Je zou het niet zeggen als je een AI-assistent zoals ChatGPT gebruikt, maar achter elk antwoord dat je krijgt, draaien honderden tot duizenden rekenkernen in een datacenter. Die computers moeten constant beschikbaar zijn om jouw vraag direct te kunnen beantwoorden. Ze gebruiken daarvoor niet alleen enorme hoeveelheden stroom, maar genereren ook hitte die weer gekoeld moet worden. En dat voor elk stukje tekst, ieder plaatje of elke suggestie die jij in seconden op je scherm ziet.
“AI is ontzettend krachtig, maar ook een enorme energieslurper,” zegt Fernando Castor, universitair hoofddocent groene softwareontwikkeling aan de UT. “Sommige taalmodellen gebruiken vijf keer zoveel energie als andere, terwijl ze voor bepaalde taken vergelijkbare resultaten leveren.”
En het gaat niet alleen om grote taalmodellen. Ook beeldherkenning, stemassistenten en automatische aanbevelingen op bijvoorbeeld YouTube of Spotify maken gebruik van AI-algoritmes. Hoe vaker ze worden toegepast, hoe groter het energieverbruik wereldwijd.
Energie besparen begint met slimme code
Castor onderzoekt hoe software zelf zuiniger kan worden. Hij noemt het green software development: software die dezelfde functionaliteit biedt, maar op een slimmere en energie-efficiëntere manier.
“Software lijkt ongrijpbaar, maar elke regel code bepaalt wat hardware moet doen”, zegt Castor. “Als die code inefficiënt is, verbruikt alles eronder meer energie. Zuinige code kan het verschil maken; voor je batterij, en voor het elektriciteitsnet van een datacenter.”
Zijn onderzoeksteam kijkt zelfs of AI zélf energiezuinige code kan leren schrijven. Dat klinkt paradoxaal - energie gebruiken om energie te besparen - maar het werkt. Sommige AI-modellen blijken in tests al betere, zuinigere code te genereren dan ervaren programmeurs.
Chips die denken als een brein
Aan de hardware kant werkt Amirreza Yousefzadeh, universitair docent Edge AI aan de UT, aan zogeheten neuromorfe chips: computeronderdelen die zijn geïnspireerd op hoe het menselijk brein werkt. Die functioneren, net als het menselijk brein, snel, maar extreem energiezuinig.
“Een brein gebruikt ongeveer 10 watt aan energie om te zien, horen, leren en beslissen”, legt Yousefzadeh uit. “Maar AI-modellen gebruiken duizenden watts om vergelijkbare taken uit te voeren.”
Hij bouwt deze efficiënte hardware speciaal voor toepassingen zoals gehoorapparaten, AR-brillen, en wearables. Maar ook AI-datacenters kunnen op termijn profiteren van deze duurzame technologie.
Kun jij daar iets aan doen?
Een beetje wel. Als gebruiker kun je natuurlijk bewuster omgaan met hoe je AI gebruikt. Nu je weet dat één simpele prompt bij een AI-tool flink wat rekenkracht, en dus energie, kost. Het genereren van één afbeelding kan bijvoorbeeld genoeg stroom verbruiken om een laptop tientallen keren op te laden. Dat zet je misschien aan het denken voordat je nog eens op ‘genereren’ klikt voor die extra gegenereerde afbeelding of onnodige zoekvraag.
Maar de echte impact begint niet bij het gebruik, maar hoe we deze systemen ontwerpen. De keuzes die worden gemaakt bij het schrijven van software, het bouwen van chips en het inrichten van datainfrastructuren bepalen uiteindelijk hoeveel energie AI verbruikt.
De toekomst ligt bij de ontwerpers
AI is niet meer weg te denken uit ons leven. Maar hoe we die technologie bouwen, blijft een keuze. Onderzoekers aan de Universiteit Twente combineren technische innovatie met maatschappelijke vragen: hoe maken we systemen die niet alleen krachtig zijn, maar ook energiezuinig, eerlijk en toekomstbestendig?
Door al bij het ontwerp na te denken over impact en duurzaamheid, bouwen zij aan technologie die werkt voor de wereld van morgen. En misschien draag jij daar later ook wel aan bij!
