Setelah menyingkap ilusi di balik klaim "kecerdasan" sejati dari AI, saatnya kita melangkah lebih jauh ke dalam kebenaran pahit kedua yang jarang diungkap, sebuah realitas yang secara fundamental bertolak belakang dengan citra bersih dan efisien yang selalu diproyeksikan oleh para raksasa teknologi. Ketika kita membayangkan server dan pusat data yang menopang seluruh infrastruktur digital kita, termasuk AI, pikiran kita mungkin melayang pada ruangan-ruangan steril yang penuh dengan rak-rak komputer berkedip, dioperasikan oleh para insinyur yang tenang. Namun, di balik fasad teknologi tinggi ini, tersembunyi sebuah kenyataan yang jauh lebih kotor, lebih haus sumber daya, dan secara fundamental berdampak besar pada planet kita. Kecanggihan AI yang kita nikmati saat ini datang dengan harga lingkungan yang sangat mahal, biaya yang secara sistematis diabaikan atau diminimalisir oleh perusahaan-perusahaan yang paling diuntungkan dari pengembangannya.
Menguak Jejak Karbon dan Kebutuhan Sumber Daya Raksasa di Balik AI
Kita seringkali lupa bahwa setiap interaksi digital, setiap pencarian di internet, setiap perintah yang kita berikan kepada asisten virtual, dan setiap hasil yang dihasilkan oleh model AI yang canggih, tidaklah terjadi secara ajaib di awan yang tak berwujud. Semuanya membutuhkan infrastruktur fisik yang masif, yaitu pusat data, yang beroperasi 24 jam sehari, 7 hari seminggu. Pusat data ini adalah mesin haus energi yang membutuhkan pasokan listrik yang sangat besar untuk menjalankan ribuan, bahkan jutaan server, serta sistem pendingin yang tak kalah rakus energi untuk mencegah komputer-komputer ini kepanasan. Bayangkan saja, daya yang dibutuhkan untuk melatih satu model AI besar seperti GPT-3, menurut beberapa perkiraan, setara dengan konsumsi energi puluhan ribu rumah tangga Eropa selama satu tahun penuh. Ini bukan angka yang kecil, ini adalah jejak karbon yang signifikan.
Dampak lingkungan dari AI tidak hanya terbatas pada konsumsi energi listrik. Proses manufaktur perangkat keras yang digunakan dalam pusat data, mulai dari chip silikon, memori, hingga kabel, juga memerlukan penambangan sumber daya alam yang intensif dan seringkali merusak lingkungan. Penambangan logam langka seperti litium, kobalt, dan tembaga, yang merupakan komponen vital dalam pembuatan chip dan baterai, seringkali terkait dengan praktik penambangan yang tidak etis, deforestasi, dan polusi air di negara-negara berkembang. Setelah perangkat keras ini mencapai akhir masa pakainya, mereka menjadi limbah elektronik (e-waste) yang sulit didaur ulang dan berpotensi mencemari lingkungan dengan bahan kimia berbahaya. Ini adalah siklus hidup teknologi yang jarang kita bicarakan, apalagi diungkap oleh perusahaan yang sibuk mempromosikan "solusi hijau" berbasis AI mereka.
Perusahaan teknologi besar, yang merupakan pengembang dan pengguna AI terbesar, seringkali menggembar-gemborkan komitmen mereka terhadap keberlanjutan dan energi terbarukan. Mereka akan menyoroti investasi mereka dalam energi surya atau ladang angin untuk memberi daya pada pusat data mereka. Meskipun ini adalah langkah yang patut diapresiasi, narasi ini seringkali hanya menceritakan setengah cerita. Perlu diingat bahwa pertumbuhan eksponensial dalam permintaan komputasi untuk AI berarti bahwa meskipun persentase energi terbarukan meningkat, konsumsi energi absolut juga terus meroket. Ini seperti mencoba mengisi ember yang bocor dengan air dari keran yang lebih besar; Anda mungkin menggunakan air yang lebih bersih, tetapi Anda masih membuang banyak air. Tantangan sebenarnya adalah mengurangi total jejak karbon, bukan hanya mengganti sumber energinya.
Di Balik Server yang Berkedip Kekeringan Air dan Penambangan yang Merusak
Selain konsumsi energi yang masif, ada satu lagi sumber daya vital yang sangat dibutuhkan oleh pusat data dan seringkali diabaikan: air. Ya, air. Sistem pendingin di pusat data modern membutuhkan volume air yang sangat besar untuk mendinginkan server yang menghasilkan panas luar biasa. Di beberapa wilayah yang mengalami kekeringan parah, keberadaan pusat data raksasa dapat memperburuk krisis air lokal, bersaing dengan kebutuhan air minum masyarakat dan pertanian. Bayangkan saja, sebuah pusat data ukuran menengah dapat menggunakan jutaan liter air per hari, jumlah yang setara dengan konsumsi air sebuah kota kecil. Ketika perusahaan teknologi membangun pusat data di daerah-daerah yang sudah kekurangan air, mereka secara tidak langsung berkontribusi pada masalah sosial dan lingkungan yang serius.
Data dari beberapa studi menunjukkan bahwa training model bahasa besar bisa menghabiskan hingga ratusan ribu liter air. Angka ini bahkan belum termasuk air yang digunakan untuk memproduksi listrik yang memberi daya pada pusat data tersebut. Ketika kita menggunakan AI untuk sesuatu yang tampaknya sepele seperti membuat gambar profil atau menghasilkan teks pendek, kita secara tidak langsung berkontribusi pada permintaan sumber daya yang intensif ini. Perusahaan teknologi tidak akan pernah mempromosikan produk AI mereka dengan slogan seperti "Gunakan AI kami dan bantu keringkan danau lokal Anda!" atau "Setiap kueri AI Anda menambah jejak karbon." Sebaliknya, mereka akan fokus pada kecepatan, efisiensi, dan inovasi, mengabaikan biaya lingkungan yang tersembunyi.
"Setiap baris kode, setiap model yang dilatih, memiliki jejak karbon dan jejak air. Kita tidak bisa lagi memisahkan dunia digital dari dunia fisik. AI adalah teknologi yang sangat materialistik, dan kita perlu mengakui biaya lingkungannya secara jujur." - Dr. Abeba Birhane, Peneliti Etika AI.
Lebih jauh lagi, rantai pasok untuk perangkat keras AI seringkali melibatkan penambangan mineral langka di negara-negara berkembang, di mana standar lingkungan dan hak asasi manusia mungkin sangat longgar. Pekerja seringkali dihadapkan pada kondisi kerja yang berbahaya, dan ekosistem lokal dirusak oleh praktik penambangan yang tidak bertanggung jawab. Konflik atas sumber daya alam ini juga dapat memicu ketidakstabilan sosial dan politik. Perusahaan teknologi besar, yang mengklaim bertanggung jawab secara sosial, seringkali memiliki rantai pasok yang sangat kompleks dan buram, membuatnya sulit untuk melacak asal-usul setiap komponen dan memastikan bahwa mereka diproduksi secara etis dan berkelanjutan. Mereka mungkin melakukan audit, tetapi skala masalahnya seringkali melebihi kemampuan audit tunggal.
Oleh karena itu, ketika kita melihat iklan yang menampilkan AI sebagai solusi untuk masalah lingkungan, kita harus bertanya: apakah solusi tersebut tidak menciptakan masalah lingkungan baru yang sama besarnya, atau bahkan lebih besar? Apakah efisiensi yang ditawarkan oleh AI benar-benar mengimbangi dampak ekologis dari infrastruktur yang dibutuhkannya? Ini adalah pertanyaan-pertanyaan kritis yang harus kita ajukan kepada perusahaan teknologi, dan yang harus mereka jawab dengan transparansi penuh. Tanpa pemahaman yang jujur tentang biaya lingkungan AI, kita berisiko jatuh ke dalam jebakan "greenwashing" di mana teknologi dipromosikan sebagai penyelamat lingkungan padahal ia sendiri merupakan bagian dari masalah.
