Mistral AI heeft een levenscyclusanalyse (LCA) (zie https://lnkd.in/ed-FY3AR) gepubliceerd van hun model Mistral Large 2, waarmee het bedrijf de milieu-impact van AI inzichtelijk maakt.
✳️ De milieu-impact over 18 maanden (tot januari 2025) is als volgt:
- 20,4 kiloton CO₂-equivalent (≈ jaarlijkse uitstoot van 4 500 auto’s) (zie https://lnkd.in/exwTEMwY en https://lnkd.in/e_XRd5-8).
- 281 000 m³ water verbruikt (voldoende om 112 olympische zwembaden te vullen) (zie ook https://lnkd.in/e_XRd5-8).
- 660 kg antimoons-equivalent aan materiaalgebruik (maatstaf voor schaarse grondstoffen) (zie ook https://lnkd.in/enhenmiu).
✳️ Impact per enkele AI-chat (400 tokens via “Le Chat”)
- 1,14 g CO₂e en 45 mL waterverbruik, plus 0,16 mg Sb-equivalent (zie https://lnkd.in/ed-FY3AR).
- Ter vergelijking: één Mistral-prompt heeft evenveel CO₂-uitstoot als 10 s streaming video in de VS of een korte Zoom-call (4–27 s) (zie https://lnkd.in/e_XRd5-8).
✳️ Interferentie en training zijn de boosdoeners
85,5 % van de CO₂-uitstoot en 91 % van het waterverbruik vindt plaats tijdens training en inferentie — niet bij de hardwareproductie of bouw van datacenters (zie https://lnkd.in/e_XRd5-8 en https://lnkd.in/enhenmiu).
✳️ Belangrijke inzichten
- Een duidelijk verband tussen modelgrootte en milieu-impact: een model dat 10× groter is, genereert ≈10× meer impact per token.
- Locatiekeuze voor datacenters speelt een grote rol: koel klimaat + hernieuwbare energie kan impact aanzienlijk verminderen (zie https://lnkd.in/e4fVT_3A).
- Mistral roept op tot gestandaardiseerde milieu-rapportage binnen de AI-sector, mogelijk leidend tot een scoringssysteem voor duurzaamheid (zie https://lnkd.in/e4fVT_3A).
Wat kan je zelf doen om de impact van AI kleiner te maken?
✳️ Stel korte, duidelijke prompts om tokens te beperken.
✳️ Kies modellen die minder groot en lichter zijn.
✳️ Beperk onnodig experimenteren en maak prompt-templates die alle collega's kunnen gebruiken.
✳️ Bewustwording creëren bij alle medewerkers.
hashtag#AI hashtag#Energie hashtag#Groen