Det tause forbruket
Om vannmerker, vannkjøling og det vi ikke får se
For noen dager siden fikk jeg vite at den skriftlige samtalen jeg har med Claude/Anthropic kan bære et vannmerke jeg ikke kan se. I støttede modeller veves et mønster inn i ordvalgene, umerkelig for øyet, men i prinsippet lesbart for den som har det riktige instrumentet. Når Claude lager enkelte bildefiler, kan det også følge med digital informasjon om hvor filen kommer fra, og om den senere er blitt endret.
Dette er ment som åpenhet. Og på sitt vis er det nettopp det: et forsøk på å bevare et spor etter kunstig intelligens i en tekst som ellers kunne ha glidd ubemerket inn blant menneskeskapte ord.
Men åpenheten har en merkelig form. Jeg kan ikke selv se vannmerket. Anthropic har ennå ikke gjort deteksjonsverktøyet tilgjengelig for meg. Merket skal gjøre teksten gjennomsiktig, men foreløpig bare for en fremtidig maskinell lesning. Det er en åpenhet leseren må stole på, ikke en åpenhet leseren selv kan kontrollere.
Jo mer jeg har tenkt på dette, desto tydeligere har jeg sett noe annet. Den samme teknologiske industrien som utvikler metoder for å merke ordene den produserer, bygger samtidig en fysisk infrastruktur som forbruker strøm og vann i et omfang de færreste av oss har oversikt over.
Det gjelder ikke bare Anthropic. Meta bygger et datasenter i Louisiana med en planlagt kapasitet på fem gigawatt. Anthropic har på sin side varslet investeringer på 50 milliarder dollar i amerikansk KI-infrastruktur, med de første datasentrene planlagt i Texas og New York. Det amerikanske energidepartementet beregner at datasentre i 2028 kan stå for mellom sju og tolv prosent av USAs samlede strømforbruk.
Bak ordene på skjermen vokser det frem en industri av kraftverk, strømnett, transformatorer, kjøleanlegg og vannledninger.
Her møtes det usynlige sporet og det tause forbruket. Sammen sier de noe om hva slags teknologi vi har sluppet inn i livene våre.
Det som skal kunne finnes
Vannmerket er en usynlighet med en hensikt: Det skal kunne finnes igjen. Poenget er ikke å skjule at en tekst er skapt eller bearbeidet ved hjelp av kunstig intelligens, men å gjøre det mulig å oppdage det – også når den som publiserer teksten, ikke forteller det selv.
Det er et påfallende trekk ved vår tid at vi forsøker å bygge sannferdighet inn i teknologien fordi vi ikke lenger stoler på at mennesker vil opplyse om ordenes opprinnelse. Vi merker bildene, filene og setningene for å bevare et spor etter hvem eller hva som har vært med på å skape dem.
Jeg har ikke selv følt behov for et slikt merke. Når jeg publiserer en tekst som er blitt til i samtale med Claude eller ChatGPT, sier jeg det. Det er ikke en innrømmelse, men en opplysning om arbeidsmåten. Tankene, erfaringene og spørsmålene er mine, mens språket er blitt prøvd, utfordret og bearbeidet i en samtale med kunstig intelligens.
Likevel forstår jeg hvorfor merkingen kommer. Et samfunn som mister evnen til å vite hvor ord, bilder og stemmer kommer fra, mister også noe av evnen til å vurdere dem.
Men vannmerket løser ikke hele problemet. Det kan kanskje vise at Claude har vært involvert i en tekst. Det kan ikke fortelle hvem som fikk ideen, hvem som stilte spørsmålene, hvem som forkastet formuleringer, eller hvem som til slutt tok ansvar for det som ble publisert.
Det kan vise et spor. Det kan ikke alene avgjøre hvem som har tenkt.
Det som ennå ikke blir sagt
Det tause forbruket er annerledes. Det er ikke lagt inn for senere å kunne oppdages. Det oppstår fordi forbindelsen mellom min bruk av teknologien og dens materielle betingelser er brutt.
Teknologiselskapene og datasenteroperatørene offentliggjør enkelte opplysninger om energi, vannforbruk og klimautslipp. EU har også innført krav om rapportering av energi- og vannytelsen til større datasentre. Det er derfor ikke riktig å si at det ikke finnes noen regulering.
Likevel er opplysningene ofte samlede, ufullstendige og vanskelige å sammenligne. De forteller sjelden hvor mye energi som gikk med til å utvikle en bestemt språkmodell, hvor mye vann som ble brukt til å kjøle maskinene, eller hvilken del av ressursforbruket som kan knyttes til treningen av modellen og hvilken del som gjelder den daglige bruken.
Jeg kan altså i prinsippet få vite at en tekst er laget ved hjelp av kunstig intelligens. Jeg kan ikke få vite hva akkurat denne samtalen kostet i strøm og vann.
Her ligger asymmetrien. Opprinnelsen til ordene skal kunne spores stadig mer presist. De materielle betingelsene for ordene forblir langt vanskeligere å følge.
Det betyr ikke nødvendigvis at noen bevisst skjuler alt. Datasentrene drives av forskjellige selskaper, benytter ulike kraftkilder og kjølesystemer og betjener millioner av brukere samtidig. Det kan være vanskelig å beregne ressursbruken for ett bestemt spørsmål.
Men også teknisk komplisert taushet er taushet. Når ingen kan gi et tydelig svar, blir det vanskelig å vite hva vi er med på.
Vannet som ikke kommer tilbake hit
Det er noe konkret ved vannspørsmålet som gjør det annerledes enn de mer abstrakte diskusjonene om strømnett og karbonutslipp. Enkelte datasentre bruker fordampningskjøling, også kalt evaporativ kjøling. Vannet tar opp varme og fordamper, og ved noen slike anlegg kan en stor del av vannet som hentes inn, gå tapt for den lokale vannforsyningen.
Vannet forsvinner ikke fra jordens vannkretsløp. Det stiger opp i atmosfæren og kan senere falle ned som regn. Men det vender ikke nødvendigvis tilbake til elven, grunnvannet eller vannmagasinet det ble hentet fra. Det kan komme tilbake et annet sted, på et annet tidspunkt. For lokalsamfunnet som trenger vannet nå, er dette en reell forskjell.
Andre datasentre bruker luftkjøling eller lukkede kjølesystemer der vannet sirkulerer og brukes på nytt. Disse kan redusere det direkte vannforbruket betydelig, men noen løsninger krever mer strøm i stedet. Det finnes ikke ett enkelt tall som beskriver alle datasentre.
Det er lett å tenke på kunstig intelligens som noe immaterielt. Jeg stiller et spørsmål, og noen sekunder senere står ordene på skjermen. Jeg hører ingen maskiner. Jeg ser ingen skorstein, ingen kraftledning, ingen vanndamp.
Men ordene kommer ikke ut av løse luften. Bak hver samtale står det maskiner som må bygges, forsynes med elektrisitet og holdes kjølige.
Ingen kan fortelle meg hvilken brønn som blir litt grunnere fordi millioner av mennesker stiller slike spørsmål. Det er en del av tausheten.
Ansvar uten renhet
Jeg kommer ikke til å slutte å samtale med Claude eller ChatGPT av den grunn. Denne teksten viser hvorfor. Samtalene kan åpne tanker jeg ellers ikke ville ha tenkt, korrigere feil jeg ikke selv har oppdaget og hjelpe meg til å formulere spørsmål klarere.
Men nytten fritar meg ikke fra å spørre hva den hviler på.
Jeg vet ikke hvilket kraftverk som måtte yte litt mer mens jeg skrev dette essayet. Jeg vet ikke hvilken elv eller hvilket lokalsamfunn som ga fra seg en liten del av sitt vann mens jeg formulerte en setning på nytt for fjerde gang. Gevinsten er min. Kostnaden bæres et sted jeg ikke kan se.
Praktisk filosofi begynner kanskje nettopp her: ikke med kravet om å være uten skyld eller å holde seg ren, men med viljen til å se hvilke sammenhenger våre handlinger inngår i, selv når vi ikke får sett dem helt.
Åpenhet bør derfor bety mer enn at teknologien etterlater et spor i teksten. Den må også gjøre det mulig å se infrastrukturen teksten kommer fra, ressursene den forbruker, og menneskene og stedene som berøres.
Tilliten har skiftet sted
Jeg har ingen ferdig konklusjon. Men jeg tror det er en sammenheng det er verdt å holde fast ved: En industri som bygger inn spor for å dokumentere teknologiens medvirkning til innholdet, men som ennå ikke gir tilsvarende innsyn i kostnadene ved å skape det, har ikke løst spørsmålet om tillit.
Den har flyttet det.
Vannmerket i denne teksten vil kanskje en dag gjøre det mulig å fastslå at ordene har vært bearbeidet av Claude. Det vil ikke fortelle hvem som tenkte hva, hvor mye jeg forandret, eller hvor mye vann som fordampet mens vi arbeidet sammen.
Kilder og videre lesning
Anthropic. (2026). How Claude marks AI-generated content.
Anthropic. (2025). Anthropic invests $50 billion in American AI infrastructure.
European Commission. (2026). Energy performance of data centres.
Lawrence Berkeley National Laboratory. (2024). 2024 United States Data Center Energy Usage Report.
Meta. (u.å.). The largest Meta data center yet brings big impact to Louisiana.
U.S. Department of Energy. (2019). Cooling Water Efficiency Opportunities for Federal Data Centers.
No comments:
Post a Comment