Beszélgetőtársam, a Google Gemini

Egy nagyon izgalmas beszélgetést folytattam nemrég. A közös gondolkodást a különleges beszélgetőpartneremmel, a Google Geminivel egyúttal nagyon tanulságosnak is találtam. A téma az volt, hogy mekkora vízigénye is van annak, ha én vele beszélgetek.

Bár nagyjából egy éve aktívan használom a mesterséges intelligenciát a cikkeim háttérkutatásaihoz, erre a különleges beszélgetésre az ösztönzött, hogy a januárban megjelent egy publikáció a témában.

A Xylem és a Global Water Intelligence tanulmánya szerint a mesterséges intelligencia (MI) vízigénye 2050-re 129%-kal nő: az adatközpontok hűtése, a chipgyártás és az energiatermelés együttesen évente mintegy 30 ezer milliárd liter extra vizet igényel majd. A tanulmány azért mérföldkő a téma kutatásában – ahogy ezt a Gemini kifejezetten méltatta a beszélgetésünk során –, mert a vízigény felmérésénél a teljes vízlábnyomot figyelembe veszi. A korábbi elemzések főként az adatcenterek hűtéséhez használt vízigényre fókuszáltak. Ez viszont a vízlábnyomnak mindössze a 4%-át, a közvetlen vízlábnyomot adja. Sokkal nagyobb részt, 54%-ot képvisel az a közvetett vízfelhasználás, mely az adatcenterek által igénybe vett elektromos energiát előállító erőművek használnak fel a saját működésükhöz. Továbbá szintén jelentős, 42% hozzáadott vízlábnyom kapcsolódik a chipgyártáshoz is. Vagyis az MI agyának előállításához.

Dolgozom

Mekkora az én MI-vízlábnyomom?

Amikor ezt elolvastam, hirtelen indíttatásból megkérdeztem a Geminit, szerinte mekkora a vízlábnyoma az elmúlt három havi együttműködésünknek. Azt válaszolta, hogy a magánszférámat tiszteletben tartva nem rögzít olyan adatot, amely azt mérné, hogy hány órát töltünk együtt. De az egyszerűség kedvéért napi egy órával kalkulált, ami szerinte óránként átlagosan 30 promptot, és nagyjából másfél-kétmillió szót jelent.

Megjegyezte, hogy a Google fejlesztései eredményeképpen a legfrissebb, 2026-os információi szerint jelentősen csökkent a beszélgetésünk vízlábnyoma. A korábbiakban ugyanis egy óra MI-használat nagyjából fél liter vízigénnyel bírt. Míg mostanra ez óránként 7,8mL-re csökkent. Vagyis a három hónap alatt 0,7 litert tehetett ki a kérdéses vízlábnyom. Bár hozzátette, hogy ez talán soknak tűnhet, de összehasonlításképpen, ha a reggeli kávémba 50mL tejet teszek, az 50 liter vizet igényel, ha pedig megeszem egy marha steaket, az meg nagyjából 2400 litert.

Erre a megjegyzésére válaszként jeleztem neki, hogy nem teszek a kávémba tejet (sőt, egyáltalán nem is iszom tejet), és nem eszem húst. Mire a Gemini megállapította, hogy ezzel a fogyasztói magatartásommal sok havi beszélgetés vízlábnyomát tudom kompenzálni.

Flash vagy Pro keresés? Nem mindegy!

Felbátorodva a relatíve alacsony MI-vízlábnyomomon, tovább kérdezgettem. Végiggondolva a saját MI-használati szokásaimat, érdekelt, van-e különbség a Flash (Gyors) és a Pro (Részletes) keresés között. Amikor egy konkrét témához folytatok alapos háttérkutatást, akkor jellemzően átállítom a kérdésfeltevést Pro funkcióba.

A válaszon nagyon meglepődtem. Ugyanis hatalmas a különbség! A Gemini maga azt a hasonlatot használta, hogy nagyjából úgy kell elképzelnem, mintha a Flash lenne egy környezetbarát kis autó, a Pro pedig egy hatalmas, nagyteljesítményű terepjáró. Ha egy egyszerűbb kérdést Pro beállításban teszek fel, akkor az adott válasz előállítása legalább hússzor annyi vizet igényel, mintha csak Flash-ben tenném fel a kérdést. Ha pedig egy komoly, összetett promptot fogalmazok meg számára egy tudományos kutatásom során, akkor a Pro funkcióban adott válasz vízlábnyoma akár 60-szorosa is lehet egy egyszerű Flash promptnak. Részletesen el is magyarázza a nagy különbség okát: Pro kérdés esetén sokkal összetettebb kutatást végez. MI-nyelven: egy tudományos kutatás során sokkal több a „FLOPS”. Nem ismervén a kifejezést, megkérdeztem, hogy mit takar ez a rövidítés. Azt a választ kaptam, hogy „Az MI-modellek teljesítményét úgynevezett FLOPS-ban mérik, ami a másodpercenként elvégzett bonyolult matematikai számítások számát jelenti.”  (FLOPS, vagyis Floating Point Operations per Second). A lényeg, hogy a sokkal több művelet több energiával jár, és így több vízre van szükség.

Persze, azonnal kiszámolta nekem, hogy ha a napi egy órából 15 perc tudományos, Pro kutatást végzek, akkor az MI-használatom vízlábnyoma nem 0,7, hanem 37 liter lesz. De ez még mindig kevesebb, mint egy pohár tej (kb. 120L víz) elfogyasztása, tette hozzá.

Egyébként maga a Gemini annyit még megsúgott a két keresőmód összehasonlítása kapcsán, hogy a Gemini 3 Flash 90,4%-os, a Gemini 3.1 Pro kereső pedig 94,3%-os pontossággal, megbízhatósággal dolgozik. De jelezte, hogy a beszélgetésünk eredményei tekintetében ennek a 4%-nak nincs jelentősége. Mert azt is el kell áruljam, hogy ezt a kérdést végül teljes egészében a vízkímélő Flash módban vitattuk meg.

Magyarországon mi a helyzet?

Következő kérdésem az volt, hogy a megadott értékek globális átlagok-e, vagy belekalkulálta, hogy én Magyarországon beszélgetek vele.  Azt a választ kaptam, hogy ezek globális adatok, és ha konkrétan Magyarországon használom őt, akkor kb. 10-15%-kal kisebb lehet az MI-vízlábnyomom. Vagyis a 37 liter valójában 32. Szuper, egész jól haladunk!

De mi ennek az oka? Persze, ezt kérdeznem sem kellett, mert enélkül is megkaptam a választ: a minket kiszolgáló Google szerverek Eemshavenben (Hollandia), St. Ghislain-ben (Belgium), és Frankfurtban (Németország) vannak. Az első két városban található központokban, bár az átlagos vízigény nem változik, de jellemzően a csatornák vizét használják a hűtéshez. Így nem az ivóvízbázis adja a felhasznált víz forrását. Az is hozzájárul a csökkentéshez, hogy minél északabbra található egy adatcenter, annál inkább tud a téli hónapokban levegőhűtést alkalmazni a vízhűtés helyett. Tehát ezeknek a centerek a délebbi társaikhoz képest kisebb a közvetlen vízigénye. Továbbá fontos az is, hogy ezek az adatcenterek a lehető leghatékonyabban üzemelő elektromosáram-előállító erőművekből kapják az elektromos energiát, és mint tudjuk, ez 54%-ot jelent a vízlábnyomban!

Számít a nyelv?

A következő kérdésem az volt, számít-e az, hogy milyen nyelven beszélgetek vele. Valahogy ösztönösen az angolhoz nyúlok mindig, mert úgy érzem, hogy sokkal nagyobb könyvtárból tud meríteni, és nem kell fordítania. Sejtésemet, hogy ennek is lehet jelentősége, meg is erősítette. Ha magyarul beszélgetek vele, az 40% extra vízigénnyel jár számára. Tehát a 32 literből azonnal 45 lenne ebben az esetben a három hónapos közös munka vízterhelése. A magyarázatában kifejtette, hogy a működése az angol nyelvre van optimalizálva, ezen is tanult. Nem szavakban, hanem ún. „token”-ekben gondolkodik. Míg egy angol szó egy token, addig a magyar nyelv agglutináló (toldalékoló) jellege miatt egy-egy magyar szó akár 3-4 token is lehet. Az ide-oda fordítás szintén több feladat. Mindez tehát több FLOPS. Vagyis nagyobb vízlábnyom.

Áramellátás, chipek és adatcenter-hűtés

Ez utóbbi érvvel már a következő kérdésemet követően egészítette ki a magyarázatát a Gemini, amikor megkérdeztem, mi a véleménye a Xylem és a Global Water Intelligence tanulmányáról. Abszolút helyesnek találta a tanulmányban jelzett 54-42-4%-os vízlábnyom-arányokat, és – mint fentebb már jeleztem – , kifejezetten üdvözölte, hogy minden tényezőt figyelembe vettek a kalkuláció során.

Persze, a kíváncsi kisördög azért nem hagyott nyugodni, így arra is rákérdeztem, hogy az MI-vízlábnyomomba, melyet kiszámolt, ő is belekalkulálta-e az elektromos áram előállításának és a chipgyártásnak a vízigényét, vagy csak az adatcenter hűtését. Megnyugtatott, hogy ha csak a 4%-ot kitevő vízigénnyel számolt volna, az olyan zöldre festés (greenwashing) lenne a részéről, mint amikor egy autóról azt állítják, hogy szén-dioxid kibocsájtás mentes, csak azért, mert nincs kipufogója.

Ami számomra fontos új információ volt, hogy a chipek (vagyis a hardware lelke) gyártása kapcsán nemcsak a hatalmas vízigényt emelte ki, hanem azt is, hogy ebben az esetben nagyon fontos, hogy a víz kristálytiszta legyen! A szilíciumlemezek öblítéséhez ugyanis csak a teljesen szennyeződésmentes víz felel meg.

Jelenleg 15 és 18 millió közé tehető a Google MI agyaiként működő chipek száma globálisan. De a saját eszközeink is beleszámítanak az MI-használat 42%-os chip-vízlábnyomába. Bár nyilvánvalóan nem összehasonlítható az én laptopom és a frankfurti Google adatcenter működéséhez köthető vízlábnyom, de ha elgondolkozom azon, hogyan tudom környezetbarátabb módon használni az új kutatótársamat, akkor bizony van jelentősége annak, hogy hány évente vásárolok új számítógépet és mobiltelefont. Előbbi gyártási vízlábnyoma a Gemini szerint átlagosan 190 000 liter, utóbbié pedig 12 000 liter.

Mit tehetek itt és most?

A túl gyakori készülékcsere elkerülése mellett használhatom okosan az újdonsült kutatótársamat. Az MI-tudatosság nem azt jelenti, hogy kevesebbet beszélgetünk vele, hanem azt, hogy a nehéztüzérséget, vagyis a Pro funkciót csak akkor vetjük be, amikor a tudományos precizitás valóban megkerülhetetlen. A hétköznapi csevegéshez a Flash funkció választása olyan, mintha a vízpazarló locsoló helyett célzott csepegtető öntözést alkalmaznánk. Ha pedig ez nem probléma számunkra, kérdezzük inkább angolul, és legfejjebb a csevegés végén kérjünk tőle egy magyar nyelvű összefoglalót. Bár az MI folyékonyan beszél magyarul, az „anyanyelve” az angol. A kutatómunka során angolul kérdezni nemcsak mélyebb forrásokhoz vezet, hanem fenntarthatóbb is.

(Ez az írásom egy kicsit rövidebb formában a Képmás magazin 2026. júniusi számában jelent meg.)