Der er intet kunstigt ved kunstig intelligens

“Den næste industrielle revolution er begyndt,” indvarslede Nvidias direktør Jensen Huang i 2024. Og det er ikke den gode, gamle fabrik, men en ny type datacenter – KI-fabrikker – der skal være centrum for masseproduktionen af en ny vare: kunstig intelligens. Den slags fabrikker har Nvidia sat sig for at bygge.

Det er store ord og ambitioner fra det, der engang var en virksomhed, der beskæftigede sig med en (bogstaveligt talt) lille niche: mikrochips, der kunne køre computerspil. De ville altså gøre grafikken mere skarp, når man fx åbner porten til helvede og skal skyde en masse dæmoner for at redde Mars og Jorden, som man skal, når man spiller Doom, der blev lanceret i 1993.

Nvidia blev ligeledes stiftet i 1993 i Californien – af blandt andre Huang – men et par år derefter måtte han fyre halvdelen af de ansatte på grund af økonomiske problemer. Heromkring blev virksomhedens uofficielle motto formuleret: “Vores virksomhed er 30 dage fra at gå konkurs.”

Et motto, der kun er blevet mindre og mindre relevant.

Som The New York Times opsummerede virksomhedens markedsværdi sidste år: “Nvidia brugte tre årtier på at opbygge en virksomhed til en værdi af 1 billion dollars. Det har taget to år at omdanne den til en virksomhed til en værdi af 4 billioner dollars.” I mellemtiden har Nvidia som den første virksomhed nogensinde rundet en samlet markedsværdi på fem billioner dollars.

Det er altså gået rigtig stærkt. Næsten lige så stærkt som den hastige udvikling og udbredelse af kunstig intelligens samt udbygning af infrastrukturen, der ligger til grund for teknologien. På under fire år – sådan cirka siden OpenAI lancerede ChatGPT – er Nvidias markedsværdi 14-doblet.

I sin tid satte Nvidia sig som sagt for at lave en anden slags mikrochip end den CPU (central processing unit), som vi tidligere i denne serie har beskrevet som computerens hjerne. Det blev til det, som de kaldte for en GPU (graphics processing unit).

I modsætning til CPU’en – der har få kerner, som kan løse komplekse opgaver hurtigt, men én ad gangen – har GPU’en tusindvis af kerner, som kan udføre en hel masse mindre komplekse opgaver på én gang. Fx de relativt simple beregninger, som der skal til for at få pixels til at opføre sig på bestemte måder, så grafikken bliver hurtig og i høj kvalitet.

Det var godt for gamere, men et par årtier senere blev det også rigtig godt for Nvidias bundlinje.

For GPU’er viste sig senere at være rigtig gode til at udføre de mange, men simple beregninger, som det kræver at træne en kunstig intelligens til at “tænke”.

Kunstig intelligens er en lagkage

GPU’en er et vigtigt vendepunkt i algoritmens historie. For mens CPU’en kører sekventielle algoritmer, ligesom vi ville læse en kageopskrift – altså et trin ad gangen, arbejder GPU’en ikke algoritmisk, sådan som vi indtil videre har defineret det. GPU’en benytter i stedet såkaldte parallelle algoritmer, hvor en opgave deles op i mange små og simple regnestykker, der beregnes på samme tid.

En GPU kan ikke bage en kage 1.000 gange hurtigere end en CPU. En GPU kan til gengæld bage 1.000 kager på samme tid, som det tager en CPU at bage én.

Samtidig har ordet ‘compute’ ændret sig fra at være et verbum – beregne – og noget, som mennesker og siden hen computere udførte, til at være et substantiv. I det nuværende KI-boom (det, som nogle kalder en boble) betegner det regnekraft.

Der er brug for enormt meget regnekraft til både at træne og bruge KI-modeller. Og det er her, GPU’erne og dermed Nvidia kommer ind i billedet.

Som substantiv er compute blevet noget, man kan få mere af. Det er det, som techgiganterne, herunder Nvidia, er i gang med at tilegne sig for milliardvis af dollars. Jensen Huang beskriver compute som en “ny naturressource”. Nvidias regnskab taler for sig selv, når det kommer til ressourcens værdi.

I stedet for at se en såkaldt techstack som den software, programmeringssprog og database, som kræves for at få et system eller en applikation til at snurre rundt, så vil Huang også have os til at se de dybere lag i stakken.

Eller som Huang selv siger, så må vi betragte tech-stacken for kunstig intelligens som en femlags-lagkage.

Lagene består ifølge Huang af en bund af energi, altså strøm. Så kommer mikrochips eller -processorerne, der omdanner energien til regnekraft. Det tredje lag byder på infrastrukturen, herunder datacentre, strømforsyninger og kølesystemer, og på fjerde lag findes modellerne, herunder de store sprogmodeller. Først på det øverste lag findes krymmelet eller i dette tilfælde applikationerne, som er alt fra selvkørende biler til søgemaskiner.

For at optimere regnekraften kan man ikke kun koncentrere sig om et enkelt lag: Man må bage hele kagen på én gang. Og den vil Nvidia gerne bage i sine KI-fabrikker.

Forsyningskæden hopper af

Kunstig intelligens har flyttet fokus fra krymmel til lagkagebunde, fra algoritmer til infrastruktur. Med kunstig intelligens er de nederste lag, som altså altid har eksisteret, ligeledes blevet tydeligere for os.

Ifølge Blake Montgomery, der er teknologiredaktør på The Guardian, er teknologien – og dermed også journalistikken om den – flyttet ud i den virkelige verden: “Disse KI-datacentre er blandt de mest gigantiske og komplekse konstruktioner, menneskeheden nogensinde har skabt. Så nu rapporterer vi også om fysisk infrastruktur og virkelige steder, der eksisterer, og ikke kun om de digitale landskaber.”

Der er, som forfatter og forsker Kate Crawford skriver i bogen Atlas of AI, nemlig intet kunstigt ved kunstig intelligens. Teknologien har ægte omkostninger såsom strømafbrydelser, vandmangel og -forurening og rovminedrift.

Lagkagelagene kræver nemlig utrolig meget energi. Datacentrenes elforbrug var stort set uændret fra 2005 til 2017. Men i 2023 var det blevet fordoblet.

MIT Technology Review har analyseret kunstig intelligens’ energiforbrug og konkluderer, at tendensen ikke ser ud til at ændre sig foreløbigt: “I betragtning af den retning, som kunstig intelligens udvikler sig i – mere personlig, i stand til at ræsonnere og løse komplekse problemer på vores vegne, og til stede overalt, hvor vi kigger hen – er det sandsynligt, at vores KI-aftryk i dag er det mindste, det nogensinde vil blive.”

Samtidig benyttes der enorme mængder vand til bl.a. kølesystemerne. Ifølge et studie fra tænketanken UN University risikerer vandforbruget relateret til kunstig intelligens at svare til 1,3 milliarder menneskers årlige vandforbrug ved udgangen af dette årti.

Og endelig er der en uundværlig ingrediens i form af metaller, mineraler og sjældne jordarter. Her er forsyningskæden hoppet af. Minedriften efterlader ifølge UN University et miljømæssigt aftryk, samtidig med at det har alvorlige konsekvenser for nogle af verdens mest fattige mennesker. I DR Congo, som udvinder og producerer over halvdelen af verdens kobolt, rapporterer mennesker, der bor i nærheden af miner, at de lider af hudsygdomme, reproduktive sundhedsproblemer og kroniske lidelser.

Samtidig viser en undersøgelse fra ngo’en Global Witness, at flere tech-virksomheder, herunder NVIDIA, sandsynligvis benytter sig af såkaldte konfliktmineraler fra DR Congo – altså mineraler udvundet i konfliktområder, hvor indtjeningen lander i lommen på væbnede grupper eller (in)direkte finansierer menneskerettighedskrænkelser.

“Inden for kunstig intelligens er regnekraft lig med indtægter,” sagde Jensen Huang, da Nvidia i sidste uge annoncerede en aftale med en række banker og investorer på 500 mia. dollars til at finansiere den fortsatte udbygning af infrastrukturen bag kunstig intelligens.

Men regnekraft har også en pris, der ikke kan udregnes i dollars og betales af Wall Street. /Emilie Ewald

Fra tech-stacken til den såkaldte autoritære stack – i morgen taler vi med historikeren Peter Hayes, der drager paralleller mellem virksomheder i datidens Nazityskland og nutidens Silicon Valley.