AI:s egna utsläpp, kossor och "vibe coding"
🤖 🐄 🥳
Hej & välkommen till Plötsligt i Framtiden!
Mars brukar vara en av de mest hektiska månaderna för min del – och så har det varit även i år. Föreläsningar, paneler och events har staplats ovanpå allt annat som också ska hinnas med. Därför har utskicken varit lite glesare än vanligt. Men nu är jag (förhoppningsvis) tillbaka på ✍🏼-banan igen.
Den här veckan ska vi dyka ner i AI:s egna klimatavtryck, kika på en superspännande lösning för mer hållbart käk och och prata vibe coding (vad sjutton det nu betyder 🙄).
Då kör vi!
/ Judith
AI:s egna utsläpp
Nyligen deltog jag på Breakit AI Day – en dag med fokus på AI ur perspektivet “från hajp till konkret handling”.
I en av programpunkterna deltog jag i ett samtal med Staffan Stymne från T.Loop och Peter Michelson från EcoDataCenter, där vi diskuterade en av AI:s stora ödesfrågor: den skenande energiåtgången.
Hur kan vi säkerställa att den exponentiella tillväxten sker på ett hållbart sätt?
Vad händer med lönsamhet, finansiering och konkurrenskraft om energibehovet rusar iväg?
Och hur kan företag redan nu framtidssäkra sina affärsmodeller?
I bilden: Vigor Sörman, Judith Wolst (me), Staffan Stymne och Peter Michelson
Låt oss börja med möjligheterna.
Vi vet att AI kan användas på en mängd olika sätt inom den gröna omställningen – och potentialen är enorm. Några av sätten kommer här:
🔧 Optimera det vi redan gör
AI kan användas för att minska energiförbrukning i byggnader, automatisera och effektivisera avfallshantering, förbättra återvinning, optimera kollektivtrafik och transporter, och energieffektivisera industrin. Listan kan göras lång – och den växer snabbt.
🚀 Ge oss innovativa superkrafter
Med hjälp av AI kan vi ta fram helt nya biologiska lösningar som nya proteiner, grödor och enzymer. Men också nya icke-organiska material för att exempelvis utveckla mer effektiva solpaneler, innovativa batterier och material som kan lagra koldioxid.
➡️ En massa fler exempel finns här: AI ger oss innovation med superkrafter
🌍 Bidra med radikal transparens
I kombination med satellitdata och sensorer kan AI övervaka vår planet i realtid – smältande isar, skogsskövling och illegalt fiske. Men också utsläpp av koldioxid och metangas.
➡️ Läs mer i den här artikeln: Radikal Transparens
📊 Förbättra klimatmodellering och miljöanalys
AI kan hjälpa oss att förstå klimatförändringar genom att analysera enorma mängder miljödata. Något som kan ge oss bättre beslutsunderlag, smartare simuleringar och vägledning för mer effektiva insatser och åtgärder.
Men!
AI kommer också med en stor miljö- och klimatpåverkan eftersom det kräver stora mängder metaller, mineraler, datorkraft – och framför allt energi.
Det är svårt att säga exakt hur stor klimatpåverkan IT-sektorn har, men uppskattningar finns. EU-kommissionen har till exempel beräknat att ICT stod för 2–4 % av de globala koldioxidutsläppen för ett par år sedan – en siffra som har ökat, inte minst till följd av AI. Och särskilt mycket på grund av generativ AI, som är extra energikrävande.
Om AI ska bli “den nya elektriciteten” – en teknik som vävs in i nästan allt vi gör – måste den bli betydligt mer hållbar. Inför panelsamtalet på Breakit AI Day listade jag några av de pusselbitar jag ser som särskilt viktiga.
Område 1: Träning – modellerna måste bli mindre och mer energieffektiva
Det här är en punkt där förändring sannolikt kommer att drivas framåt primärt av rena kostnadsskäl.
Att träna riktigt stora språkmodeller (LLM:er) är nämligen svindyrt idag – inte sällan sådär 100 miljoner USD för en enda modell. Men när utmanare som DeepSeek nyligen släpptes blev det tydligt att innovationen för att få ner kostnader (och energiförbrukning) redan är i gång. Nu ser vi allt fler exempel på mindre modeller som presterar riktigt bra, utan att vara lika resurskrävande.
Dessutom kommer mycket av det vi vill göra med AI inte att kräva enorma modeller. Vi kan ofta komma långt med mindre, specialiserade AI-system – som också kräver betydligt mindre energi att både träna upp och att använda.
➡️ Läs mer här: Vad DeepSeek kan betyda framåt och En massa miniglassar av AI har börjat regna ner från himlen - stora modeller (LLM:s) får sällskap av Small Language Models (SLM:s).
Område 2: Datacenter – optimera energianvändningen och göra den fossilfri
Datacenter är hjärtat i AI:s infrastruktur – och dessa center måste bli både energieffektiva och fossilfria.
Facebooks serverhall i Luleå är ett bra exempel: den drivs med lokal, förnybar el och kyls med kall uteluft större delen av året. Här har Sverige en stor möjlighet att skapa en massa nya gröna affärsmöjligheter.
Dessutom kan AI själv bidra till att optimera energianvändningen i datacenter. Google visade redan 2016 hur deras DeepMind-AI kunde minska energibehovet för kylning med hela 40 %, läs mer här: DeepMind AI reduces energy used for cooling Google data centers by 40%.
Branschinitiativet Climate Neutral Data Centre Pact är också ett steg i rätt riktning, där aktörer frivilligt förbinder sig att nå 100 % förnybar el och hög energieffektivitet i datacenter senast 2030.
Område 3: Hårdvara – mer effektiv och mer etisk
Datorers hårdvara har länge följt Moores lag – där antalet transistorer på ett chip har fördubblas ungefär vartannat år. Något som har ökar prestandan exponentiellt. En utveckling som har bidragit till att driva AI-revolutionen framåt.
Men för att möta AI:s ökade energibehov måste nästa generations hårdvara inte bara bli kraftfullare – utan också mer energieffektiv. Med tanke på hur mycket pengar som har kastats på AI den senaste tiden (både på foundation models, applications och hårdvara – alla lagren i “AI-glassen”) lär stora innovationer vänta framöver.
➡️ Här kan du läsa mer om de olika lagren i AI-glassen.
Tillbaks till hårdvara. För AI-utvecklingen framåt finns det dock en stor utmaning som är svårare att komma runt med hjälp av innovation: tillgången till sällsynta jordartsmetaller och mineraler som kobolt och litium, som är avgörande för chip och annan elektronik. När dessa metaller och mineraler bryts i gruvor betyder det stora ingrepp i naturen, höga utsläpp – och inte sällan också sociala och etiska problem, som dåliga arbetsvillkor och konflikter.
Att skapa en hållbar hårdvarukedja kommer kanske bli en av AI-erans mest komplexa – men nödvändiga – uppgifter.
➡️ Läs mer här: Den hårda hemligheten bakom den imponerande AI-utvecklingen – om chip, processorer, GPU:s och CPU:s.
Område 4: Hur vi använder AI – prissättning och reglering
I dag kan du och jag skapa AI-genererade kattbilder dygnet runt – nästan helt gratis. Men de faktiska kostnaderna för energianvändning och utsläpp syns inte i priset.
Det här är såklart inte hållbart i längden. Om vi vill styra AI-användningen mot att bli hållbar behöver prismodellerna förändras. Detta kommer sannolikt också att kräva reglering som kliver in och sätter ett faktiskt pris på AI:s klimatpåverkan, där det på riktigt också kostar att släppa ut. Och där vi i många fall, på grund av priset, kommer att välja mindre mer hållbara modeller och AI-lösningar.
Område 5: Transparens
Sist men inte minst handlar AI:s hållbarhetsutmaning också om brist på insyn.
Som det ser ut idag redovisar få techbolag hur mycket energi deras AI-modeller har krävt vid träning, eller konsumerar vid användning. Utan öppenhet blir det omöjligt för användare, kunder och investerare att välja de mer hållbara alternativen. Transparens är därför en förutsättning för att AI-utvecklingen ska kunna bli både etisk och klimatmässigt hållbar.
Jevons paradox – när effektivisering leder till ökad förbrukning
Innan vi rundar av vill jag lyfta en sista – men sannolikt växande – utmaning: det som kallas för Jevons paradox, en mer extrem variant av den så kallade rebound-effekten.
Jevons paradox uppstår när ökad resurseffektivitet gör en teknik så billig och tillgänglig att användningen skjuter i höjden – och den totala resursförbrukningen ökar, trots att varje enhet blivit effektivare.
Fenomenet är inte nytt. Redan på 1800-talet märkte ekonomen William Stanley Jevons ett samband kring användning av kolet:
Effektivare ångmaskiner → minskad bränsleförbrukning → billigare kol → ökad efterfrågan → totalt mer kolanvändning i samhället.
Risken är att vi nu ser en liknande utveckling med AI. Just därför är det avgörande att all AI-innovation följs av kloka policies, styrmedel och incitament som driver mot minskade utsläpp.
Låt oss byta tema nu och prata om en femårings favorit: rapar och pruttar.
Kossor – både hjältar och bovar i klimatdramat
Kossor är charmiga djur som var en del av min egen uppväxt i Småland. Djur som både utstrålar lugn och snällhet – något som världen behöver inspireras av just nu.
Men! Kossorna är både en del av lösningen och en del av problemet när det kommer till 🌍. Deras betande håller ängar och hagmarker öppna – viktiga naturbetesmarker som binder kol och skapar livsmiljöer för blommor, insekter och fåglar.
Dock släpper korna också ut stora mängder metan genom just rapar och pruttar – en växthusgas som är 28 gånger mer potent än koldioxid. Uppskattningar varierar något, men boskapsuppfödning står för ungefär 15 % av de globala växthusgasutsläppen, och korna är den klart största källan.
Tursamt nog väntar mer hållbara 🥩-lösningar runt hörnet.
Nyligen hade jag och Aurore nöjet att samtala med ⭐️ Gittan Schiöld från Re:meat – ett bolag i innovativ framkant som plockar bort 🐄 från ekvationen och istället odlar köttet. Resultatet? En lösning som inte bara är betydligt mer hållbar för klimatet och miljön – utan som också stärker vår matförsörjning och livsmedelssäkerhet.
Du hittar hela vårt samtal på Spotify.
Tilläggas bör att jag själv sedan väldigt nyligen är en stolt och mycket peppad ängelinvesterare i Re:meat. Läs mer här: Re:meat Oversubscribes Successful Funding Round, Raising €1 million.
Vibe coding – AI:s nästa kreativa fas ✨💻
Sist men inte minst – låt oss prata om vibe coding, ett nykläckt begrepp som fångar in AI:s nästa fas: där vi alla kan bygga sajter och appar utan att skriva en enda rad kod.
Termen myntades nu i februari 2025 av Andrej Karpathy. Definitionen lyder ungefär såhär ⤵️.
“Vibe coding is a term for the practice of writing code, making web pages, or creating apps, by just telling an AI program what you want, and letting it create the product for you.” - citat
Alltså: du beskriver vad du vill ha – och AI:n bygger det åt dig.
Vill du prova? Då kan jag tipsa om den svenska succén Lovable som erbjuder oss alla att göra detta – kanske bättre än någon tjänst.
För egen del står det på min to-do-lista att uppdatera åtminstone en av mina sajter med just vibe coding – och lämna tidigare verktyg som Squarespace bakom mig.
Här kan du läsa mer:
TechCrunch: A quarter of startups in YC’s current cohort have codebases that are almost entirely AI-generated
Business Insider: Silicon Valley's Next Act: Bringing 'Vibe Coding' to the World
The New York Times: What is Vibe Coding? A New Concept I Learnt Today
Det var allt för den här gången.
Ta hand om er så hörs vi snart igen!
/ Judith
🥰 Tack för att du prenumererar på nyhetsbrevet Plötsligt i Framtiden! Om du har frågor eller tips på vad jag borde skriva om – kommentera gärna på LinkedIn eller skicka ett DM. & tipsa gärna andra som du tror skulle gilla att kika in i en framtid där teknik och hållbarhet är den gröna tråden.