AI Generatif Berdampak Buruk bagi Lingkungan, Bagaimana Mengatasinya?

Penempatan pusat data di dekat area perumahan juga memicu konflik regulasi dan zonasi.

Konflik ini muncul dari kekhawatiran warga setempat terkait tingkat kebisingan, dampak visual, dan penggunaan lahan. Polusi suara dari sistem pendinginan dan peralatan pusat data mengganggu kehidupan warga sekitar.

Mengatasi bahaya lingkungan AI

Guna mengatasi bahaya lingkungan dari AI generatif, kita bisa melakukan pendekatan teknis dan nonteknis. Pendekatan ini juga bisa dilakukan hingga ke pengelolaan operasional pusat data.

Dari sisi teknis, misalnya, institusi bisa menggunakan LLM yang sudah ada, alih-alih membuatnya dari awal. Sebab, proses pembuatan model baru yang membutuhkan energi besar.

Sebagai contoh, AI generatif berjenis open source (sumbernya bisa diakses semua orang) bisa digunakan untuk membantu universitas mengembangkan AI generatif di negara berkembang.

Google, misalnya, membuat PaLM-LLM yang mendasari Google Bard-menjadi open source. Model yang sudah ada juga bisa diperbaiki dan disesuaikan ulang (fine-tuning).

Institusi juga perlu mempertimbangkan dengan saksama apakah AI generatif memang satu-satunya solusi. Institusi juga adakalanya menganggap setiap masalah bisnis bisa diselesaikan dengan model-model AI, padahal jika ada solusi lain yang hemat energi dengan hasil yang sama baiknya, AI generatif atau model-model AI yang kompleks lainnya seharusnya tidak digunakan.

Komputasi yang hemat energi juga merupakan aspek penting. Penggabungan perangkat keras dan perangkat lunak yang efisien ke dalam sistem AI dapat mengurangi konsumsi energi sehingga lebih ramah lingkungan.

Pengembang juga dapat mengadopsi metode komputasi yang sadar energi seperti TinyML. TinyML merupakan platform penerapan algoritma pemelajaran mesin (machine learning) dengan sumber daya dan energi yang rendah.

Di sisi non teknis, kesadaran terhadap lingkungan memainkan peran penting. Institusi harus mengambil keputusan yang sadar mengenai pemilihan model-model AI yang ramah energi.

Perusahaan dan para peneliti harus mengutamakan praktik AI yang berkelanjutan dan berinvestasi dalam perangkat keras dan infrastruktur yang efisien energi. Adopsi sumber energi terbarukan dan optimalisasi operasi pusat data dapat secara signifikan mengurangi jejak karbon yang terkait dengan pembuatan model AI generatif.

Dari sisi regulator, para pembuat kebijakan dapat menerapkan peraturan dan insentif untuk mendorong praktik pengembangan teknologi AI yang ramah lingkungan.