{"CACHEDAT":"2026-05-14 20:33:20","TRANSLATEDAT":"2026-05-14 20:33:20","SOURCESIGNATURE":"d3eea9e38d947b9409f75fdd9947dc202e32fb9c0dc3c90493f227d1cdecee83","SLUG":"ai-and-rising-energy-demand-u8qvOzTs00","MARKDOWN":"# Controversy\n\n## Key Debate\n\n**Is the rapid growth of AI worth the environmental costs tied to its energy consumption?**\\n→ \\n→ \n\n## Main Viewpoints\n\n* **AI and digital systems drive innovation, efficiency, and economic growth.**\\n→ \n* **AI systems require immense energy, contributing to rising carbon emissions and resource use.**\\n→ \n\n\n---\n\n# Scientific Dimension\n\n## Core Scientific Facts\n\n* **Training large AI models can emit hundreds of tonnes of CO₂.**\\n→ \n* **Data centres already account for about 1–1.5% of global electricity use.**\\n→ \n* **AI usage is projected to triple electricity demand in data centres by 2030.**\\n→ \n\n## Domains of Expertise\n\n* **Environmental Science**\n * Carbon footprint calculation\n * Energy systems analysis\n * Climate change modelling\n* **Computer Science / Engineering**\n * Model architecture and efficiency\n * Cloud computing infrastructure\n * AI lifecycle energy demand\n* **Economics**\n * Cost–benefit analysis of AI adoption\n * Market incentives for green AI\n * Tech industry's energy footprint\n* **Political Science and Law**\n * Digital sustainability policy\n * AI regulation and accountability\n * Climate targets and national strategies\n* **Ethics and Philosophy**\n * Environmental justice\n * Moral responsibility of innovation\n * AI for sustainability vs. AI as a risk\n\n\n---\n\n# Main Drivers Behind the Issue\n\n* **Technological competition and innovation race**\n * AI development is fuelled by international rivalry and investor pressure.\n* **Surging demand for generative AI and automation**\n * More users rely on energy-intensive models for everyday tasks.\n* **Lack of transparency on energy usage**\n * Companies do not disclose exact emissions or energy input.\n* **Insufficient incentives for energy efficiency**\n * Green AI methods exist but are not widely adopted.\n\n→ \\n→ \n\n\n---\n\n# Common Misrepresentations and Misperceptions\n\n## Commonly Misunderstood Figures (Percentages, Risks, Probabilities)\n\n| Misunderstood Figure | Clarification or Explanation |\n|----------------------|------------------------------|\n| \"AI is just code, so it's clean.\"
→ | Data centres and model training require physical infrastructure and large-scale power usage. |\n| \"AI uses the same electricity as regular apps.\"
→ | AI workloads, especially training, are far more energy-intensive than traditional software. |\n\n## Common Misconceptions\n\n| Misconception | Correction |\n|---------------|------------|\n| \"Using AI is always greener than manual work.\"
→ | Not necessarily — especially if the AI requires high energy or server time. |\n| \"Cloud-based AI has no environmental cost.\"
→ | Cloud servers run on electricity and generate emissions. |\n\n## Common Misinformation\n\n| Misinformation | Correction or Clarification |\n|----------------|-----------------------------|\n| AI companies are carbon-neutral.
→ | Many purchase offsets rather than reduce actual emissions. |\n| The more AI we use, the more efficient society becomes.
→ | Efficiency gains can be offset by rebound effects and rising total energy use. |\n\n\n---\n\n# Parties Affected\n\n## by Impacts\n\n| Impact | Positively Affected (Individual) | Positively Affected (Organisational / Industrial) | Positively Affected (Societal) | Negatively Affected (Individual) | Negatively Affected (Organisational / Industrial) | Negatively Affected (Societal) |\n|--------|----------------------------------|---------------------------------------------------|--------------------------------|----------------------------------|---------------------------------------------------|--------------------------------|\n| Personal convenience and automation | Users of AI tools | Tech companies | Citizens with enhanced services | — | Traditional service sectors | Privacy-focused communities |\n| Data-driven decision-making | Professionals in all sectors | Enterprise and healthcare | Evidence-based policy makers | — | Small firms with low data capacity | Data justice advocates |\n| Rising energy demand and emissions | — | — | — | Citizens in climate-vulnerable areas | Renewable competitors excluded from market | Global climate resilience |\n| E-waste from hardware and upgrades | — | — | — | Low-income digital users | Repair industry | Public health infrastructure |\n| Job replacement through automation | — | Tech companies with higher margins | — | Displaced workers | Labour-intensive industries | Socio-economic equality |\n\n→ \\n→ \n\n\n---\n\n## by Potential Solutions\n\n| Potential Solution | Positively Affected (Individual) | Positively Affected (Organisational / Industrial) | Positively Affected (Societal) | Negatively Affected (Individual) | Negatively Affected (Organisational / Industrial) | Negatively Affected (Societal) |\n|--------------------|----------------------------------|---------------------------------------------------|--------------------------------|----------------------------------|---------------------------------------------------|--------------------------------|\n| Incentivise energy-efficient model design | Environmentally conscious users | AI start-ups / green tech firms | Climate and innovation policy makers | — | High-power model developers | — |\n| Mandate energy disclosure in AI development | Sustainable tech advocates | Transparency-driven platforms | Regulatory bodies | — | Secretive corporations | — |\n| Invest in renewable-powered data centres | Climate-conscious consumers | Cloud providers investing in renewables | Clean energy transition | — | Fossil-based infrastructure | — |\n| Educate users on environmental footprint | Students and professionals | Media and education sectors | Societal awareness of digital impact | Users of energy-intensive models | — | — |\n\n→ \n\n\n---\n\n# Trade-off Analysis\n\n## Individual vs. Scientific\n\n* **Convenience and productivity vs. Energy impact**\n * AI tools improve daily life but can accelerate energy consumption and emissions.\n\n## Economic vs. Environmental\n\n* **Profitability and automation vs. Ecological sustainability**\n * Firms save costs via AI while emissions and hardware demands rise.\n\n## Political vs. Scientific\n\n* **Innovation leadership vs. Carbon reduction targets**\n * Governments promote AI to stay competitive while struggling to meet climate goals.\n\n\n---\n\n# Guided Self-Reflection Prompts\n\n* **What values guide your use of digital tools and AI?**\n * Efficiency, innovation, sustainability?\n* **How do your emotions or needs shape your tech habits?**\n * Do you rely on AI for support, productivity, or connection?\n* **Have you ever questioned the environmental cost of digital convenience?**\n * What changed your thinking, if anything?\n* **What would responsible AI usage look like for you personally?**\n * Would you limit use, choose eco-friendly tools, or demand transparency?\n* **What trade-offs are you willing (or not willing) to make for sustainability?**\n * Would you accept slower tools, fewer features, or less access?\n\n\n---\n\n# Curricular Connections → Classroom Topics\n\n* **Computer Science (15–17)**\n * algorithm efficiency, hardware energy use, lifecycle assessments\n* **Geography / Earth Science (14–16)**\n * climate policy, digital infrastructure footprints, energy sourcing\n* **Ethics / Philosophy (15–18)**\n * justice, intergenerational responsibility, AI in the Anthropocene","HTML":"

Kontroverza

\n

Ključna razprava

\n

Ali je hitra rast umetne inteligence vredna okoljskih stroškov, povezanih z njenim porabo energije?
→https://www.nature.com/articles/d41586-022-01139-0
→ https://www.iea.org/reports/data-centres-and-data-transmission-networks

\n

Glavna stališča

\n\n
\n

Znanstvena razsežnost

\n

Ključna znanstvena dejstva

\n\n

Področja strokovnega znanja

\n
    \n
  • Okoljska znanost\n
      \n
    • Izračun ogljičnega odtisa\n
      • \n
    • Analiza energetskih sistemov\n
      • \n
    • Modeliranje podnebnih sprememb\n
      • \n
    \n
    • \n
  • Računalništvo / Inženirstvo\n
      \n
    • Arhitektura in učinkovitost modelov\n
      • \n
    • Infrastruktura računalništva v oblaku\n
      • \n
    • Potrebe po energiji v življenjskem ciklu umetne inteligence\n
      • \n
    \n
    • \n
  • Ekonomija\n
      \n
    • Analiza stroškov in koristi uvedbe umetne inteligence\n
      • \n
    • Tržne spodbude za zeleno umetno inteligenco\n
      • \n
    • Energetski odtis tehnološke industrije\n
      • \n
    \n
    • \n
  • Politologija in pravo\n
      \n
    • Politika digitalne trajnosti\n
      • \n
    • Ureditev umetne inteligence in odgovornost\n
      • \n
    • Podnebni cilji in nacionalne strategije\n
      • \n
    \n
    • \n
  • Etika in filozofija\n
      \n
    • Okoljska pravičnost\n
      • \n
    • Moralna odgovornost inovacij\n
      • \n
    • Umetna inteligenca za trajnostno razvoj proti umetni inteligenci kot tveganju\n
      • \n
    \n
    • \n
\n
\n

Glavni dejavniki, ki vplivajo na to vprašanje

\n
    \n
  • Tehnološka konkurenca in tekma za inovacije\n
      \n
    • Razvoj umetne inteligence spodbujata mednarodna konkurenca in pritisk vlagateljev.\n
      • \n
    \n
    • \n
  • Naraščajoče povpraševanje po generativni umetni inteligenci in avtomatizaciji\n
      \n
    • Vedno več uporabnikov se pri vsakdanjih opravilih zanaša na energetsko intenzivne modele.\n
      • \n
    \n
    • \n
  • Pomanjkanje preglednosti glede porabe energije\n
      \n
    • Podjetja ne razkrivajo natančnih emisij ali porabe energije.\n
      • \n
    \n
    • \n
  • Nezadostne spodbude za energetsko učinkovitost\n
      \n
    • Metode zelene umetne inteligence obstajajo, vendar niso široko sprejete.\n
      • \n
    \n
    • \n
\n

→ https://www.nature.com/articles/d41586-022-01139-0
→ https://www.iea.org/reports/data-centres-and-data-transmission-networks

\n
\n

Pogoste napačne predstavitve in napačna dojemanja

\n

Pogosto napačno razumljene številke (odstotki, tveganja, verjetnosti)

\n\n\n\n\n\n\n\n\n\n\n\n\n
Napačno razumljena številkaPojasnilo ali razlaga
„AI je le koda, zato je čista.“
→https://www.nature.com/articles/d41586-022-01139-0		Podatkovni centri in usposabljanje modelov zahtevajo fizično infrastrukturo in porabo energije v velikem obsegu.
»AI porabi enako količino električne energije kot običajne aplikacije.«
→https://www.iea.org/reports/data-centres-and-data-transmission-networks		Delovne obremenitve umetne inteligence, zlasti usposabljanje, so veliko bolj energetsko intenzivne kot tradicionalna programska oprema.
\n

Pogosta napačna prepričanja

\n\n\n\n\n\n\n\n\n\n\n\n\n
ZmotaPopravek
»Uporaba umetne inteligence je vedno bolj okolju prijazna kot ročno delo.«
→https://www.iea.org/reports/data-centres-and-data-transmission-networks		Ni nujno – zlasti če umetna inteligenca zahteva veliko energije ali strežniškega časa.
»Umetna inteligenca v oblaku nima okoljskih stroškov.«
→https://www.nature.com/articles/d41586-022-01139-0		Oblakovi strežniki delujejo na elektriko in ustvarjajo emisije.
\n

Pogoste napačne informacije

\n\n\n\n\n\n\n\n\n\n\n\n\n
Napačne informacijePopravek ali pojasnilo
Podjetja za umetno inteligenco so ogljično nevtralna.
→https://www.iea.org/reports/data-centres-and-data-transmission-networks		Mnoga podjetja namesto zmanjševanja dejanskih emisij kupujejo kompenzacije.
Več umetne inteligence uporabljamo, bolj učinkovita postaja družba.
→https://www.nature.com/articles/d41586-022-01139-0		Povečanje učinkovitosti lahko izničijo povratni učinki in naraščajoča skupna poraba energije.
\n
\n

Prizadete strani

\n

zaradi vplivov

\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
VplivPozitivno prizadete (posamezniki)Pozitivno prizadete (organizacije / industrija)Pozitivno prizadete (družbeno)Negativno vplivani (posamezniki)Negativni vpliv (organizacijski / industrijski)Negativno vplivani (družbeno)
Osebna udobnost in avtomatizacijaUporabniki orodij AITehnološka podjetjaDržavljani z izboljšano ponudbo storitev—Tradicionalni storitveni sektorjiSkupnosti, osredotočene na zasebnost
Odločanje na podlagi podatkovStrokovnjaki v vseh sektorjihPodjetja in zdravstvoOblikovalci politik, ki se opirajo na dokaze—Mala podjetja z omejeno zmogljivostjo za obdelavo podatkovZagovorniki pravičnosti pri obravnavi podatkov
Naraščajoče povpraševanje po energiji in emisije———Državljani na podnebno ranljivih območjihKonkurenti na področju obnovljivih virov energije, izključeni iz trgaGlobalna odpornost na podnebne spremembe
Elektronski odpadki iz strojne opreme in nadgradenj———Digitalni uporabniki z nizkimi dohodkiIndustrija popravilInfrastruktura javnega zdravja
Nadomestitev delovnih mest z avtomatizacijo—Tehnološka podjetja z višjimi maržami—Delavci, ki so izgubili deloDelovno intenzivne industrijeSocialno-ekonomska enakost
\n

→ https://www.nature.com/articles/d41586-022-01139-0
→ https://www.iea.org/reports/data-centres-and-data-transmission-networks

\n
\n

po potencialnih rešitvah

\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
Možna rešitevPozitivni učinki (posameznik)Pozitivni učinki (organizacijski / industrijski)Pozitivno vpliva (družbeno)Negativno vplivani (posameznik)Negativno vplivani (organizacijsko / industrijsko)Negativno vplivani (družbeno)
Spodbujanje oblikovanja energetsko učinkovitih modelovOkoljsko ozaveščeni uporabnikiStart-upi na področju umetne inteligence / podjetja za zeleno tehnologijoOblikovalci politik na področju podnebja in inovacij—Razvijalci modelov z visoko močjo—
Zahtevajte razkritje podatkov o porabi energije pri razvoju umetne inteligenceZagovorniki trajnostne tehnologijePlatforme, ki temeljijo na preglednostiRegulativni organi—Skrivnostna podjetja—
Vlagajte v podatkovne centre, ki jih poganjajo obnovljivi viri energijePotrošniki, ki se zavedajo podnebnih spremembPonudniki storitev v oblaku, ki vlagajo v obnovljive vire energijePrehod na čisto energijo—Infrastruktura na fosilnih gorivih—
Ozaveščanje uporabnikov o okoljskem odtisuŠtudenti in strokovnjakiMediji in izobraževalni sektorDružbena ozaveščenost o digitalnem vplivuUporabniki energetsko intenzivnih modelov——
\n

→ https://www.iea.org/reports/data-centres-and-data-transmission-networks

\n
\n

Analiza kompromisov

\n

Posameznik proti znanosti

\n
    \n
  • Udobje in produktivnost proti vplivu na energijo\n
      \n
    • Orodja umetne inteligence izboljšujejo vsakdanje življenje, vendar lahko pospešijo porabo energije in emisije.\n
      • \n
    \n
    • \n
\n

Ekonomsko proti okoljskemu

\n
    \n
  • Dobičkonosnost in avtomatizacija proti ekološki trajnosti\n
      \n
    • Podjetja z umetno inteligenco zmanjšujejo stroške, medtem ko se emisije in potrebe po strojni opremi povečujejo.\n
      • \n
    \n
    • \n
\n

Politično proti znanstvenemu

\n
    \n
  • Vodilna vloga na področju inovacij proti ciljem zmanjšanja emisij ogljika\n
      \n
    • Vlade spodbujajo umetno inteligenco, da bi ostale konkurenčne, hkrati pa se borijo za izpolnitev podnebnih ciljev.\n
      • \n
    \n
    • \n
\n
\n

Vodeni spodbudi za samorefleksijo

\n
    \n
  • Kakšne vrednote vodijo vašo uporabo digitalnih orodij in umetne inteligence?\n
      \n
    • Učinkovitost, inovacije, trajnost?\n
      • \n
    \n
    • \n
  • Kako vaše čustva ali potrebe vplivajo na vaše tehnološke navade?\n
      \n
    • Ali se zanašate na umetno inteligenco za podporo, produktivnost ali povezovanje?\n
      • \n
    \n
    • \n
  • Ste se kdaj vprašali, kakšni so okoljski stroški digitalne udobnosti?\n
      \n
    • Kaj je spremenilo vaše mišljenje, če sploh kaj?\n
      • \n
    \n
    • \n
  • Kako bi za vas osebno izgledala odgovorna raba umetne inteligence?\n
      \n
    • Bi omejili uporabo, izbrali okolju prijazna orodja ali zahtevali preglednost?\n
      • \n
    \n
    • \n
  • Kakšne kompromise ste pripravljeni (ali niste pripravljeni) sprejeti za trajnost?\n
      \n
    • Bi sprejeli počasnejša orodja, manj funkcij ali manjši dostop?\n
      • \n
    \n
    • \n
\n
\n

Povezave s kurikulumom → Teme v razredu

\n
    \n
  • Računalništvo (15–17)\n
      \n
    • učinkovitost algoritmov, poraba energije strojne opreme, ocene življenjskega cikla\n
      • \n
    \n
    • \n
  • Geografija / Zemljepis (14–16)\n
      \n
    • podnebna politika, odtis digitalne infrastrukture, pridobivanje energije\n
      • \n
    \n
    • \n
  • Etika / filozofija (15–18)\n
      \n
    • pravičnost, medgeneracijska odgovornost, umetna inteligenca v antropocenu\n
      • \n
    \n
    • \n
","UPDATEDAT":"2026-05-11T20:22:57.189Z","LANG":"sl","ID":"c9a6a589-9c9c-4b73-b2eb-823deecb9b05","TITLE":"Umetna inteligenca in naraščajoče povpraševanje po energiji","SOURCELANG":"en"}