Καθώς οι εταιρείες τεχνολογίας συνεχίζουν να παρουσιάζουν τα πιο πρόσφατα συστήματα τεχνητής νοημοσύνης (ΑΙ), ένα βουνό παλαιών ηλεκτρονικών συσσωρεύεται αθόρυβα στο παρασκήνιο. Με τις συχνές αναβαθμίσεις υλικού και τα εξαρτήματα που είναι δύσκολο να ανακυκλωθούν, ειδικοί αναφέρουν ότι η τεχνολογία επιταχύνει την παγκόσμια κρίση απορριμμάτων.
Τα ηλεκτρονικά απόβλητα αποτελούν ένα από τα ταχύτερα αυξανόμενα ρεύματα στερεών αποβλήτων παγκοσμίως, σύμφωνα με τον Παγκόσμιο Οργανισμό Υγείας. Από το 2010 — χρονιά της κυκλοφορίας του iPad της Apple — οι άνθρωποι παράγουν σταθερά ολοένα και μεγαλύτερους όγκους ηλεκτρονικών αποβλήτων.
Η Παγκόσμια Έκθεση Παρακολούθησης Ηλεκτρονικών Αποβλήτων των Ηνωμένων Εθνών κατέγραψε 62 εκατομμύρια τόνους το 2022, κάτι που αντιστοιχεί σε αύξηση 82% σε σχέση με το 2010. Για να δοθεί ένα μέτρο σύγκρισης, η έκθεση ανέφερε ότι πρόκειται για ποσότητα αρκετή ώστε να γεμίσει πάνω από 1,5 εκατομμύριο απορριμματοφόρα.
Οι ερευνητές εκτιμούν ότι αυτός ο αριθμός θα αυξηθεί κατά 32% και θα φθάσει τους 82 εκατομμύρια τόνους έως το 2030.
Η γενετική τεχνητή νοημοσύνη — η τεχνολογία που αξιοποιεί μεγάλα γλωσσικά μοντέλα (Large Language Models – LLM) όπως τα Claude και ChatGPT — προσθέτει στον αυξανόμενο όγκο ηλεκτρονικών αποβλήτων. Ερευνητές αναφέρουν ότι τα εξαρτήματα που σχετίζονται με την τεχνητή νοημοσύνη θα μπορούσαν να αντιστοιχούν σε έως 5 εκατομμύρια τόνους πρόσθετων ηλεκτρονικών αποβλήτων έως το 2030, σύμφωνα με μελέτη του 2024 που δημοσιεύθηκε στο Nature Computational Science. Λιγότερο δε συντηρητικές προβλέψεις υποστηρίζουν ότι η ποσότητα των ηλεκτρονικών αποβλήτων που συνδέονται με την τεχνητή νοημοσύνη ενδέχεται να είναι ακόμη μεγαλύτερη, δεδομένου του γρήγορου ρυθμού ανάπτυξης των μεγάλων γλωσσικών μοντέλων.
Στην περίπτωση που ο πολλαπλασιασμός των μεγάλων γλωσσικών μοντέλων επιταχυνθεί σύμφωνα με τις υψηλότερες προσδοκίες, ο όγκος των αποβλήτων από αυτά τα μοντέλα θα μπορούσε, σύμφωνα με έκθεση του Μαΐου του ιδρύματος ψηφιακών λύσεων Reset, να εκτοξευθεί σε 16,1 εκατομμύρια επιπλέον τόνους.
Παράγοντες του κλάδου αναφέρουν ότι το εύρος του προβλήματος των ηλεκτρονικών αποβλήτων που συνδέονται με την τεχνητή νοημοσύνη υπερβαίνει τη διάσταση των αυξανόμενων απορριμμάτων. Πρόκειται για ένα βουνό απορριμμάτων γεμάτο με επικίνδυνα στοιχεία, όπως τοξικές χημικές ουσίες και βιομηχανικούς διαλύτες.
Ο Γκαουράβ Σαχ (Gaurav Shah), διαχειριστής εταίρος στην Trident Renewables, ανέφερε στην εφημερίδα The Epoch Times ότι η συμβολή της τεχνητής νοημοσύνης στην κρίση ηλεκτρονικών αποβλήτων δεν αφορά μόνο τον γρήγορο κύκλο αντικατάστασης εξοπλισμού, αλλά και συστημικά αναποτελεσματικό σχεδιασμό που πρέπει να αντιμετωπιστεί. Ο ίδιος έχει εργαστεί με επενδύσεις σε ανανεώσιμες πηγές ενέργειας, διαχείριση αποβλήτων και έργα κυκλικής οικονομίας στις Ηνωμένες Πολιτείες. Από τη δική του σκοπιά, η τεχνητή νοημοσύνη έχει ακόμη πολύ δρόμο να διανύσει ως προς την περιβαλλοντική βιωσιμότητα.
Προς το παρόν, τα περισσότερα ηλεκτρονικά απόβλητα εξακολουθούν να καταλήγουν σε χωματερές. Σε ανάλυση του 2022 του ΟΗΕ για τα παγκόσμια ηλεκτρονικά απόβλητα, λιγότερο από το ένα τέταρτο ανακυκλώθηκε. Η Ευρώπη, που έχει τα υψηλότερα ποσοστά τεκμηριωμένης ανακύκλωσης ηλεκτρονικών αποβλήτων, ανέκτησε παρ’ όλα αυτά λιγότερο από το μισό του συνολικού συσσωρευμένου αποθέματός της, όπως διαπίστωσε η ίδια ανάλυση.
Ο Σαχ ανέφερε ότι η ταχεία απαξίωση των GPU (μονάδων επεξεργασίας γραφικών) και των TPU (μονάδων επεξεργασίας τανυστών) αντανακλά ένα βαθύτερο ελάττωμα στον τρόπο με τον οποίο το οικοσύστημα της τεχνητής νοημοσύνης μετρά την πρόοδο. Είπε ότι η «απόδοση ανά βατ» έχει αντικαταστήσει την «απόδοση ανά κύκλο ζωής» ως βασικό κριτήριο βελτιστοποίησης, και ότι από εκεί ξεκινά το πραγματικό περιβαλλοντικό κόστος.
Γρήγορη αντικατάσταση εξοπλισμού
Ο Τάρας Ντέμκοβιτς (Taras Demkovych), συνιδρυτής της Forbytes, ανέφερε στην Epoch Times ότι η γρήγορη αντικατάσταση υλικού αποτελεί παράγοντα που συμβάλλει άμεσα στο πρόβλημα των ηλεκτρονικών αποβλήτων, ειδικά για τα κέντρα δεδομένων που λειτουργούν μεγάλα μοντέλα τεχνητής νοημοσύνης.
Πρόσθεσε ότι η διαχείριση του κύκλου ζωής του υλικού συχνά παραβλέπεται, επιδεινώνοντας το πρόβλημα. Στο έργο του με την ενσωμάτωση συστημάτων τεχνητής νοημοσύνης, είπε ότι οι συχνές αναβαθμίσεις δημιουργούν πλεονάζοντα εξοπλισμό που σπάνια ξαναχρησιμοποιείται αποτελεσματικά. Λόγω της πολυπλοκότητας των εξαρτημάτων υλικού της τεχνητής νοημοσύνης, η αποσυναρμολόγησή τους για εκ νέου χρήση αποτελεί σοβαρή πρόκληση.
Ο ίδιος ανέφερε ότι είναι πολύπλοκο να αποσυναρμολογηθεί ο προηγμένος εξοπλισμός της τεχνητής νοημοσύνης λόγω πολυστρωματικών πλακετών, ότι πολλές συσκευές σχεδιάζονται για συμπαγή μορφή και όχι για ανακύκλωση και ότι αυτή η πολυπλοκότητα οδηγεί σε υψηλότερο κόστος διάθεσης και χαμηλότερα ποσοστά ανακύκλωσης.
Ο Σαχ σημείωσε ότι τα φορτία εργασίας της τεχνητής νοημοσύνης εξαρτώνται από ένα συνεχώς αυξανόμενο σύνολο τεχνολογιών για να λειτουργήσουν, από φυσικά εξαρτήματα μέχρι λογισμικό και γλώσσες προγραμματισμού, καθώς και κέντρα δεδομένων και διακομιστές. Τα κέντρα δεδομένων, για παράδειγμα, αποτελούν κρίσιμο τμήμα της υπολογιστικής υποδομής της τεχνητής νοημοσύνης, και ο αριθμός τους αυξάνεται με εκθετικό ρυθμό στις Ηνωμένες Πολιτείες.
Ο Ντάρσαν Μέχτα (Darshan Mehta), ειδικός στην τεχνητή νοημοσύνη, ανέφερε στην Epoch Times ότι αυτά τα εξαρτήματα καθίστανται παρωχημένα μέσα σε 18 έως 24 μήνες, καθώς τα μοντέλα γίνονται πιο απαιτητικά και οι προμηθευτές διαθέτουν πιο αποδοτικό υλικό, κάτι που οδηγεί κέντρα δεδομένων και επιχειρήσεις να αποσύρουν μαζικά συσκευές. Ο ίδιος εργάζεται σήμερα ως διευθυντής προϊόντος στην εφαρμοσμένη ΑΙ στην AT&T και έχει εργαστεί επίσης σε ψηφιακές υποδομές στη Meta.
Όπως είπε, δεν πρόκειται μόνο για την απαξίωση του υλικού· άλλοι παράγοντες, όπως ο πολλαπλασιασμός εξειδικευμένων συστημάτων ψύξης, μονάδων παροχής ισχύος και ιδιόκτητου λογισμικού, περιπλέκουν περαιτέρω την ανακύκλωση. Σημείωσε δε ότι η αύξηση της περιφερειακής τεχνητής νοημοσύνης — που εκτελεί την ΑΙ απευθείας σε τοπικές συσκευές, όπως τηλέφωνα ή αυτοκίνητα — προσθέτει εκατομμύρια μικρότερες συσκευές στο ρεύμα αποβλήτων.
Η πρόκληση της ανακύκλωσης των ηλεκτρονικών αποβλήτων δεν αφορά μόνο μικροσκοπικά εξαρτήματα που είναι δύσκολο να αποσυναρμολογηθούν. Αφορά και την ποσότητα δυνητικά επικίνδυνων υλικών που μπορεί να απελευθερωθούν κατά τη διαδικασία αποσυναρμολόγησης.
Εξαρτήματα όπως επεξεργαστές γραφικών, αισθητήρες, μπαταρίες και τυπωμένες πλακέτες κυκλωμάτων βασίζονται σε επικίνδυνες χημικές ουσίες ή στοιχεία στη διαδικασία κατασκευής. Μέταλλα όπως ο μόλυβδος, ο υδράργυρος και το κάδμιο, που χρησιμοποιούνται σε εξοπλισμό τεχνητής νοημοσύνης, μπορούν επίσης να μολύνουν το έδαφος και τα υδάτινα αποθέματα.
Ανάλυση της Good Electronics παρατήρησε ότι πολλαπλά βαρέα μέταλλα είναι ενσωματωμένα στη βιομηχανική παραγωγή που σχετίζεται με την τεχνητή νοημοσύνη. Υπάρχουν ακόμη και βιομηχανικοί διαλύτες, όπως τα ξυλένια και η μεθυλαιθυλοκετόνη, που χρησιμοποιούνται για τον καθαρισμό εξαρτημάτων μέσα σε ένα εκτεταμένο δίκτυο εξειδικευμένου υλικού, αποθήκευσης και δικτυακών στοιχείων — το καθένα ένας λαβύρινθος από απειροελάχιστα μέρη — που υποστηρίζει την τεχνολογία.
Ο Μέχτα ανέφερε ότι τελικά τόσο η βιομηχανία όσο και η κυβέρνηση θα χρειαστεί να δώσουν προτεραιότητα στον κυκλικό σχεδιασμό στην κούρσα για αποδοτικότερη τεχνητή νοημοσύνη, διαφορετικά τα κέρδη σε υπολογιστική ισχύ θα συνεχίσουν να επισκιάζονται από το περιβαλλοντικό κόστος.
Ο Σαχ σημείωσε ότι η περιβαλλοντική ιστορία της τεχνητής νοημοσύνης, σε τελική ανάλυση, δεν αφορά δεδομένα ή τσιπ, αλλά την ηθική του σχεδιασμού και την πειθαρχία των επενδύσεων, και ότι η τεχνολογία που ισχυρίζεται ότι «βλέπει μοτίβα» πρέπει να βλέπει και το δικό της αποτύπωμα άνθρακα.
Περιπλέκοντας τον κλάδο των ηλεκτρονικών αποβλήτων
Η διαχείριση ηλεκτρονικών αποβλήτων είναι ήδη ένας ταχέως αναπτυσσόμενος κλάδος. Με αξία αγοράς άνω των 76 δισεκατομμυρίων δολαρίων το 2024, προβλέπεται ότι η διαχείριση ηλεκτρονικών αποβλήτων θα ξεπεράσει τα 282 δισεκατομμύρια δολάρια έως το 2033, σύμφωνα με την εταιρεία επιχειρηματικής πληροφόρησης Market Data Forecast. Ωστόσο, η αποσυναρμολόγηση παλαιών εξαρτημάτων τεχνητής νοημοσύνης είναι πιο περίπλοκη από πολλά άλλα ηλεκτρονικά απόβλητα, σύμφωνα με τον Μέχτα.
Ο εξοπλισμός τεχνητής νοημοσύνης βιομηχανικού επιπέδου είναι πολύ πιο σύνθετος από τα καταναλωτικά ηλεκτρονικά, δήλωσε, με συστήματα που συχνά αποτελούνται από πλακέτες κυκλωμάτων με πολύ πυκνή διάταξη εξαρτημάτων, ποικιλία σπανίων γαιών και συγκολλημένα πολυστρωματικά εξαρτήματα, γεγονός που καθιστά την αποσυναρμολόγηση απαιτητική και δαπανηρή. Οι ιδιόκτητοι σχεδιασμοί και η στενά ενσωματωμένη ψύξη συμβάλλουν σε χαμηλές αποδόσεις ανακύκλωσης.
Η κυκλική οικονομία αντιμετωπίζει πραγματικά εμπόδια εδώ, επειδή, χωρίς τυποποιημένες μονάδες και προσβάσιμη τεκμηρίωση επισκευών, οι περισσότερες εγκαταστάσεις προτιμούν τον μαζικό τεμαχισμό αντί της ακριβούς ανάκτησης υλικών, τόνισε.
Μέρος του προβλήματος και της λύσης
Η παραδοσιακή ανακύκλωση πλήττεται από αναποτελεσματικότητα και από τον κίνδυνο επιμόλυνσης — ένα δυνητικά επικίνδυνο ζήτημα όταν πρόκειται για εξαρτήματα ηλεκτρονικών αποβλήτων.
Τώρα, όμως, η ίδια η τεχνητή νοημοσύνη ενισχύει την ακρίβεια και την ταχύτητα της διαλογής και βελτιστοποιεί την εφοδιαστική, ενώ προωθεί τεχνικές ανάκτησης υλικών. Η εταιρεία Okon Recycling με έδρα το Τέξας ανέφερε στην ιστοσελίδα της ότι η χρήση τεχνητής νοημοσύνης στις εγκαταστάσεις της μείωσε τα ποσοστά επιμόλυνσης υλικών από 15-25% σε 5%. Όπως σημειώνει, στην επεξεργασία ηλεκτρονικών αποβλήτων, τα συστήματα τεχνητής νοημοσύνης εντοπίζουν κρίσιμα εξαρτήματα για ανάκτηση, όπως πολύτιμα μέταλλα και στοιχεία σπανίων γαιών σε ηλεκτρονικές συσκευές, και ότι αυτή η ικανότητα μεγιστοποιεί την ανάκτηση πόρων από ολοένα πιο σύνθετα ρεύματα αποβλήτων.
Παρόλα αυτά, σύμφωνα με την Παγκόσμια Έκθεση Παρακολούθησης Ηλεκτρονικών Αποβλήτων, ο όγκος των ηλεκτρονικών αποβλήτων αυξάνεται πέντε φορές ταχύτερα από τις προσπάθειες ανακύκλωσης, και ο Ντέμκοβιτς εκτιμά ότι η αυξανόμενη ζήτηση για εξοπλισμό τεχνητής νοημοσύνης αποτελεί μέρος αυτού του προβλήματος. Σύμφωνα με τα λεγόμενά του, η τεχνητή νοημοσύνη βελτιώνει την αποδοτικότητα της διαλογής και τη συντήρηση μέσω πρόβλεψης, αλλά η εισροή νέων συσκευών εξακολουθεί να υπερβαίνει τις δυνατότητες ανακύκλωσης, και ότι μόνο η τεχνολογία δεν μπορεί να αντισταθμίσει την αύξηση των ηλεκτρονικών αποβλήτων, καθώς απαιτούνται πολιτικές και αλλαγές στον σχεδιασμό.
Ο Μέχτα συμφωνεί με αυτή την άποψη, παρατηρώντας ότι η τεχνητή νοημοσύνη συμβάλλει στην αποδοτικότητα της ανακύκλωσης, με ρομποτικά συστήματα που πλέον μπορούν να διαχωρίζουν ηλεκτρονικά απόβλητα γρηγορότερα και ακριβέστερα από τις χειρωνακτικές μεθόδους, ενώ η συντήρηση μέσω πρόβλεψης παρατείνει τη διάρκεια ζωής του εξοπλισμού σε ορισμένες εγκαταστάσεις. Ωστόσο, όπως σημείωσε, αυτά τα κέρδη δεν ανταποκρίνονται στον τεράστιο όγκο και τον ρυθμό ανανέωσης εξοπλισμού που τροφοδοτείται από την τεχνητή νοημοσύνη.
Ο Σαχ εκτιμά ότι η τεχνητή νοημοσύνη θα μπορούσε να φέρει επανάσταση σε κάτι περισσότερο από την ανακύκλωση: αν η τεχνητή νοημοσύνη μπορεί να βελτιστοποιήσει την εφοδιαστική της ανακύκλωσης και την αποσυναρμολόγηση μέσω πρόβλεψης, τότε θα μπορούσε να χρησιμοποιηθεί και για να επανασχεδιάσει τη δική της αλυσίδα εφοδιασμού.
Αλλαγές στην κατασκευή του υλικού της τεχνητής νοημοσύνης μπορούν να κάνουν την ανακύκλωση ευκολότερη, ιδίως την ανακύκλωση ημιαγωγών, προτείνει. Αυτές οι αλλαγές περιλαμβάνουν ιχνηλάσιμα ψηφιακά «διαβατήρια» που θα βοηθούν στον εντοπισμό και την ανάκτηση υλικών σε σύνθετα ηλεκτρονικά, καθώς και «συντελεστές ανακυκλωσιμότητας» που αξιολογούν το δυναμικό ανακύκλωσης ενός προϊόντος με βάση τα εξαρτήματά του. Εκτιμά ότι αυτά θα μπορούσαν να μειώσουν τα ηλεκτρονικά απόβλητα στον κύκλο ζωής κατά έως 50% μέσα σε λιγότερο από μία δεκαετία.
Χρήματα στα σκουπίδια
Μέσα στο διευρυνόμενο ρεύμα ηλεκτρονικών αποβλήτων που συνδέονται με την τεχνητή νοημοσύνη υπάρχουν δισεκατομμύρια δολάρια σε μέταλλα.
Σύμφωνα με την Παγκόσμια Έκθεση Παρακολούθησης Ηλεκτρονικών Αποβλήτων, εκτιμάται ότι μέταλλα αξίας 91 δισεκατομμυρίων δολαρίων ήταν ενσωματωμένα στην παγκόσμια ποσότητα ηλεκτρονικών αποβλήτων το 2022. Σε αυτό το ποσό περιλαμβάνονται περίπου 19 δισεκατομμύρια δολάρια σε χαλκό, 15 δισεκατομμύρια δολάρια σε χρυσό και 16 δισεκατομμύρια δολάρια σε σίδηρο. Έτσι, ενώ το κόστος αναφέρεται παραδοσιακά ως εμπόδιο για υψηλότερα ποσοστά ανακύκλωσης ηλεκτρονικών αποβλήτων, η απόδοση από την ανάκτηση ορυκτών θα μπορούσε να αντισταθμίσει την αρχική επένδυση.
Σε μελέτη του Μαΐου που δημοσιεύθηκε τον Αύγουστο στο περιοδικό Waste, ερευνητές διαπίστωσαν ότι οι τυπωμένες πλακέτες κυκλωμάτων — ένα βασικό στοιχείο του υλικού της τεχνητής νοημοσύνης — μπορεί να περιέχουν από 40 έως 800 φορές περισσότερο χρυσό ανά μετρικό τόνο από ό,τι το εξορυσσόμενο μετάλλευμα. Η παραδοσιακή εξόρυξη μπορεί να αποδώσει 5 έως 10 γραμμάρια χρυσού ανά μετρικό τόνο, ενώ η ανακύκλωση ηλεκτρονικών αποβλήτων μπορεί να ανακτήσει 1.000 έως 3.000 γραμμάρια χρυσού ανά μετρικό τόνο. Οι συγγραφείς της μελέτης ανέφεραν ότι η ανάκτηση μετάλλων με πιο προηγμένες τεχνολογίες ανακύκλωσης ηλεκτρονικών αποβλήτων θα μπορούσε να εξοικονομήσει χρήματα μακροπρόθεσμα. Το κόστος ανάκτησης ανά κιλό χρυσού κυμαίνεται από 10.000 έως 20.000 δολάρια. Αυτό είναι πολύ χαμηλότερο από το κόστος 30.000 έως 50.000 δολάρια ανά κιλό για την ίδια ποσότητα χρυσού από μετάλλευμα μέσω παραδοσιακών μεθόδων εξόρυξης.
