Source: iStock/gorodenkoff
Neue Technologien haben das Potenzial, die Umwelt in disruptiver Weise zu beeinträchtigen. In der Entstehungsphase neuer Technologien sind diese Auswirkungen jedoch oft unklar oder werden unterschätzt. Eine der Hauptaufgaben der Technikethik besteht darin, proaktiv die potenziellen Schäden durch neu entstehende Technologien und mögliche Wege zu deren Minimierung zu ermitteln. Zu den Werten, mit denen sich die Technikeethik beschäftigt, gehören typischerweise die Achtung der Menschenwürde und der Autonomie, Fürsorge, Schadensvermeidung, Fairness, Gerechtigkeit und Schutz der Privatsphäre. Die ökologische Nachhaltigkeit wird hauptsächlich in Bezug auf bestimmte Technologien (wie Kernkraft und Molekularbiologie) und Anwendungsbereiche (Verkehr, Energieerzeugung, Landwirtschaft usw.) diskutiert, aber die Relevanz, die ethische Bewertungen ihr beimessen, ist je nach Technologiebereich sehr unterschiedlich.
Auf dem Gebiet der KI-Ethik wächst erst allmählich ein Bewusstsein für ökologische Nachhaltigkeit. Im Entwurf der EU-Verordnung zur Künstlichen Intelligenz wird die ökologische Nachhaltigkeit nur beiläufig erwähnt, und eine 2019 veröffentlichte globale quantitative Erhebung existierender KI-Richtlinien ergab, dass Nachhaltigkeit nur in 14 der 84 untersuchten Richtlinien erwähnt wird. In den kürzlich veröffentlichten Ethik-Leitlinien für eine vertrauenswürdige KI (EU) und der UNESCO Recommendation on the Ethics of Artificial Intelligence wird die Nachhaltigkeit neben dem gesellschaftlichen Wohlergehen als eine der wichtigsten Anforderungen anerkannt, die die Produktion und Nutzung von KI-Artefakten leiten sollten. Aber selbst wenn die Nachhaltigkeit berücksichtigt wird, ist die KI-Ethik zum Teil immer noch durch einen kurzfristigen Fokus auf die Zuverlässigkeit von KI-Produkten gekennzeichnet, im Gegensatz zu einem langfristigen Fokus auf die Auswirkungen der technologischen Innovation, insbesondere im Vergleich zu Technologiebereichen, in denen Nachhaltigkeit ein etabliertes Prinzip ist. Darüber hinaus konzentriert sich die KI-Ethik hauptsächlich auf die unmittelbaren Auswirkungen von KI-Anwendungen auf ihre Nutzer, anstatt eine umfassendere Perspektive auf die Interessengruppen einzunehmen, die auch die Gesellschaft als Ganzes und künftige Generationen umfasst. Die KI-Ethik könnte daher von einem langfristigen, breit angelegten Ansatz profitieren, der eher dazu geeignet ist, die Reflexion über Fragen der Nachhaltigkeit anzuregen.
Durch eine stärkere Ausrichtung auf die Nachhaltigkeit könnte die KI-Ethik den massiven Umweltauswirkungen der KI Rechnung tragen. Seltene Erden, Land und Wasser werden in großen Mengen benötigt, um spezielle Chips und andere Hardwarekomponenten zu bauen, die für KI-Systeme unverzichtbar sind, und um die Server unterzubringen und zu kühlen, die die Daten speichern und verarbeiten, mit denen KI-Systeme trainiert werden. Darüber hinaus verursachen die Entwicklung und Wartung von KI-Systemen große Mengen an Kohlenstoffemissionen, und am Ende ihres Lebenszyklus hinterlassen die Hardwarekomponenten Abfälle, die wiederum Land für die Lagerung benötigen.
Eine kürzlich durchgeführte IMT-Studie über den CO2-Fußabdruck von KI-Systemen hat errechnet, dass eine Trainingssitzung eines großen Sprachmodells (nur einer von vielen Schritten bei der Entwicklung eines KI-Systems) etwa 284 Tonnen CO2 erzeugt. Dies entspricht dem Fünffachen des CO2-Fußabdrucks eines gesamten Autolebenszyklus, einschließlich des Kraftstoffverbrauchs, und etwa dem 57-fachen des CO2-Ausstoßes eines durchschnittlichen Menschen in einem Jahr.
Ein neu eingerichtetes Forschungszentrum soll in großem Umfang detailliertere empirische Daten über die Umweltauswirkungen der KI über die Kohlenstoffemissionen hinaus sammeln und auswerten, um Vorschläge zu erarbeiten, wie die KI nachhaltiger gestaltet werden kann. Unter den vielen Bausteinen, die zu einer nachhaltigeren KI beitragen würden, scheint einer von entscheidender Bedeutung zu sein und ist aus ethischer Sicht besonders vielversprechend. Im Kern geht es um eine Abkehr vom derzeit vorherrschenden Big-Data-Ansatz hin zu einem "Small-Data"-Ansatz.
Die Umstellung auf kleinere Trainingsdatensätze würde sowohl die erforderlichen Verarbeitungs- als auch die Speicherkapazitäten verringern, die KI-Systeme derzeit so energie- und ressourcenintensiv machen. Dies hätte aber auch eine Reihe von positiven Auswirkungen auf andere ethische Aspekte. Erstens würde die Bevorzugung kleinerer Trainingsdatensätze den KI-Entwicklern eine genauere Auswahl und Überprüfung auf Verzerrungen und Fehler ermöglichen. Dies würde wiederum die Tendenz automatisierter Systeme abschwächen, bereits bestehende Vorurteile oder Ungleichbewertungen zu verstärken. Außerdem könnte so besser auf die Qualität und Vielfalt der Trainingsdaten geachtet werden, was sich positiv auf Gerechtigkeit, Fairness und Nichtdiskriminierung auswirken würde.
Darüber hinaus verschärfen die Umweltauswirkungen der künstlichen Intelligenz derzeit die globalen Ungleichheiten und das Nord-Süd-Gefälle. Während die Bevölkerung der reichen Länder von den Vorteilen der KI-Systeme profitiert, ist die Bevölkerung des globalen Südens am stärksten von den negativen Umweltauswirkungen der KI und den damit verbundenen Menschenrechtsverletzungen betroffen. Dazu gehören die globale Erwärmung, die Abholzung der Wälder und die Umweltverschmutzung durch Minen und Mülldeponien, die zur Gewinnung der für KI-Systeme benötigten Rohstoffe und zur Entsorgung der Abfälle genutzt werden. Ein Small-Data-Ansatz könnte auch die Entwicklung von KI-Systemen für Anwendungen ermöglichen, die nicht auf die Fülle von Daten angewiesen sind, die in reichen, hoch digitalisierten Gesellschaften verfügbar sind. So wäre es beispielsweise möglich, Sprachmodelle für Sprachen zu entwickeln, für die keine Terabytes an Trainingsdaten zur Verfügung stehen, wodurch die Vorteile der KI mehr Menschen zugänglich gemacht würden. Eine auf Small Data basierende KI würde somit eine gerechtere globale Verteilung der Vor- und Nachteile der KI ermöglichen.
Darüber hinaus dürfte ein Small-Data-Ansatz für KI auch positive Nebeneffekte in Bezug auf Datenschutz, Rechenschaftspflichten und Transparenz haben, da weniger personenbezogene Daten erforderlich wären und die Funktionsweise und Entscheidungsprozesse hinter KI-Systemen verständlicher gemacht werden könnten.
Schließlich kann ein starkes Bekenntnis zur Nachhaltigkeit im Bereich der KI auch eine treibende Rolle bei der Weiterentwicklung technisch vielversprechender KI-Ansätze spielen, einschließlich Data-Mining und Trainingsmethoden mit "Small Data", welche bisher relativ geringe Bedeutung haben, aber potenziell in der Lage sind, KI unter verschiedenen Aspekten technisch präziser und ethischer zu machen.