Emisi Karbon AI vs Industri Penerbangan: Mana yang Lebih Cepat Merusak Bumi?
Analis riset teknologi kini mulai mengarahkan fokus mereka pada emisi karbon AI sebagai salah satu ancaman lingkungan digital terbesar di dekade ini. Ketika jutaan orang di seluruh dunia asyik menggunakan kecerdasan buatan, ada harga lingkungan yang harus dibayar mahal di balik layar.
SEBUAH studi dari Massachusetts Institute of Technology (MIT) mengungkapkan bahwa melatih satu model kecerdasan buatan skala besar dapat menghasilkan emisi karbon AI yang setara dengan lima kali lipat siklus hidup rata-rata mobil di Amerika Serikat.
Selama ini, industri penerbangan kerap menjadi kambing hitam utama dalam isu pemanasan global. Namun, dengan penetrasi server komputasi yang masif, apakah polusi tak kasatmata dari algoritma ini berpotensi menjadi lebih merusak bumi daripada kepulan asap jet komersial?
Untuk memahami skala ancaman ini, kita harus membedakan cara kedua industri meninggalkan luka pada atmosfer bumi. Industri penerbangan melepaskan gas rumah kaca secara langsung ke stratosfer melalui pembakaran bahan bakar avtur. Sebaliknya, kecerdasan buatan mengonsumsi energi secara tidak langsung melalui infrastruktur fisik yang sangat rakus daya.
Menurut laporan dari International Energy Agency (IEA), industri penerbangan global bertanggung jawab atas sekitar 2% hingga 2,5% dari total emisi karbon dunia setiap tahunnya. Angka tersebut setara dengan hampir 1 miliar ton karbon dioksida yang dilepaskan ke udara secara konstan. Kondisi ini membuat sektor transportasi udara selalu berada di bawah pengawasan ketat para aktivis lingkungan global.
Bagaimana dengan AI? Jejak karbon kecerdasan buatan saat ini masih dikategorikan dalam sektor teknologi informasi dan komunikasi (TIK). Secara keseluruhan, pusat data global menyumbang sekitar 1% hingga 1,5% dari total emisi global saat ini. Namun, grafik pertumbuhan digital ini bersifat eksponensial dan sulit dibendung.
Laporan Stanford Human-Centered Artificial Intelligence (HAI) menunjukkan bahwa intensitas komputasi untuk melatih model AI paling canggih berlipat ganda setiap beberapa bulan. Pertumbuhan ini jauh melampaui kecepatan efisiensi perangkat keras yang ada. Akibatnya, lonjakan konsumsi energi menjadi tidak terhindarkan.
Anatomi Polusi Data Center: Di Mana Emisi Karbon AI Bersembunyi?
Banyak pengguna awam mengira bahwa teknologi cloud berarti data disimpan di tempat yang bersih dan tanpa wujud. Realitasnya, sistem komputasi ini adalah kompleks bangunan beton raksasa berisi jutaan prosesor yang bekerja tanpa henti. Polusi data center ini terbagi menjadi dua fase krusial, yaitu fase pelatihan (training) dan fase inferensi (inference).
Umur Pendek Energi dalam Fase Pelatihan Model
Proses melatih Large Language Model (LLM) seperti GPT-4 membutuhkan ribuan kartu grafis berdaya tinggi yang berjalan berbulan-bulan. Berdasarkan analisis dari firma riset Gartner, konsumsi energi untuk melatih satu model AI generatif mutakhir dapat menghabiskan listrik ratusan rumah tangga selama setahun penuh.
Jika sumber listrik pusat data tersebut masih bergantung pada pembangkit listrik tenaga batu bara, maka emisi karbon AI yang dihasilkan akan langsung melonjak tajam. Oleh karena itu, lokasi geografis pembangunan pusat data sangat menentukan tingkat kerusakan lingkungan yang dihasilkan.
Beban Tersembunyi dari Setiap Klik Pengguna
Fase inferensi terjadi saat pengguna mengetik perintah dan AI memberikan jawaban di layar gawai Anda. Meskipun satu kueri pencarian berbasis AI hanya menghasilkan emisi yang kecil, akumulasi miliaran kueri per hari menciptakan angka yang mengerikan.
Riset dari Pew Research Center mengenai adopsi teknologi menunjukkan bahwa ketergantungan masyarakat terhadap alat bantu bertenaga AI meningkat tiga kali lipat. Setiap kali AI generatif merespons perintah Anda, ada energi fosil yang dibakar di suatu tempat di bumi ini.
Krisis Air dan Dampak Lingkungan dari AI yang Lebih Luas
Dampak buruk AI terhadap bumi tidak terbatas pada emisi karbon dioksida saja. Ada dimensi lingkungan lain yang tidak kalah mengkhawatirkan, yaitu konsumsi air bersih dalam volume yang sangat masif. Pusat data membutuhkan sistem pendingin yang bekerja konstan agar prosesor tidak mengalami panas berlebih.
