Vi taler om kunstig intelligens, som om den bor et sted uden for den fysiske verden. Vi kalder det ”skyen”, vi åbner en browser, skriver nogle ord og får et svar tilbage. Det ser næsten vægtløst ud. Men der findes ingen sky. Der findes enorme bygninger fyldt med computere, kilometer efter kilometer af kabler, transformerstationer, batterier, køleanlæg, kraftværker, miner, vandforsyninger, chipfabrikker, dieseldrevne nødgeneratorer og en global transportkæde, som skal holde det hele i gang. Det er den virkelighed, der forsvinder, når AI fremstilles som noget rent digitalt.

Karen Hao viser i Empire of AI, at generativ AI ikke blot er en ny softwareindustri, men en fysisk udvindingsindustri. Dens råvarer er ikke alene tekst, billeder og menneskeligt arbejde. Den æder land, energi, ferskvand, kobber, lithium, silicium, gallium og andre materialer, og efterlader samtidig varme, støj, udledning, elektronisk affald og lokalsamfund, der må konkurrere med nogle af verdens rigeste selskaber om helt grundlæggende livsbetingelser^[1]. Det er den side af AI, der sjældent vises, når en chatbot demonstreres på en scene.

Jeg har tidligere peget på paradokset i, at samfundet på den ene side pålægges stadig mere omfattende energi og klimakrav, mens AI industrien på den anden side får lov til at udløse et nyt og voldsomt energibehov^[2]. Men problemet er større end energipolitik. Når hele forsyningskæden regnes med, bliver spørgsmålet langt mere grundlæggende: Hvad koster denne teknologiske revolution i jord, vand, natur, menneskeliv og fremtidige generationers ressourcer?

Det ord, der går igen hos Hao, er extractivisme. Det betyder mere end almindelig udvinding. Mennesket har altid hentet materialer ud af jorden og brugt naturens ressourcer. Extractivisme opstår, når udvindingen vokser til en skala, hvor gevinsterne samles langt fra det sted, der bærer omkostningerne. Vandet tages ét sted, mineralerne et andet, den billige arbejdskraft et tredje, mens værdien og magten koncentreres hos selskaber og investorer et helt andet sted. Det er netop sådan den moderne AI industri er ved at blive bygget.

Derfor kan datacenteret heller ikke vurderes alene på den grund, hvor serverhallen står. Den synlige bygning er kun knudepunktet i en langt større fysisk kæde. Bag den ligger miner, raffinaderier, chipfabrikker, kraftværker, højspændingsnet, vandværker og transport. Foran den ligger et voksende bjerg af udskiftet elektronik. Ved siden af den står mennesker, som mister vand, jord, ro eller arbejde. Og inde i selve AI systemet findes endnu et lag af mennesker, som har sorteret, mærket og renset data, ofte under forhold som brugeren aldrig ser.

Et moderne hyperscale datacenter, er ikke en server i et aflåst rum. Det er et industriområde. Store haller fyldes med rækker af serverracks, og omkring dem bygges køling, strømforsyning, nødstrøm, netværk, brandbeskyttelse og fysisk sikkerhed. Der skal anlægges veje, transformere og højspændingsforbindelser, og når centrene samles i store klynger, bliver de til det, industrien selv kalder campusser og nu megacampusser.

Det er vigtigt, fordi skalaen ændrer problemets karakter. Et anlæg kan være effektivt målt pr. beregning og stadig være ødelæggende i absolut forbrug, hvis antallet af beregninger vokser hurtigere end effektiviteten. Det er præcis det, AI kapløbet gør. International Energy Agency anslog i 2025, at datacentre brugte omkring 415 terawatt timer elektricitet globalt i 2024, omtrent 1,5 procent af verdens elforbrug, og at forbruget i deres basisscenarie kan nå omkring 945 terawatt timer i 2030. AI er den vigtigste drivkraft bag væksten^[3].

Den udvikling fortsatte. IEA oplyste i april 2026, at datacentrenes elforbrug var steget 17 procent alene i 2025, mens AI orienterede datacentre voksede endnu hurtigere. Samtidig vokser selve effekttætheden voldsomt. Et avanceret rack fylder ikke mere end et stort køleskab, men kan kræve strøm svarende til snesevis af husholdninger. Et enkelt stort AI datacenter kan derfor optræde i elnettet som en hel by eller en tung industrivirksomhed^[4].

Det er ikke kun strømmen inde i bygningen. Når en region ikke har kapacitet nok, skal nettet udbygges. Nye transformatorer skal produceres. Nye kabler skal lægges. Nye kraftværker skal levere stabil energi døgnet rundt. Der bruges stål, kobber, aluminium, beton og jord, og det hele har sit eget energi og råstofforbrug. AI industrien flytter dermed sin fysiske vægt ud i resten af samfundet. Den beslaglægger ikke blot elektricitet. Den tvinger infrastrukturen omkring sig til at vokse.

Hao gør skalaen konkret. For bare et årti siden kunne størrelsen af et stort datacenter forklares med fodboldbaner. I dag siger forskere, at den sammenligning ikke længere rækker. Hyperscalerne taler om campusser med flere enorme serverbygninger, og efter ChatGPT er et nyt ord blevet almindeligt: megacampus. Det er ikke kun et navn for flere kvadratmeter. Det fortæller, at datacenteret er blevet så stort, at det må planlægges som et kraftværk, et industriområde og et infrastruktursystem på samme tid.

En almindelig serverreol og en reol fyldt med moderne GPU’er er heller ikke det samme. Hao gengiver, at en GPU reol kan bruge omkring tre gange så meget strøm som en reol med andre computerchips. Samtidig stopper forbruget ikke, når en model er færdigtrænet. Hver gang modellen bruges, skal den igen have regnekraft. Bogen gengiver IEA’s vurdering af, at en ChatGPT forespørgsel i gennemsnit kan kræve omkring ti gange så meget elektricitet som en almindelig Google søgning. Når millioner af mennesker bruger tjenesten hver dag, bliver det løbende forbrug mindst lige så vigtigt som den spektakulære træning af den næste model.

Den tidligere generation af meget store datacentre lå omkring 150 megawatt. Hao sammenligner det med det årlige elforbrug i omtrent 122.000 amerikanske hjem. De megacampusser, som industrien nu forbereder, kan ligge mellem 1.000 og 2.000 megawatt. Ét enkelt anlæg kan dermed nærme sig elforbruget i flere storbyer. I Microsofts og OpenAIs mest ekstreme planer blev der endda regnet på en supercomputer på omkring 5.000 megawatt - næsten på niveau med den gennemsnitlige effekt, der kræves for at holde hele New York City kørende.

Det er også værd at se på, hvor hurtigt den fysiske udbygning vokser. I 2024 brugte Microsoft ifølge Hao mere end 55 milliarder dollar på datacenterinfrastruktur. Google lagde op til omkring 50 milliarder, og Meta op til 40 milliarder. Det er ikke investeringer i nogle ekstra computere i et kælderrum. Det er en industriel udbygning i en størrelsesorden, hvor jord, kobber, transformere, køleanlæg, strømproduktion og hele regionale elnet bliver en del af AI kapløbet.

Datacentre kan ikke bare slukkes, når vinden lægger sig eller solen går ned. Cloudtjenester, virksomheder, hospitalssystemer, finansielle netværk og AI tjenester forventes at være tilgængelige hele tiden. Derfor er stabil strøm vigtigere end flotte årsregnskaber over indkøbt grøn energi. Hvis den fysiske strømforsyning ikke kan levere døgnet rundt, må andre kilder stå klar.

IEA (det Internationale Energiagentur) vurderer, at vedvarende energi vil levere en stor del af væksten, men også at naturgas, kul og atomkraft får en væsentlig rolle. Det er værd at standse ved. I offentligheden bliver AI ofte markedsført som et redskab, der kan hjælpe os med at løse klima og energiproblemer. Men selve infrastrukturen bag generativ AI (f.eks. ChatGPT), øger samtidig behovet for kraftværker, transmissionslinjer og reservekapacitet. Det kan føre til, at gamle, såkaldte ”fossile” værker holdes i drift længere, mens nye gaskraftværker bygges for at kunne levere på de tidspunkter, hvor andre kilder ikke gør.

Microsofts eget miljøregnskab illustrerer paradokset. Virksomheden havde sat ambitiøse mål om at blive kulstofnegativ, men i rapporten for 2024 erkendte den, at de samlede udledninger var steget 29,1 procent i forhold til 2020. Microsoft pegede selv på udbygningen af datacentre og den indlejrede udledning i byggematerialer, halvledere, servere og racks som væsentlige årsager^[5]. Det er altså ikke en kritiker, der udefra forsøger at gætte på problemet. En af de største aktører fortæller selv, at den fysiske udbygning gør klimamålene vanskeligere.

Her afsløres en tilbagevendende fejlslutning. Man kan købe certifikater, investere i vind eller sol og bagefter kalde driften grøn. Men kraftværker, beton, stålværker, miner og chipfabrikker forsvinder ikke af den grund. En teknologi kan ikke løsrives fra den materielle verden blot ved at flytte regnskabsposter rundt.

Driftskravet er næsten absolut. Hao beskriver, hvordan Google, Amazon og Microsoft bygger campusser med flere lag af reserve, i nogle tilfælde tre anlæg eller systemer, så der findes en reserve for reserven. Under orkanerne Irma og Harvey mistede millioner af mennesker strøm, hospitaler evakuerede patienter, og hundredtusinder af boliger og virksomheder blev ramt. Datacentrene i områderne fortsatte derimod med at køre. Det viser, hvilken type infrastruktur vi taler om. Den skal ikke blot have meget strøm, den skal have sikker strøm, også når resten af samfundet er under pres.

Det gør også den grønne fortælling mere kompliceret. Hao beskriver, at Microsoft internt har erkendt, at svingende produktion fra vind og sol ikke i sig selv kan opfylde kravet om drift døgnet rundt. Hvis datacenteret skal svare hvert sekund, må der være strøm til rådighed hvert sekund. Derfor bliver gas, kul, atomkraft, store batterier og omfattende backup systemer en del af det fysiske sikkerhedsnet omkring den tjeneste, der på skærmen ser ud som nogle få linjer tekst.

Arizona viser, hvordan energi og vand ovenikøbet kan låse hinanden sammen. Staten er afhængig af Coloradofloden, men tørken har presset vandstanden alvorligt. Samtidig bruges vand både direkte til mennesker og datacentre og indirekte til energiproduktion gennem vandkraft og vandkølede kraftværker. Når temperaturen stiger, vokser behovet for aircondition, og dermed efterspørgslen efter elektricitet. Den samme knappe ressource skal altså køle serverne, understøtte strømproduktionen og holde mennesker i live i ekstrem varme. Det er ikke længere muligt at tale om datacenterets strømforbrug som et isoleret tal.

Der ligger samtidig en politisk modsætning her, som bliver stadig vanskeligere at overse. Befolkninger verden over bliver bedt om at indrette deres liv efter den ”grønne omstilling”: opvarmning, transport og stadig flere dele af hverdagen skal elektrificeres, mens en voksende del af elforsyningen samtidig skal komme fra vejrafhængige energikilder som vind og sol. Når produktionen ikke følger forbruget, bliver borgeren mødt med krav om fleksibilitet, variable elpriser, intelligent styring, batterier og forestillingen om, at forbruget må flyttes til de timer, hvor strømmen er til rådighed.

Men den samme fleksibilitet accepteres ikke, når det gælder den digitale infrastruktur. Karen Hao beskriver, hvordan ledere hos Microsoft internt har erkendt, at vedvarende energis periodiske karakter ganske enkelt ikke er tilstrækkelig, når datacentre skal fungere 24 timer i døgnet. Igen - for teknologien skal strømmen være stabil, sikker og tilgængelig hele tiden.

Her opstår en besynderlig prioritering: Mennesket forventes at tilpasse sit liv efter energisystemets begrænsninger, mens energisystemet forventes at tilpasse sig teknologiens krav. Hospitaler, familier, virksomheder og almindelige borgere får at vide, at de må lære at leve mere fleksibelt med energien, men et AI datacenter må ikke vente på vinden. Hvis nettet ikke kan levere, skal der bygges nye kraftværker, nye transmissionslinjer, batterisystemer og reservekapacitet. På den måde begynder teknologien at få de rettigheder, som mennesket gradvist mister, nemlig retten til stabil og sikker energi, når den behøves. Det afslører, hvor omvendt prioriteringen er blevet. Den grønne ustabilitet fremstilles som et nødvendigt vilkår for befolkningen, men når den kolliderer med AI industriens krav, er det ikke datacentret, der skal begrænses - så skal energisystemet udvides.

Elektricitet bliver til varme. Jo mere strøm der presses gennem en serverhal, desto større bliver behovet for at føre varmen væk. Nogle datacentre anvender luftkøling, andre væskekøling, og mange systemer bruger fordampning af vand. I varme områder kan netop den metode være attraktiv, fordi den kan være energieffektiv. Problemet er, at det samme vand også er det, mennesker, dyr, landbrug og natur behøver.

I West Des Moines i Iowa, blev en af de store supercomputere, som Microsoft og OpenAI brugte til udviklingen af GPT 4, kølet med store mængder vand. Associated Press beskrev, hvordan Microsofts vandforbrug steg markant samtidig med AI udbygningen, og hvordan det lokale vandværk måtte forholde sig til, hvor meget datacentrene kunne få lov til at bruge i de varmeste perioder^[6]. Det er let at tænke, at Iowa har vand nok. Men pointen er netop, at AI gør vand til en infrastrukturel inputfaktor på steder, hvor den tidligere ikke var en afgørende del af den digitale økonomi.

Flere artikler om Diverse information

Kremation

28. april, 2006

I Arizona bliver modsætningen tydeligere. Her bygges datacentre i ørkenområder, hvor vand i forvejen er en strategisk og politisk følsom ressource. Karen Hao beskriver, hvordan Microsofts udbygning i Goodyear vest for Phoenix blev en del af en konflikt om grundvand og vækst i et område, hvor befolkning, industri og landbrug allerede trækker på begrænsede reserver^[7]. Der er noget grotesk i, at en global chatbot kan fremstilles som immateriel fremskridt, mens dens fysiske maskineri står i en ørken og drikker vand.

Det mest opsigtsvækkende er, at kølingen ofte ikke nøjes med teknisk procesvand. Hao fremhæver, at anlæggene mange steder bruger vand af drikkevandskvalitet. Det skal være rent nok til ikke at tilstoppe rør og ikke fremme bakterievækst i kølesystemerne. Den ressource, som mennesker normalt forbinder med køkkenhanen, bliver dermed en industriel råvare for beregning.

Et forskerhold fra University of California, Riverside, som Hao henviser til, anslog, at den kraftigt voksende AI efterspørgsel kunne komme til at trække mellem 1,1 og 1,7 billioner amerikanske gallons ferskvand om året globalt i 2027 - det er altså 4.200 - 6.400 milliarder liter vand om året. Hao sammenligner den øvre størrelsesorden med omkring halvdelen af Storbritanniens årlige vandforbrug. Det er et estimat, ikke en måling af fremtiden, men størrelsesordenen viser, hvorfor vand er blevet et centralt spørgsmål i AI industrien.

Problemet er heller ikke jævnt fordelt. Allerede før den generative AI bølge fandt et amerikansk studie, som Hao citerer, at omkring en femtedel af datacentrene trak vand fra vandsystemer, der var moderat eller hårdt belastet af tørke eller andre forhold. Det er derfor misvisende blot at oplyse et globalt vandtal. En liter vand i et regnfuldt område og en liter vand i en ørkenkommune har ikke den samme betydning for livet omkring anlægget.

I Iowa bliver den konkrete belastning tydelig. Under én måned af GPT 4 træningen brugte Microsofts datacentre ifølge de tal, Hao gengiver fra Associated Press, omkring 11,5 millioner gallons vand (43,53 millioner liter), svarende til cirka seks procent af vanddistriktets samlede forbrug den måned. Træningen stod på i omkring tre måneder. Microsoft har siden lovet betydelige forbedringer i vandeffektivitet og at genopfylde mere vand, end selskabet bruger, men et løfte om et fremtidigt globalt regnskab ændrer ikke ved, at vandet tages på et bestemt sted og på et bestemt tidspunkt.

Det kræver ikke de store psykiske evner eller en magisk krystalkugle for at se, hvad den gode filantrop, Bill Gates, advarer om - med menneskeskabte klimaforandringer som synderen selvfølgelig. Han har i årevis advaret om vand som en stadig mere kritisk ressource. I 2024 skrev han direkte, at ”adgangen til ferskvand kun vil blive mere knap”^[8], mens en video, han delte, advarede om, at verden frem mod 2050 kan stå med omkring 40 procent mindre ferskvand, end menneskeheden har behov for. Det gør AI-industriens eksplosive vandforbrug desto mere bemærkelsesværdigt: Den teknologiske revolution udbygges netop i en tid, hvor nogle af dens egne hovedaktører samtidig advarer om, at vandet bliver en stadig mere knap livsressource.

I Chile bliver problemet næsten umuligt at bortforklare. Google planlagde et datacenter i Cerrillos ved Santiago, hvor selskabets miljømateriale angav et muligt forbrug på 169 liter fersk drikkevand i sekundet til køling. Karen Hao beregner på baggrund af projektmaterialet, at det på årsbasis kunne være over tusind gange så meget vand som hele Cerrillos’ befolkning brugte. Samtidig havde Chile i årevis været ramt af en historisk tørke.

Reuters beskrev i 2024, hvordan den langvarige tørke pressede Chiles drikkevandsforsyning, sænkede reservoirer og ramte landsamfund, som allerede kæmpede med adgang til vand^[9]. Det er i den virkelighed, et hyperscale datacenter skal vurderes. Ikke i et regneark, hvor vand blot står som en industriel omkostning, men i et landskab, hvor brønde, marker, vådområder og familier er afhængige af den samme ressource.

Lokale aktivister gik projektets hundredvis af sider igennem og opdagede, hvor stort forbruget kunne blive. Det afgørende var ikke, at de var imod computere. De var imod en prioritering, hvor et multinationalt selskab kunne få adgang til rent vand i en region, der allerede manglede det. Efter modstand og retssager blev planerne ændret mod køling uden det samme vandforbrug. Den historie viser, at teknologien ikke nødvendigvis ”kræver” én bestemt løsning. Virksomheder vælger løsninger ud fra økonomi, tilladelser og modstand. Når en befolkning ikke gør modstand, bliver den billigste ressource let den, der tages.

Cerrillos var et særligt følsomt sted at vælge. I et land, hvor vand i vid udstrækning blev privatiseret under Pinochets styre, har kommunen landets eneste offentlige vandforsyning. Den leverer lokalt grundvand til naboområder og kan bruges som reserve i nødsituationer andre steder i Chile. Datacenteret var derfor ikke blot på vej til at købe en almindelig industrivare. Det skulle trække direkte på en offentlig livsressource med betydning langt ud over selve kommunen.

Det var heller ikke myndighederne, der først gjorde opmærksom på problemets størrelse. Aktivistgruppen MOSACAT læste Googles 347 sider lange miljøansøgning igennem og fandt tallet på 169 liter drikkevand i sekundet gemt i det tekniske materiale. Ifølge Hao havde både lokale repræsentanter og Googles chilenske samarbejdspartner på et tidspunkt det indtryk, at anlægget kun skulle bruge spildevand. Først efter aktivisternes arbejde blev kommunen klar over, at ansøgningen faktisk beskrev brug af fersk drikkevand. Det siger noget om, hvor vanskeligt det kan være for et lokalsamfund overhovedet at gennemskue, hvad der er ved at blive besluttet på dets vegne. Det siger endnu mere om, hvor alvorligt det er, at de politikere vi tildeler vigtige embeder under samfundets interesser, har de fornødne mentale kræfter og ærefrygt til at løfte opgaven.

Modstanden voksede fra møder til en egentlig lokal folkeafstemning. I december 2019 stemte et snævert flertal imod projektet i den form, hvor det ville bruge så meget vand. Året efter sluttede den lokale regering sig til et søgsmål ved miljødomstolen. I 2024 endte retten med at fastslå, at Google ikke kunne bygge et vandforbrugende datacenter i Santiago efter den oprindelige plan. Selskabet sagde derefter, at en fremtidig version skulle baseres på luftkøling.

Det sidste er afgørende. Historien viser, at det enorme ferskvandsforbrug ikke var en naturlov. Da prisen i form af modstand, retssager og politisk pres blev høj nok, kunne designet ændres. Det rejser et ubehageligt spørgsmål: Hvor mange steder bruges vandtunge løsninger, ikke fordi de er teknisk uundgåelige, men fordi vandet er billigt, tilladelserne lette og befolkningen for svag til at sige nej?

Uruguay viser, hvor voldsomt en skæv fordeling af en livsnødvendig ressource kan ramme almindelige mennesker. Under den alvorlige tørke i 2023 blev vandmanglen omkring Montevideo så omfattende, at myndighederne begyndte at supplere drikkevandsforsyningen med mere saltholdigt og forurenet vand. Karen Hao beskriver på baggrund af sine egne interviews med lokale beboere og vandaktivister, hvordan familier åbnede hanen og oplevede brunligt vand med en rådden og kraftig kemisk lugt. De, der havde råd, begyndte at købe flaskevand, mens mange fattige ikke havde den mulighed og fortsatte med at drikke vandet fra hanen. Hao gengiver beretninger om mavesmerter, hududslæt, forværring af eksisterende sygdomme og en voksende bekymring over flere graviditetstab.

Googles planlagte datacenter havde ikke skabt selve vandkrisen, men det kom ind i billedet på et tidspunkt, hvor konflikten om det rene ferskvand allerede var blevet akut. Hao beskriver, hvordan mere end 80 procent af landets ferskvand gik til industri frem for direkte menneskeligt forbrug, især til eksportorienteret landbrug. Under tørken fortsatte industrien med at trække vand fra Río Santa Lucía - den samme flod, som forsyner Montevideo - mens det var befolkningens drikkevand, der blev udsat for de hårdeste begrænsninger. Det var derfor ikke blot tørken, der vakte vrede, men spørgsmålet om, hvem der blev prioriteret, når vandet slap op.

Det var i denne situation, forskeren Daniel Pena opdagede Googles planer. Vandforbruget var blevet hemmeligholdt som forretningsmæssig information, men Pena brugte Uruguays forfatningsmæssige ret til vand til at føre sagen mod miljøministeriet og vandt. Først da kom det frem, at Googles oprindelige datacenterplan skulle bruge omkring 7,6 millioner liter rent drikkevand om dagen direkte fra den offentlige forsyning - omtrent det samme som det daglige vandforbrug for 55.000 mennesker. Kort efter stod store dele af Montevideo med saltholdigt vand i hanerne. Det var denne modsætning, der fik tusinder på gaden. Mens mennesker blev bedt om at acceptere dårligere vand og knaphed, stod en global teknologikoncern til at få adgang til millioner af liter rent ferskvand hver eneste dag. Protesternes slagord ramte derfor problemet præcist: ”Dette er ikke tørke. Det er plyndring”.

Kontrasten bliver særlig tydelig, når Google sammenlignes med Uruguays eget teleselskab Antel. Antel driver tre datacentre, der er med til at levere internet og mobilkommunikation til hele landet. Tilsammen fylder de omkring 5.000 kvadratmeter. Ét af dem ligger midt i et almindeligt boligområde i Montevideo og er lille nok til at blive luftkølet. Da to nabofamilier klagede over støj, arbejdede den lokale leder sammen med forskere på at dæmpe anlægget. Her er infrastrukturen indlejret i samfundet og står til ansvar over for de mennesker, der bor ved siden af.

Google købte derimod 29 hektar i Parque de las Ciencias uden for Montevideo - et areal omkring 58 gange større end Antels samlede datacenterareal. Området er en frihandelszone, hvor mange udenlandske virksomheder ikke betaler almindelig skat til staten. Parken markedsførte sig blandt andet på rigelig adgang til jord, strøm og vand. Problemet var bare, at Uruguay netop ikke havde rigeligt vand, da projektet blev planlagt.

Tørken kostede ifølge Hao landbruget over en milliard dollar i tabt høst. Samtidig gik mere end 80 procent af landets ferskvand til industri frem for direkte menneskeligt forbrug, især til storskala produktion af soja, ris og træ til papirindustrien. Under selve vandkrisen fortsatte industrien med at hente vand direkte fra Río Santa Lucía, den samme flod som forsyner Montevideos offentlige system. Uruguay havde to årtier tidligere skrevet retten til vand ind i forfatningen, men under krisen var det befolkningens drikkevand, der blev skåret hårdest ned på.

Da forskeren Daniel Pena forsøgte at finde Googles planlagte vandforbrug, blev tallet først holdt hemmeligt som forretningsfortroligt. Han brugte landets forfatningssikrede ret til vand som grundlag for at sagsøge miljøministeriet og vandt. Først da kom tallet frem - omkring to millioner gallons drikkevand om dagen (7,5 millioner liter), svarende til det daglige forbrug hos omtrent 55.000 mennesker. Kort efter stod tusinder på gaden i protest, mens salt og forurenet vand løb ud af mange haner i hovedstaden.

Sent i 2023 ændrede Google uden stor opmærksomhed projektet til vandfri køling og reducerede samtidig anlægget til omkring en tredjedel af den tidligere størrelse. Men ifølge Hao blev den forventede energianvendelse i den nye version derefter hemmeligholdt som en forretningshemmelighed. Det illustrerer et mønster, der går igen - når én del af miljøregningen bliver for synlig, kan teknologien ændres, men lokalsamfundet får ikke nødvendigvis et fuldt indblik i den næste del af regningen.

Hvis man kun ser på datacenterets vandmåler og elmåler, ser man stadig kun den sidste del af kæden. Før serveren kan tændes, skal dens materialer graves ud af jorden. Kobber bruges i kabler, strømfordeling, køling, transformere og elektronik. Aluminium og stål bruges i bygninger, racks og energiinfrastruktur. Silicium er grundmateriale i chips. Gallium og sjældne jordarter indgår i specialiseret elektronik, og batterier kræver blandt andet lithium og andre metaller.

IEA fremhæver selv, at udbygningen af datacentre kræver betydelige mængder kobber, aluminium, silicium, gallium, sjældne jordarter og batterimineraler, og at efterspørgslen begynder at blive relevant for globale forsyningskæder^[10]. Det er ikke blot et økonomisk spørgsmål. Hver mine har et areal. Hver mine flytter jord og sten. Malm skal knuses, behandles og raffineres. Det kræver energi og ofte store mængder vand og kemikalier.

I Atacamaørkenen i det nordlige Chile beskriver Hao, hvordan årtiers kobber og lithiumudvinding har tømt vandressourcer, ændret saltsletter og presset oprindelige samfund. Hun skriver om arsen i luft og vand, om forhøjede kræftrater og om lokalsamfund, der ikke længere kan opretholde traditionelt landbrug og husdyrhold. Lithium udvindes blandt andet ved at pumpe saltholdig væske op fra saltsletterne og lade vandet fordampe i enorme bassiner. Når balancen i et ekstremt tørt økosystem ændres, rammes de arter, som er tilpasset netop denne skrøbelige balance.

Flere artikler om Diverse information

Djævelens musik

14. februar, 2006

Hao bruger flamingoerne som et konkret billede. Områder, der tidligere rummede flokke af lyserøde flamingoer, er blevet forandret i takt med udvindingen. For de lokale er det ikke blot et tab af natur på afstand. Det er deres landskab, deres kultur og deres livsgrundlag. Når AI industrien kræver stadig mere kobber, lithium og elnet, lægger den sig oven på en allerede eksisterende udvindingsøkonomi. Den opfinder ikke problemet, men den skruer op for skalaen.

Chile leverer omkring en fjerdedel af verdens kobber, og Hao bruger Chuquicamata som et billede på, hvad det betyder fysisk. Minen er en af verdens største åbne kobberminer - et enormt hul i jorden, som sprængninger hele tiden gør dybere. De mængder sten, der fjernes, bliver lagt i kunstige bjerge omkring området. Et tidligere bysamfund er i dag ved langsomt at blive begravet af den udvinding, som først gav området økonomisk betydning.

Vandet forsvinder sammen med malmen. Kobber skal knuses, behandles og raffineres, og i det ekstremt tørre nordlige Chile har industrien i årtier trukket på de samme underjordiske reserver, som mennesker, dyr og økosystemer er afhængige af. Hao beskriver et tilfælde, hvor en udenlandsk virksomhed brugte så meget vand, at et helt bassin ved en saltslette blev tømt, og det lokale økosystem blev ødelagt. Den slags skade forsvinder ikke, fordi det færdige kobber senere indgår i et datacenter, der markedsføres som grønt.

Den kemiske pris er mindre synlig. Hao beskriver spor af arsen i luft og vand omkring minedriften og forbinder dem med højere kræftforekomst i det nordlige Chile. For de lokale Atacameño samfund kommer ødelæggelsen derfor både som tab af jord og vand og som en sundhedsbelastning - og ikke mindst den menneskelige smerte, individuelt som relationelle. De sociale følger er mindst lige så alvorlige. Når jord og vand ikke længere kan bære afgrøder og husdyr, forsvinder den økonomi, som samfundene tidligere levede af. Hao beskriver dyb fattigdom, mangel på mad og rindende vand, utilstrækkelig sundhedspleje og uddannelse samt stigende kriminalitet, depression og alkoholmisbrug. Mange bliver til sidst tvunget til at tage arbejde i den industri, som har gjort deres gamle livsform umulig. Den virksomhed, der udvinder ressourcerne, bliver samtidig den, der finansierer den lille klinik, de nu er afhængige af.

Atacamaørkenen er ovenikøbet ikke et tomt område, bare fordi landskabet ser goldt ud. Det rummer mikrobielle samfund, som ikke findes andre steder, og som forskere undersøger for mulige anvendelser inden for blandt andet medicin og energi. Ørkenens ekstreme miljø er også blevet brugt som analog til forholdene på Mars. Når saltsletter tømmes og vandbalancen forrykkes, risikerer vi altså at ødelægge biologiske systemer, før vi overhovedet har forstået, hvad der findes i dem. Flamingoerne er kun den synlige del af et langt større tab.

Så når en forsyningskæde til AI begynder med kobber og lithium, begynder den også i et landskab, hvor mennesker allerede har båret årtiers industrielle følgevirkninger - som vist f.eks. udpinte vandressourcer, ødelagte økosystemer, arsenik i luft og vand, forhøjede kræftrater, tab af landbrug og husdyrhold, fattigdom, social splittelse og en voksende afhængighed af den industri, der har ændret deres levegrundlag. Karen Hao beskriver netop, hvordan disse følger allerede præger lokalsamfund i de områder, hvor råstofferne til den digitale infrastruktur udvindes.

Når et datacenter åbner i en fattig region, fremstilles det ofte som udvikling. Der loves investeringer, arbejdspladser og modernisering. Men hyperscale datacentre er særlige. De er ekstremt kapital og ressourcekrævende, men når de først er bygget, kræver de relativt få ansatte i forhold til deres størrelse og forbrug. Et lokalsamfund kan derfor afgive land, vand og netkapacitet uden at få en tilsvarende mængde varige arbejdspladser tilbage.

Det samme mønster ses længere nede i kæden. Mineralerne kommer ofte fra områder, hvor befolkningen har begrænset politisk magt. Elektronisk affald ender ofte i lande og lokalsamfund, hvor arbejdere skiller udstyr ad under ringe beskyttelse. Og bag AI-modellerne står også mennesker, som gennem årene har sorteret og kategoriseret enorme datamængder, mærket skadeligt indhold og senere skrevet og vurderet svar, så modellerne kunne lære, hvordan de skulle reagere. Meget af dette arbejde er blevet lagt ud til lavtlønnede arbejdere i blandt andet Kenya. Den digitale luksus i ét land kan derfor være bygget på fysisk og psykisk belastning i et andet.

Det er her Karen Haos billede af et AI imperium bliver brugbart. Et imperium samler værdien ét sted og spreder omkostningerne ud i periferien. Brugeren ser et bekvemt produkt. Selskabet ser omsætning og markedsværdi. Men minearbejderen, landsbyen ved vandressourcen, naboen til datacenteret og arbejderen ved affaldsbunken ser hver sin del af den pris, som ikke står på abonnementet.

Selv løftet om lokale arbejdspladser viser sig ofte at være mindre end forventet. Googles første chilenske datacenter i Quilicura skabte byggearbejde, men meget få varige job bagefter. Hao nævner en stilling som mekanisk tekniker i 2024, hvor opslaget kun fandtes på engelsk, og hvor ansøgninger på andre sprog ikke ville blive behandlet. Samtidig manglede offentlige skoler i nærheden stadig ordentlig internetadgang og udstyr til eleverne. Det er svært at kalde det digital udvikling for et lokalsamfund, når infrastrukturen passerer gennem området uden at løfte det.

Men den menneskelige pris ligger også inde i selve modellen. For at gøre ChatGPT mindre tilbøjelig til at producere voldeligt, seksuelt og hadefuldt materiale indgik OpenAI fire kontrakter til samlet 230.000 dollar med outsourcingfirmaet Sama. Arbejdet endte hos dusinvis af mennesker i Kenya. De fik i gennemsnit mellem 1,46 og 3,74 dollar i timen og vidste på grund af fortrolighedsaftaler ikke, hvilken virksomhed de arbejdede for, eller hvilket produkt deres arbejde skulle bruges til.

Bag ordene ”mærkning af skadeligt indhold” gemmer der sig et arbejde, hvis menneskelige pris sjældent bliver synlig for dem, der bruger AI. Opgaven bestod ikke i at se på nogle få ubehagelige eksempler. Arbejderne skulle gennem hundredtusinder af beskrivelser af vold, had, selvskade, seksuelle overgreb på børn, voldtægt, incest, sex med dyr og andre ekstreme scenarier og kategorisere deres alvor. Noget af materialet kom fra internettets mørkeste afkroge, mens andet ifølge Karen Hao delvist blev frembragt af AI-systemer, som forskerne bad om at forestille sig nye groteske situationer, så OpenAI’s sikkerhedsfilter kunne trænes på så bredt et materiale som muligt.

Hao følger blandt andre kenyaneren Mophat Okinyi, der gennem Sama arbejdede på OpenAI’s sikkerhedsfilter. Som kvalitetskontrollør på holdet for seksuelt indhold skulle han alene gennemgå omkring 15.000 tekster om måneden. Efterhånden blev teksterne længere og mere grafiske, og belastningen begyndte at følge arbejderne hjem. Hao beskriver kolleger, der begyndte at bryde sammen og tog mere sygefravær, mens Okinyi selv blev hjemsøgt af de scener, han dagligt måtte læse. Han fik søvnløshed, angst og depression, trak sig fra venner og familie, og forholdet til hans partner brød til sidst sammen. Da han søgte privat psykologisk hjælp, kostede blot én konsultation mere end en dagsløn, mens et fuldt behandlingsforløb ville koste omtrent en hel månedsløn. Han havde ganske enkelt ikke råd til den behandling, arbejdet havde gjort nødvendig. Det sikkerhedsfilter, der skulle beskytte millioner af brugere mod AI’ens mørkeste indhold, blev således til dels bygget ved at lade lavtlønnede mennesker absorbere netop dette indhold igen og igen.

Afhængigheden af arbejdet kunne samtidig blive næsten total. Hao fortæller om Winnie i Kenya, som arbejdede gennem platformen Remotasks. Betalingen pr. opgave var så lav, at hun kun kunne få en nogenlunde indkomst ved at arbejde ekstremt mange timer. Hun begyndte derfor at arbejde 20-22 timer i døgnet og sov kun det absolut nødvendige for at kunne fortsætte. Hendes partner Millicent kunne kun få hende væk fra computeren for at tage en lur ved selv at love at overtage arbejdet. For Winnie betød hver ekstra arbejdstime lidt mere mad, lidt større mulighed for at betale skolepenge og lidt mindre gæld. Når opgaverne forsvandt, voksede gælden igen, og familien måtte købe de mest nødvendige varer på kredit og håbe, at børnene kunne få lov at blive i skolen endnu en uge.

Det gjorde arbejderne dybt afhængige af platformene, hvor opgaver kunne dukke op og forsvinde igen uden varsel. Mange lærte derfor at indrette hele deres liv efter, hvornår der måske kom arbejde. Hao beskriver også dataarbejderen Oskarina Fuentes, som lod computeren stå på fuld lyd om natten, så en alarm kunne vække hende, hvis en opgave pludselig blev lagt ud. Efter én gang at have mistet en opgave, der kunne have givet hende en hel måneds indtægt, fordi hun var ude at gå, holdt hun stort set op med at forlade hjemmet på hverdage. Frygten var ikke blot at tjene for lidt, men at arbejdet pludselig skulle forsvinde helt. Det viser en anden side af AI’s skjulte menneskelige forsyningskæde: mennesker, der både kunne blive psykisk nedbrudt af selve indholdet og økonomisk bundet til et arbejdssystem, hvor fattigdom og uforudsigelighed pressede dem til at være til rådighed næsten døgnet rundt.

Det gør begrebet kunstig intelligens næsten ironisk. Den intelligens, som præsenteres som maskinens, er bygget på et enormt usynligt lag af menneskelig vurdering. Mere end tusind andre kontraktarbejdere blev ifølge OpenAI brugt til at lære modellerne at svare bedre gennem menneskelig feedback. Mennesker skrev eksempelsvar, rangerede maskinens svar og lærte den, hvad der skulle opfattes som hjælpsomt, sandt og uskadeligt. Også her er mønstret det samme som ved vand og mineraler: Det dyreste for mennesket placeres længst muligt væk fra den bruger, der nyder resultatet.

Et datacenter forurener ikke kun med det, der kan måles i ton og liter. Det forandrer også lydmiljøet. Store kølesystemer, ventilatorer, transformere, elektriske anlæg og nødgeneratorer skaber en vedvarende industriel summen. Og modsat mange andre industrielle aktiviteter stopper den ikke, når arbejdsdagen er slut. Datacenteret arbejder døgnet rundt.

Karen Hao beskriver de største anlæg som omgivet af en kakofoni af summen, blæserstøj, elektrisk knitren og maskinlyde, der især i udsatte lokalsamfund kan høres flere kilometer væk - 24 timer i døgnet. Det er netop varigheden, der gør støjen anderledes. Man kan vente på, at en lastbil er kørt forbi eller en maskine bliver slukket. Datacenterets grundtone kan fortsætte gennem aftenen, natten og søvnen.

Det har beboere i Virginia oplevet på egen krop. Virginias lovgivende analyseorgan JLARC interviewede mennesker, der boede nær datacentre, hvor der var indgivet støjklager. De beskrev en konstant lavfrekvent brummen eller drone, der kunne høres både udenfor og inde i deres boliger. Nogle fortalte om migræne, andre om forstyrret søvn og koncentrationsproblemer, mens flere var begyndt at undgå deres egne haver og terrasser. Det bemærkelsesværdige er, at støjen ofte lå inden for de almindelige administrative støjgrænser. Problemet var altså ikke nødvendigvis en voldsom lydstyrke, men en lavfrekvent industriel lyd, der blev ved og ved.

Konflikten blev så alvorlig, at myndigheder flere steder i det nordlige Virginia begyndte at ændre reglerne. Fairfax County indførte i 2024 strengere krav til blandt andet afstand fra boliger, indkapsling af støjende udstyr og støjmålinger før og efter opførelsen af nye datacentre. Det skete netop med erfaringerne fra blandt andet Loudoun og Prince William County i baghovedet, hvor datacentre tæt på boligområder havde udløst betydelige klager.^[11].

Kontrasten til Antels lille datacenter i Montevideo er lærerig. Hao fortæller, at også dette anlæg frembragte en lav summen, som om dagen knap kunne høres, men som om natten generede to nabofamilier så meget, at de gentagne gange henvendte sig til datacenteret. Forskellen var reaktionen. Lederen Javier Echeverria kendte klagerne, arbejdede sammen med lokale forskere om at reducere støjen og havde allerede ændret kølesystemet for at gøre det mere støjsvagt.

Det viser, at støjen ikke blot er et uundgåeligt biprodukt, som naboerne må lære at leve med. Skala, afstand, køleteknologi og konstruktion betyder noget - men det gør virksomhedens ansvar over for de mennesker, der skal leve ved siden af anlægget, også.

Et af de mere ubehagelige mønstre i Haos gennemgang viser sig, når lokal modstand begynder at stå i vejen for udbygningen. Hun beskriver datacenterudviklere, der er kommet ind i lokalsamfund i hemmelighed gennem skuffeselskaber, har givet penge til lokale projekter for at dæmpe modstanden og har givet løfter om bæredygtighed, som senere er blevet trukket tilbage, efter at byggeriet var begyndt og langt vanskeligere at standse.

Flere artikler om Diverse information

Vand er ingen selvfølge

05. december, 2005

I Virginia fandt borgere, der kæmpede imod flere enorme datacentre, en mail fra en advokat til en udvikler, hvor han foreslog at få folk placeret inde i protestgruppen. ”Vi har brug for en muldvarp eller to i denne gruppe”, skrev han. Det er en enkelt sag, men den siger noget væsentligt om magtforholdet - mennesker, der organiserer sig for at beskytte deres hjem og lokalsamfund, risikerer at blive behandlet som en modstand, der skal overvåges og neutraliseres, frem for som mennesker, der har en legitim ret til at få indflydelse på, hvad der bygges omkring dem.

Uruguay viser en anden side af det samme problem. Daniel Pena kunne ikke engang få oplyst Googles planlagte vandforbrug, fordi tallene var erklæret fortrolige. Først efter at han gik rettens vej og vandt, blev det offentliggjort, at projektet var planlagt til omkring 7,6 millioner liter drikkevand om dagen. Da Google senere ændrede projektet til vandfri køling og reducerede størrelsen, blev det nye forventede energiforbrug i stedet holdt tilbage som en forretningshemmelighed. Pena samlede mere end 400 underskrifter med krav om en undersøgelse af hele projektets miljømæssige og menneskelige forsyningskæde. Ifølge Hao blev kravet ignoreret, og miljøministeriet godkendte senere projektet uden at offentliggøre beslutningen, før den 30 dage lange periode for offentlig indsigelse var udløbet.

Den samme mangel på gennemsigtighed findes længere oppe i AI-systemet. Hao beskriver, hvordan teknologiselskaberne har holdt stadig flere tekniske oplysninger om deres modeller tilbage, hvilket gør det vanskeligere for uafhængige forskere at beregne og kontrollere deres miljøbelastning. Sasha Luccioni peger på det paradoksale i, at almindelige apparater kan have energimærkning, mens nogle af samfundets mest udbredte AI-systemer kan anvendes uden tilsvarende indsigt i deres bæredygtighed.

Dermed bliver hemmeligholdelsen mere end et teknisk problem. Når oplysninger om vand, strøm, modeller og forsyningskæder holdes tilbage, bliver det samtidig vanskeligere for de mennesker, der skal leve med konsekvenserne, at efterprøve de beregninger og løfter, som bruges til at få projekterne gennemført. Kompleksiteten behøver ikke i sig selv at være skabt som et magtmiddel for at få den virkning.

AI kapløbet drives af en anden rytme end naturen. Nye GPU generationer kommer hurtigt, og datacentrene har et økonomisk incitament til at udskifte hardware, når nyere chips leverer flere beregninger pr. watt eller pr. krone. Det betyder, at meget avanceret udstyr kan blive økonomisk forældet længe før det fysisk er slidt op.

Et studie i Nature Computational Science beregnede, at generativ AI under forskellige udviklingsscenarier kan bidrage med samlet 1,2 til 5 millioner ton elektronisk affald i perioden 2020-2030, hvis udviklingen fortsætter uden stærke cirkulære tiltag^[12]. Det er ikke en sikker profeti, men et scenariespænd. Pointen er, at serverudskiftning i AI skala kan blive en ny betydelig affaldsstrøm.

Elektronisk affald er ikke bare metal, der ligger grimt. Det kan indeholde bly, kviksølv, nikkel, flammehæmmere og andre farlige stoffer. WHO har advaret om, at millioner af børn og kvinder lever eller arbejder omkring uformel genanvendelse af elektronik, hvor afbrænding, syrebehandling og åben dumping kan forurene luft, jord og vand. WHO peger på risiko for blandt andet skader på nervesystem, lunger og fostre^[13]. Når vi taler om AI hardware som ”infrastruktur”, må vi derfor også tale om, hvor infrastrukturen ender, når den kasseres.

Haos beskrivelse af OpenAIs egne computerplaner viser, hvor hurtigt denne udskiftning kan accelerere. GPT 3 blev trænet på omkring 10.000 V100 GPU’er. GPT 4 systemet voksede til omkring 25.000 A100 GPU’er. Den næste store fase i Arizona blev planlagt med hundredtusinder af H100 chips, mens endnu nyere B100 chips allerede stod på tegnebrættet til den efterfølgende fase. Hver generation lover højere ydelse, men gør samtidig den foregående generation mindre attraktiv økonomisk, længe før materialerne i den er fysisk opbrugt.

Det er grunden til, at elektronisk affald ikke kan behandles som et problem, der først opstår langt ude i fremtiden. AI kapløbet belønner den virksomhed, der hurtigst kan tage den næste chipgeneration i brug. Hvis hele infrastrukturen hele tiden optimeres efter maksimal regnekraft, bliver levetiden bestemt af konkurrencen og ikke af materialernes faktiske holdbarhed. Naturen bruger geologisk tid på at danne råstofferne. Industrien kan gøre dem økonomisk forældede på få år.

Selv chippen har et vand og kemikalieregnskab

Før en GPU bliver til elektronisk affald, skal den fremstilles. Moderne halvledere produceres i ekstremt avancerede fabrikker, hvor siliciumskiver gennemgår mange procestrin med kemikalier, gasser og ultrarent vand. Det er en industri, der kræver præcision på atomniveau, og derfor også en meget omfattende rense og forsyningsinfrastruktur.

Det betyder, at datacenterets miljøbelastning begynder længe før serveren leveres. Hvis en techvirksomhed fortæller, at et bestemt datacenter bruger mindre vand til køling, er det kun én del af regnskabet. Vand blev brugt til minedrift. Vand blev brugt til materialebehandling. Vand blev brugt i chipproduktionen. Strøm blev brugt i hele kæden. Beton og stål blev produceret. Udstyret blev transporteret. En seriøs vurdering må se på livscyklussen, ikke kun på matriklen.

Når man læser om 25.000 A100 chips eller hundredtusinder af H100 chips, er det let at lade tallene blive abstrakte. Men hver GPU er et fysisk produkt med avanceret hukommelse, kredsløbskort, kølekomponenter og strømforsyning. Hertil kommer netværksudstyr, så titusinder af chips kan udveksle data hurtigt nok til at opføre sig som én samlet maskine. En supercomputer er derfor ikke bare mange chips. Den er et helt lag af ekstra kobber, optiske forbindelser, printkort, strømkonvertering og køleteknik omkring dem.

Det er også derfor en forbedring i chippen ikke automatisk betyder et mindre miljøaftryk. Hvis en ny GPU kan udføre flere beregninger pr. watt, men samtidig gør det økonomisk muligt at bygge en model, der er mange gange større, kan det samlede forbrug stadig stige voldsomt. AI historien de seneste år er netop historien om, at effektivitetsgevinster bliver spist op af skala. Hver generation bliver mere effektiv, mens den samlede maskine bliver større.

Det dybeste problem er måske den måde, hele diskussionen bliver ført på. Vand bliver ”kølende kapacitet”. Land bliver ”tilgængeligt byggeareal”. Elektricitet bliver ”tilgængelig effekt”. Kobber og lithium bliver ”kritiske mineraler”. Naturen oversættes til de ord, industrien kan putte i et regneark. Men en vådmark er ikke blot et uudnyttet areal. En flod er ikke blot en vandledning. En saltslette er ikke blot en lithiumreserve. Et lokalsamfund er ikke blot en kommune, der kan tilbyde skattelettelser og hurtige tilladelser. Når disse ting udelukkende vurderes som input til vækst, er ødelæggelsen allerede begyndt i tankegangen.

I Quilicura ved Santiago beskriver Hao et landskab, der gennem årtier er blevet brugt som modtagested for affald og industri. Vådområder, der tidligere rummede rigt fugle og planteliv, er blevet presset af lossepladser, byggeri og vandindvinding. Google byggede sit første latinamerikanske datacenter her og fremhævede senere et lille ”urbant skov” projekt som bidrag til lokalsamfundet. Kontrasten er næsten symbolsk. Et enormt globalt system tager land, strøm og vand, og bagefter vises et lille grønt projekt frem som bevis på bæredygtighed.

Det er ikke nødvendigvis forkert at plante træer eller restaurere natur. Problemet opstår, når kompensationen bruges til at skjule proportionerne. Et træ på en brochure kan ikke i sig selv erstatte en vådmark. En aftale om vedvarende energi kan ikke ophæve mineraludvindingen til transformere og servere. Et vandpositivt mål i 2030 giver ikke vand tilbage til en familie, der mangler det i dag.

Quilicuras historie gør den tankegang konkret. For få årtier siden bestod store dele af kommunen af græsarealer og vådområder med fugle, dyr og planter. Så kom ulovlige lossepladser, hvor affald fra resten af Santiago kunne dumpes mod betaling. Derefter fulgte blandt andet bryggerier, ejendomsudvikling og andre industrier, som tog mere jord og trak vand ud af vådområderne. I dag findes kun små grønne lommer tilbage som erindring om det landskab, der var.

Det er på den baggrund, Googles såkaldte urbane skov bliver så mærkelig. Selskabet fremhævede projektet som noget, der blev givet tilbage til området efter datacenterets ankomst. Hao besøger stedet og beskriver et lille, afsides stykke jord uden boliger omkring sig og uden nem busadgang, mindre end selve datacenterets areal. Google oplyste, at selskabet havde investeret over 1,2 millioner dollar (7,7 millioner kr.) i lokale programmer. Det kan være reelle bidrag, men proportionerne forsvinder, hvis et lille grønt område bruges som billede på bæredygtighed, mens den langt større industrielle omformning af landskabet ikke vises på brochuren.

Det interessante er, at lokale forskere og arkitekter ikke blot sagde nej. De forsøgte at forestille sig et andet datacenter. I et projekt blev studerende bedt om at designe en infrastruktur, der kunne eksistere sammen med vådområdet i stedet for at fortrænge det. De foreslog blandt andet planteskoler, redepladser for dyr og systemer, hvor forurenet vand fra vådområdet kunne renses, bruges og føres tilbage. Pointen var ikke, at disse tegninger løste alle problemer, men at de afslørede, hvor snævert industrien normalt definerer mulighederne.

Det er måske den vigtigste forskel. Spørgsmålet er ikke teknologi eller ingen teknologi. Spørgsmålet er, hvem der får lov at definere teknologien, og hvilke hensyn der tæller i designet. Når land kun ses som ledig byggegrund og vand kun som kølekapacitet, bliver løsningen næsten uundgåeligt extractiv. Hvis vådområdet, naboerne, biodiversiteten og vandets værdi for fremtidige generationer regnes med fra begyndelsen, bliver et helt andet sæt løsninger muligt.

Der findes gode anvendelser af kunstig intelligens. Mindre maskinlæringsmodeller kan hjælpe med at analysere energiforbrug, vejrsystemer, elnet, medicinske data og mange andre komplekse problemer. Det er derfor vigtigt ikke at gøre enhver form for AI til samme problem. Karen Hao citerer forskere, som netop skelner mellem mindre specialiserede modeller og den generative AI industri, der har gjort størrelse til et mål i sig selv.

Det er denne skalaideologi, der er problemet. Forestillingen er, at bedre AI først og fremmest kommer af mere: flere parametre, mere træningsdata, flere GPU’er, større datacentre og mere kapital. Når én virksomhed skalerer, føler konkurrenterne sig tvunget til at gøre det samme. Resultatet er et teknologisk våbenkapløb, hvor effektivisering ikke nødvendigvis sænker det samlede forbrug. Billigere beregninger kan tværtimod føre til langt flere beregninger.

Det passer også ind i den større udvikling, jeg tidligere har beskrevet, hvor AI ikke blot bliver endnu et værktøj, men en teknologisk infrastruktur, der kan bindes sammen med overvågning, økonomi, kommunikation og politisk styring^[14]. Jo mere central teknologien bliver, desto lettere bliver dens materielle pris behandlet som uundgåelig. Man siger ikke længere, skal vi bygge dette? Man siger, hvor hurtigt kan vi skaffe strømmen, vandet og jorden?

Hao citerer klimaforskeren Sasha Luccioni for en skelnen, der sjældent høres i markedsføringen: De AI systemer, der faktisk er nyttige til klima og energiarbejde, behøver ofte ikke være enorme generative modeller. Overvåget maskinlæring, anomalidetektion og statistiske tidsseriemodeller kan i mange tilfælde løse opgaven med langt mindre regnekraft og nogle gange køre på en kraftig bærbar computer. At AI kan hjælpe på et miljøproblem er derfor ikke det samme som, at det kræver ChatGPT skala.

Luccioni og kolleger målte også energien ved brug af åbne generative modeller. Hao gengiver, at tusind tekstgenereringer i gennemsnit brugte omtrent så meget energi som fire fulde opladninger af en almindelig smartphone. Tusind AI genererede billeder svarede derimod til omkring 242 fulde opladninger. Det enkelte billede ser gratis ud på skærmen, men bag det ligger en beregning, der gentages millioner af gange på tværs af tjenester og brugere.

Samtidig bliver selve målingen vanskeligere. Hao beskriver, hvordan Luccioni kontaktede mere end 500 forfattere til nyere maskinlæringsstudier for at få grundlæggende oplysninger om deres modeltræning og næsten ingen svar fik. Flere oplysninger blev betegnet som fortrolige. Når industrien på samme tid lover bæredygtighed og begrænser adgangen til de data, der gør løfterne efterprøvelige, får offentligheden et mærkeligt krav: Vi skal stole på regnskabet, men må ikke se alle bilagene.

Flere artikler om Diverse information

Kommer små børn, der ikke kan skelne mellem ret og uret, i Himlen?

05. november, 2005

Når en chatbot kan bruges gratis eller for et beskedent abonnement, skabes indtryk af, at dens marginale omkostning næsten er nul. Men det er kun fordi en stor del af prisen ligger et andet sted. Den ligger i kapitalinvesteringer, som investorer håber at få tilbage senere. Den ligger i elnet, som skal udbygges. Den ligger i offentlige incitamenter. Den ligger i naturressourcer, som ofte prissættes langt lavere end deres reelle betydning. Og den ligger hos mennesker, der lever med konsekvenserne uden at have bedt om produktet.

Det gør spørgsmålet om ”billig AI” næsten meningsløst, hvis regnestykket kun omfatter brugerens pris. Hvis en forespørgsel er billig, fordi vandet er billigt for selskabet, mens det samme vand er uvurderligt for en tørkeramt landsby, er den ikke billig. Hvis strømmen er billig, fordi et gammelt ”fossilværk” holdes åbent, er den ikke billig. Hvis serveren er billig, fordi dens metaller er udvundet i et område, der bærer miljøskaden, er den ikke billig. Omkostningen er blot flyttet.

Det betyder ikke, at et datacenter aldrig giver noget tilbage. Hao beskriver, hvordan Microsoft i West Des Moines betalte så store lokale skatter, at byen kunne forbedre offentlig infrastruktur, og at selskabet over en årrække gav omkring 2,5 millioner dollar (16 millioner kr.), til lokale programmer. Den slags skal med, hvis regnestykket skal være troværdigt. Problemet er ikke, at alle projekter kun tager. Problemet er, at fordelene og omkostningerne ofte ligger på helt forskellige skalaer og hos forskellige mennesker.

I Uruguay bliver forskellen skarpere. Google lagde sit planlagte anlæg i en frihandelszone med attraktive skattevilkår, mens landet samtidig skulle stille jord, energi og - efter den første plan - enorme mængder drikkevand til rådighed. I Chile stod skoler nær datacenteret stadig uden god digital adgang, mens selskabet brugte området som knudepunkt for global datatrafik. Den lokale befolkning kan altså være nabo til noget af verdens mest avancerede digitale infrastruktur uden selv at få den digitale velstand, som projektet siges at bringe.

Der findes også et politisk pres i selve muligheden for, at selskabet kan gå et andet sted hen. Da modstanden i Chile voksede, flyttede Google planerne for sit næste latinamerikanske datacenter til Uruguay. For et land eller en fattig kommune kan beskeden derfor blive: Accepter vilkårene, eller se investeringerne forsvinde. Det er en stærk forhandlingsposition for virksomheder med milliarder i kapital og en langt svagere position for et lokalsamfund, der kun har én vandforsyning, ét landskab og ét sted at bo.

Bibelen begynder ikke med en industriel verden, men med en skabt verden. Mennesket får en særlig plads og et særligt ansvar. Adam blev sat i haven ”til at dyrke og vogte den” (1. Mos. 2:15). Det er noget andet end at behandle jorden som et lager, der eksisterer for at tømmes så hurtigt, som teknologi og kapital tillader.

Det betyder ikke, at mennesket ikke må bygge, udvinde mineraler eller udvikle teknologi. Kobber er ikke ondt. Et datacenter er ikke i sig selv syndigt. Problemet opstår, når begæret efter vækst bliver så stort, at livets forudsætninger reduceres til forbrugsvarer. Når rent vand til køling vejer tungere end rent vand til mennesker. Når en vådmark bliver mindre værd end en serverhal, fordi serverhallen kan kapitaliseres. Når et lokalsamfund forventes at acceptere støj og industri, fordi nogen langt borte har besluttet, at AI kapløbet ikke må bremses.

Paulus skriver: ”Vi ved jo, at hele skabningen tilsammen sukker og er i veer endnu i denne stund” (Rom. 8:22). Den bibelske virkelighed er ikke, at naturen er guddommelig. Den er skabt. Men netop derfor er den heller ikke vores gud. Vi har ikke fået mandat til at ofre den på fremskridtets alter.

Åbenbaringen bruger et endnu stærkere udtryk om dommens tid, hvor Gud vil lade ”de, der lægger jorden øde, selv skal ødelægges” (Åb. 11:18). Verset er ikke skrevet som en moderne miljøpolitisk programerklæring, og det skal ikke misbruges som sådan. Men ordene gør én ting helt klart: Gud er ikke ligeglad med dem, der lægger jorden øde.

Det bibelske ansvar bliver derfor meget konkret. At vogte skabningen betyder ikke, at naturen aldrig må berøres. Det betyder, at mennesket ikke er den endelige ejer og derfor heller ikke kan gøre kortsigtet gevinst til den eneste målestok. Hvis et projekt kræver, at andre menneskers drikkevand, helbred eller livsgrundlag sættes under pres, kan vi ikke nøjes med at spørge, om projektet er lovligt eller økonomisk rentabelt. Forvaltning er et moralsk spørgsmål, fordi både mennesket og jorden tilhører en orden, vi ikke selv har skabt.

Industrien spørger hele tiden, hvad der bliver muligt med næste generation. Hvor stor kan modellen blive? Hvor mange GPU’er kan kobles sammen? Hvor hurtigt kan et nyt megacenter bygges? Hvor mange gigawatt kan et område levere? Men et samfund, der kun stiller mulighedens spørgsmål, har allerede glemt visdommens spørgsmål.

Det relevante spørgsmål er ikke kun, om vi kan. Det er, hvad vi ødelægger for at gøre det, hvem der betaler, hvem der får gevinsten, og om anvendelsen overhovedet står mål med forbruget. En mindre model, der løser en konkret opgave, kan være et fornuftigt værktøj. En global industri, der gør ubegrænset skalering til selve fremskridtet, er noget andet.

Vi står med en teknologi, hvis mest imponerende egenskab måske ikke er dens intelligens, men dens evne til at skjule sin egen fysiske vægt. På skærmen er den let. I virkeligheden er den tung. Den står på jord, drikker vand, trækker strøm, kræver miner, fylder landskaber med bygninger og højspænding, producerer støj og ender som affald.

Derfor er det utilstrækkeligt at spørge, om AI kan hjælpe mennesket. Vi må også spørge, hvad AI industrien gør ved det menneske og den skabning, den hævder at ville hjælpe. Hvis fremskridtet kræver, at rent vand bliver til kølevæske, at ørkener og saltsletter tømmes for råstoffer, at lokalsamfund mister ro og råderum, og at millioner af ton avanceret elektronik hurtigt bliver affald, så er det ikke nok at kalde resultatet innovation.

En teknologi skal tjene livet. Livet skal ikke gøres til brændstof for teknologien. Det mest tankevækkende i Haos bog er måske, at flere af de værste eksempler ikke skyldes, at en anden løsning var umulig. Google kunne ændre kølingen i Chile og Uruguay, da modstanden blev stærk nok. Mindre AI modeller kan løse mange konkrete opgaver. Datacentre kan bygges tættere på de lokalsamfund, de faktisk tjener, og udformes med mere gennemsigtighed og ansvar. Arbejdere kan få ordentlige kontrakter og løn. Det, der driver den ødelæggende retning, er derfor ikke teknologiens blotte eksistens, men kravet om stadig større skala og stadig hurtigere vækst.

Det er også derfor regnestykket må begynde før prompten og fortsætte efter svaret. Før prompten ligger minen, vandet, chipfabrikken, kraftværket, arbejdsmanden, dataarbejderen og byggepladsen. Efter svaret ligger den fortsatte drift, den næste model, den næste chipgeneration og det elektroniske affald. Først når hele den kæde kommer med, kan vi spørge ærligt, hvad denne form for kunstig intelligens faktisk koster.

Til sidst ender spørgsmålet om kunstig intelligens et helt andet sted end i serverhaller, algoritmer og regneark. Det ender ved et bud, Gud gav Israel for tusinder af år siden: ”du skal elske din næste som dig selv” (3. Mos. 19:18). Jesus gentager buddet og gør det til det næststørste af alle bud: ”Du skal elske din næste som dig selv” (Matt. 22:39). Hele spørgsmålet om, hvordan vi behandler andre mennesker, ligger allerede gemt i de få ord.

Det hebraiske ord for ”næste” i 3. Mos. 19:18 , er rēaʿ (רֵעַ). Det betyder ikke blot den person, der bor i huset ved siden af. Hebraisk har et andet ord, shākhēn (שָׁכֵן), som netop kan betegne en nabo i fysisk forstand - en , der bor i nærheden. Rēaʿ betegner snarere ens medmenneske, fælle eller den anden, man står i relation til. Og samme kapitel gør perspektivet endnu tydeligere, når Gud også siger om den fremmede, der bor iblandt dem: ”du skal elske ham som dig selv” (3. Mos. 19:34). Næstekærligheden standser altså ikke ved hækken, landegrænsen eller ved det menneske, vi selv kan se.

Det er måske netop her, denne artikel rammer os. For menneskerne, der betaler prisen for vores digitale verden, bor ofte meget langt væk. Vi ser ikke minearbejderen, hvis område mister sit vand. Vi hører ikke familien, der lever med datacenterets brummen gennem natten. Vi møder ikke kvinden, der arbejder 20 timer i døgnet for få dollars, eller manden, der dag efter dag læser beskrivelser af overgreb, vold og selvskade, så vores AI kan blive behagelig og sikker at bruge. Men afstanden ophæver ikke næstekærligheden. De er stadig vores næste.

Buddet er for det første et værn imod, at mennesket lukker sig om sig selv. Syndens bevægelse går den modsatte vej: ”jeg vil”. I Esajas 14 beskrives oprøret netop gennem denne gentagne selvophøjelse - ”jeg vil stige op”, ”jeg vil ophøje min trone”, ”jeg vil være den Højeste lig”. Det er selvets vilje gjort til centrum. Den samme grundtanke finder man langt senere i Aleister Crowleys berømte okkulte motto: ”Do what thou wilt shall be the whole of the Law” - gør, hvad du vil, skal være hele loven. Guds lov siger det modsatte. Ikke: Hvad kan jeg få? Hvad ønsker jeg? Hvad gør mit liv lettere? Men: Hvad sker der med min næste?

For det andet nærer næstekærligheden selve kærligheden. Når vi begynder at se den andens behov, holder mennesket foran os op med blot at være arbejdskraft, forbruger, omkostning eller en anonym del af en forsyningskæde. Jesus gør dette næsten svimlende konkret, når Han siger: ”Hvad I har gjort imod en af mine mindste brødre dér, har I gjort imod mig” (Matt. 25:40). Gud identificerer sig så stærkt med den lille og oversete, at vores behandling af ham bliver en behandling af Kristus selv. Når vi hjælper et andet menneske, bærer dets byrde og tager dets nød alvorligt, viser vi noget af den kærlighed, vi selv har modtaget fra vores Far.

Og for det tredje ligger der en mærkelig guddommelig økonomi i næstekærligheden. Den, der kun lever for sig selv, kan ende med at få mere og mere og alligevel have mindre og mindre at leve for. Men når vi giver plads til andre, får livet retning uden for os selv. Vi oplever glæden ved at være til gavn, ved at bære noget sammen og ved at vide, at et andet menneskes liv blev lettere, fordi vi var der. Og hvis også den anden har forstået det samme bud, vender kærligheden tilbage - jeg bærer dig, når du er svag, og du bærer mig, når jeg er svag. Et samfund, hvor mennesker elsker deres næste som sig selv, behøver ikke at være bygget på, at enhver kæmper for at sikre sig mest muligt på den andens bekostning.

Det er også den målestok, vores teknologi må holdes op imod. Det afgørende spørgsmål er ikke alene, hvad AI kan gøre for mig, men hvad min brug af den kræver af andre. Hvis min bekvemmelighed forudsætter, at et andet menneskes vand forsvinder, at hans hjem fyldes med industriel støj, at hun arbejder sig ud over menneskelig udholdenhed, eller at et fjernt lokalsamfund bærer forureningen, mens jeg modtager fordelene, kan jeg ikke nøjes med at sige, at de bor langt væk og derfor ikke angår mig. For Gud spurgte aldrig, hvor langt væk vores næste måtte bo, før vi skulle elske ham. ”Du skal elske din næste som dig selv”. Det er en langt ældre lov end kunstig intelligens. Og den er stadig en langt bedre målestok for fremskridt.