De verborgen kosten van de AI-boom

Iedereen die af en toe het nieuws bekijkt of een krant leest, weet het: de huidige hausse op het gebied van kunstmatige intelligentie is de oorzaak van talrijke negatieve ontwikkelingen. Een sprekend voorbeeld hiervan is de sterk stijgende prijs van grafische kaarten (GPU’s) en andere gespecialiseerde IT-componenten, waardoor krachtige pc’s, laptops of smartphones voor veel thuisgebruikers bijna onbetaalbaar worden.

Veel ernstiger is echter de extreme behoefte aan hulpbronnen van AI-datacenters. Om aan de vraag naar elektriciteit te voldoen, kunnen IT-giganten niet langer uitsluitend vertrouwen op hernieuwbare energie: er worden steeds vaker gascentrales direct naast de datacenters gebouwd (voorbeelden hiervan zijn Microsoft of X.ai van Elon Musk). Alsof dat nog niet genoeg is, zorgen zij voor kernenergie: door hun eigen reactoren te bouwen (bijvoorbeeld Amazon) of door contracten met een looptijd van tientallen jaren af te sluiten met bestaande kerncentrales, waardoor deze veel langer in bedrijf blijven, ook al hadden ze al lang geleden door andere energiebronnen moeten worden vervangen (dit is de aanpak van Meta, het moederbedrijf van onder meer Facebook en Co., deze aanpak).

Het spreekt voor zich dat deze praktijken op de lange termijn negatieve gevolgen hebben voor het milieu. Maar zelfs op de korte termijn ondervinden particulieren de gevolgen ervan door stijgende prijzen voor elektriciteit en andere energiebronnen. Zo leidde de recente aankondiging van Google dat het van plan is zijn eerste datacentrum in Oostenrijk te bouwen, tot discussies over de vraag of dit project een directe invloed zou hebben op de elektriciteitsprijzen in het hele land. Schattingen wijzen er immers op dat het datacentrum ongeveer 5 tot 6 procent van de elektriciteit in Oostenrijk zou kunnen verbruiken – bijna twee keer zoveel als de stad Graz.

Maar genoeg over de gevolgen voor de (milieu)kosten; laten we het nu hebben over een veel alledaagder nadeel. Hoewel kunstmatige intelligentie in bepaalde kringen bijna wordt beschouwd als een democratisering van kennis, moet men dergelijke ideeën met grote voorzichtigheid benaderen. Natuurlijk biedt een LLM (Large Language Model) de gebruiker toegang tot de volledige schat aan kennis van het model, die tegenwoordig doorgaans onvoorstelbaar groot is. Aan de andere kant moet men eerst toegang hebben tot de AI zelf. Dit is in armere huishoudens, gebieden of culturen vaak simpelweg niet beschikbaar, aangezien ten minste een internetverbinding en een geschikt apparaat voorwaarden zijn voor interactie.

Het feit dat niet iedereen gebruik kan maken van AI lijkt op het eerste gezicht misschien niet bijzonder ernstig, gezien het feit dat wij er enkele jaren geleden ook nog geen gebruik van konden maken. Tegelijkertijd moet echter worden opgemerkt dat de wereld inmiddels is veranderd. Bedrijven en zelfstandigen die geen gebruik maken van AI verliezen hun concurrentievermogen door een lagere productiviteit; leerlingen en studenten zonder toegang tot AI-begeleiders en leermiddelen raken achterop bij hun meer bevoorrechte leeftijdsgenoten; AI-vaardigheden worden steeds vaker vereist op de arbeidsmarkt, enzovoort, enzovoort. Zelfs op kleine schaal is het verschil tussen mensen die zich toegang tot betaalde (Pro-)versies van LLM’s kunnen veroorloven en degenen die aangewezen zijn op gratis modellen, vandaag de dag vaak al merkbaar.

Een ander probleem is dat degenen die niet gewend zijn aan het gebruik van AI aanzienlijk meer moeite hebben met het herkennen van deepfakes en door AI gegenereerde inhoud. Hierdoor worden zij veel meer dan anderen blootgesteld aan desinformatie en propaganda. Toegegeven, ook voor ervaren gebruikers wordt het steeds lastiger, aangezien door AI gegenereerde afbeeldingen en video’s er steeds beter en realistischer uitzien.

Een laatste nadeel, voordat we helemaal somber worden, is het feit dat kunstmatige intelligentie ons probleemoplossend vermogen aantast en onze vooroordelen versterkt. Iedereen die te veel vertrouwt op de alwetende gesprekspartner die voor elk probleem een oplossing paraat heeft, zal vroeg of laat de drang verliezen om zelf een geschikte uitweg te vinden. Het is niet het verlies van de motivatie dat het meest jammer is, maar veeleer het verlies aan oefening en daarmee het vermogen om problemen op te lossen. Bovendien is kunstmatige intelligentie niet neutraal – zij is getraind op basis van menselijke, bevooroordeelde gegevens. De AI neemt deze vooroordelen over en versterkt ze mogelijk zelfs.

Wat leren wij hieruit? Tegenwoordig is er geen ontkomen aan kunstmatige intelligentie, want wie niet meegaat op de AI-golf, kan in veel vakgebieden simpelweg geen gelijke tred meer houden. Tegelijkertijd zou het om vele redenen eigenlijk het beste zijn om helemaal zonder AI te werken. Zoals zo vaak het geval is in het leven, zal er daarom een middenweg moeten worden gevonden – noch het een, noch het ander.