגדלו משמעותית בשנים הקרובות עם חדירתה לקהלים נוספים ברחבי העולם. אחת הבעיות המרכזיות בשימוש בה היא היעדר מודעות המשתמשים להשלכות הסביבתיות, בדגש על משאבי המים. מאמרים כדוגמת זה עשויים להעלות את מודעות הציבור לשימוש נבון ואחראי במשאבים האלה. לטכנולוגיה יש כוח, והיא יכולה לתרום לנו רבות, אך חשוב ללמוד כיצד רותמים אותה לטובתנו ולטובת הסביבה שאנו חיים בה, ומשתמשים בה ביעילות.
חלק ממחברי כתבה זו, חברי 'אסכולה – רשת הבוגרים של מרכז מדעני העתיד', השתתפו בתוכנית ייחודית בהנחיית האגודה הישראלית לאקולוגיה ולמדעי הסביבה. בתוכנית הם עסקו בהשפעת סוגיות אקטואליות באקולוגיה ובמדעי הסביבה על מדיניות ציבורית, ומנחים מנוסים הנחו קבוצות עבודה בכתיבת מאמרים, בפיתוח ניירות עמדה ובהכנת דו"חות מומחים.
מקורות
- דור א. 2024. מספר חוות השרתים בישראל יגדל פי 3.5 עד סוף 2025 — וזאת רק ההתחלה. דה מרקר, 2 באפריל.
- David MP, Iyengar MK, Parida P, et al. 2012. Impact of operating conditions on a chiller-less data center test facility with liquid cooled servers. 13th InterSociety Conference on Thermal and Thermomechanical Phenomena in Electronic Systems. 30 May – 1 June 2012, San Diego (CA).
- Ewim DRE, Ninduwezuor-Ehiobu N, Orikpete OF, et al. 2023. Impact of data centers on climate change: A review of energy efficient strategies. The Journal of Engineering and Exact Sciences 9(6): 16397-01e.
- Goldman Sachs. 2024. AI is poised to drive 160% increase in data center power demand.
- McDonald J, Li B, Frey N, et al. 2022. Great power, great responsibility: Recommendations for reducing energy for training language models. arXiv preprint 2205.09646.
- Mytton D. 2021. Data centre water consumption. npj Clean Water 4: 11.
- Shehabi A, Masanet E, Price H, et al. 2011. Data center design and location: Consequences for electricity use and greenhouse-gas emissions. Building and Environment 46(5): 990–998.
- Shehabi A, Smith S, Sartor D, et al. 2016. United states data center energy usage report. Berkeley (CA): Lawrence Berkeley National Laboratory. LBNL-1005775.
- Verma P and Tan S. 2024. A bottle of water per email: The hidden environmental costs of using AI chatbots. The Washington Post, 18 September.