Trí tuệ nhân tạo và Môi trường: Lằn ranh mong manh giữa bền vững và thách thức

Việt Phương

03-04-2025

The mansion is so roomy that the rats have moved in, too. Nothing I did could chase them away. These rotten rats were terribly hoggish. They ate up my entire fish inventory!

Trích “Mansion”; Wild Wise Weird [1]

Trí tuệ nhân tạo (AI) đang cách mạng hóa các ngành công nghiệp, nâng cao hiệu quả và giải quyết các thách thức môi trường. Tuy nhiên, nó cũng đặt ra những lo ngại đáng kể về sinh thái, đưa AI vào một ngã rẽ quan trọng – vừa là công cụ cho sự bền vững, vừa là tác nhân gây căng thẳng cho môi trường.

AI mang lại những lợi ích to lớn thông qua việc tối ưu hóa tiêu thụ năng lượng, cải thiện quản lý tài nguyên và hỗ trợ bảo tồn đa dạng sinh học. Những ứng dụng này, thường được gọi là “AI vì sự bền vững” (AI for sustainability), sử dụng các mô hình học máy để giám sát hệ sinh thái, dự đoán những thay đổi môi trường và thúc đẩy sự tiến bộ trong phát triển bền vững [2]. Tuy nhiên, quan điểm lạc quan này cần được cân nhắc kỹ lưỡng với những chi phí môi trường tiềm ẩn của AI.

Việc huấn luyện các mô hình AI lớn, đặc biệt là các hệ thống học sâu, đòi hỏi sức mạnh tính toán khổng lồ, dẫn đến tiêu thụ năng lượng cao. Một mô hình AI quy mô lớn duy nhất có thể thải ra lượng carbon dioxide tương đương với năm chiếc ô tô trong suốt vòng đời của chúng [2]. Nhu cầu năng lượng khổng lồ này chủ yếu đến từ các trung tâm dữ liệu, nơi thường dựa vào các nguồn năng lượng không tái tạo, làm trầm trọng thêm lượng khí thải carbon [3].

Ngoài dấu chân carbon, vòng đời của AI – từ khai thác nguyên liệu thô cho các linh kiện điện tử đến việc thải bỏ phần cứng lỗi thời – còn gây ra những gánh nặng môi trường khác. Việc khai thác các kim loại đất hiếm cần thiết cho cơ sở hạ tầng AI làm cạn kiệt tài nguyên thiên nhiên, trong khi việc quản lý chất thải điện tử không đúng cách góp phần gây ô nhiễm đất và nước. Đáng báo động là khoảng 80% chất thải điện tử bị quản lý sai cách, làm trầm trọng thêm ô nhiễm và suy thoái môi trường [4].

Hơn nữa, việc tăng hiệu quả nhờ AI có thể dẫn đến những hậu quả không mong muốn, chẳng hạn như “hiệu ứng dội ngược” (rebound effect). Ví dụ, trong khi việc tối ưu hóa sử dụng năng lượng bằng AI có thể giảm mức tiêu thụ trên mỗi đơn vị, nó cũng có thể khuyến khích việc sử dụng năng lượng tổng thể cao hơn, cuối cùng làm tăng tác động đến môi trường thay vì giảm thiểu nó [4].

Để giải quyết những lo ngại này, các đánh giá toàn diện về tính bền vững, đặc biệt là Đánh giá Vòng đời Sản phẩm (Life Cycle Assessments - LCA), là rất quan trọng. LCA đánh giá tác động môi trường của AI trong toàn bộ vòng đời của nó, từ sản xuất và vận hành đến thải bỏ, cho phép các tổ chức xác định và giảm thiểu các thách thức về tính bền vững [4]. Tăng cường tính minh bạch trong quá trình phát triển và triển khai AI có thể giúp các tổ chức áp dụng các biện pháp bền vững hơn.

Đáng khích lệ là các công ty đang bắt đầu tích hợp tính bền vững vào các chiến lược AI của họ. Nhiều công ty đang ưu tiên cơ sở hạ tầng tiết kiệm năng lượng, tối ưu hóa quản lý dữ liệu và triển khai các khung AI bền vững, nhấn mạnh tính toàn vẹn sinh thái và phân phối tài nguyên công bằng [2,3]. Tuy nhiên, cần có những thay đổi mang tính hệ thống, bao gồm các chính sách mạnh mẽ hơn thúc đẩy hiệu quả năng lượng, tăng cường áp dụng năng lượng tái tạo và quản lý chất thải điện tử có trách nhiệm.

Để đạt được AI thực sự bền vững đòi hỏi sự cân bằng giữa đổi mới công nghệ và trách nhiệm với môi trường. Sự hợp tác giữa các nhà hoạch định chính sách, nhà nghiên cứu và các nhà lãnh đạo ngành là rất cần thiết để đảm bảo sự phát triển AI phù hợp với phúc lợi sinh thái và xã hội lâu dài. Thông qua việc đưa ra quyết định sáng suốt, tính minh bạch và đổi mới có trách nhiệm, AI có thể trở thành một động lực cho sự bền vững môi trường thay vì là nguồn gây hại cho sinh thái [5].

Tài liệu tham khảo

[1] Vuong QH. (2024). Wild Wise Weird. https://www.amazon.com/dp/B0BG2NNHY6/

[2] van Wynsberghe A. (2021). Sustainable AI: AI for sustainability and the sustainability of AI. AI and Ethics, 1, 213–218. https://doi.org/10.1007/s43681-021-00043-6 

[3] Runyon N. (2025). The energy-GenAI-sustainability nexus: How companies are navigating the maze. https://www.thomsonreuters.com/en-us/posts/esg/energy-genai-sustainability-nexus/ 

[4] Ligozat AL, et al. (2022). Unraveling the hidden environmental impacts of AI solutions for environment life cycle assessment of AI solutions. Sustainability, 14(9), 5172. https://doi.org/10.3390/su14095172 

[5] Nguyen MH. (2024). How can satirical fables offer us a vision for sustainability? Visions for Sustainability. https://ojs.unito.it/index.php/visions/article/view/11267