ChatGPTについて罪悪感を抱くのは正当なことだろうか？我々はサム・アルトマンの発言を精査し、真実を明らかにした。
ChatGPTを使うことに罪悪感を感じるべきでしょうか？サム・アルトマン氏の主張を検証し、人工知能利用の実態を明らかにします。
知っておくべき最も重要なこと
- AIの水消費量推定値に大きなばらつきがあるのは、測定の規模が異なるためである。アルトマンの推定値は現場での直接的な冷却水に焦点を当てているが、他の研究では発電に消費される水も含まれており、これは総水使用量の75％を占める可能性がある。
- サム・アルトマン氏の「ChatGPTのクエリ38,000件で消費される水はアーモンド1粒分に相当する」という主張は、最新のデバイスと軽微なクエリという最良のシナリオに基づいているが、独立した調査によると、実際の消費量は数百倍にもなる可能性がある。
- チャットボットの消費量をアーモンドの消費量と比較するのは誤解を招く。個々の消費量は少ないものの、1日に数十億件に及ぶクエリやモデル学習処理の総量は膨大であり、データセンターは乾燥地帯における水不足を悪化させる。
ソーシャルメディアをよく利用する人なら、「 AI罪悪感」という概念を目にしたことがあるでしょう。要するに、ChatGPTに丁寧なメールの作成や簡単な夕食のレシピの準備を依頼するたびに、どこかのサーバーファームがチップが溶けないようにするためだけに、大量のきれいな飲料水を消費している、ということです。
現在、OpenAIのCEOであるサム・アルトマン氏は、この広く浸透している認識を払拭しようとしている。アレックス・ヒース氏がホストを務めるポッドキャスト番組「Sources」の初回エピソードで、アルトマン氏は、単純なAIアプリケーションが環境災害を引き起こすという認識に強く異議を唱えた。
彼の反論は、人気のあるスナック菓子との比較だった。
ChatGPTのクエリ38,000件＝アーモンド1粒？私たちは真実を突き止めるために数字を精査しました。
YouTubeで視聴する
アルトマン氏によると、数百万ガロンもの水を消費するデータセンターは、時代遅れの冷却技術に依存しているという。彼は、最新の施設で38,000件のChatGPTクエリを実行すると、カリフォルニア産アーモンド1個を生産するのと同じ量の水が消費されると主張した。彼は、この数字は記憶に基づいて引用したものであり、完全に正確ではないかもしれないと認めつつも、妥当な範囲内であると主張した。
これは、日々のチャットボット利用が環境負荷をほぼゼロに見せかけるための、印象的な主張です。しかし、これらの数字は精査に耐えうるものなのでしょうか？そして、リクエストによる環境コストを気にしなくて良いのでしょうか？
計算：アーモンド1粒は実際にどれくらいの水を消費するのか？
アルトマンの主張を評価するには、まずアーモンドから始めなければならない。
カリフォルニア州は世界のアーモンド生産量の約80%を占めており、最も一般的な農業関連の推定では、アーモンド1粒の栽培に必要な水量は約1.1ガロン（約4.16リットル）とされています。降雨量と汚染補償を考慮した別の分析では、総水使用量は約12リットル（3.2ガロン）とされています。アーモンドは、樹木が年間を通して絶えず灌漑を必要とするため、水を大量に消費する作物として知られています。
直接灌漑推定値を用いてアルトマン比率を真剣に検討する場合：
アーモンド1粒＝約1.1ガロン（4,164ml）の水
ChatGPTクエリ38,000件＝アーモンド1個
ChatGPTクエリ1回あたり＝約0.0000289ガロン（約0.11mlの水）
0.11mlという量を分かりやすく説明すると、標準的な実験室用の水滴や点眼器は約0.05mlです。
アルトマン氏の計算によると、ChatGPTで質問をするには約2滴の水が消費される。
この数字がこれまで読んできたものと比べて異常に低いように思えるなら、それは気のせいではありません。また、アルトマン氏の以前の発言とも完全には一致していません。
2025年6月、彼は自身のブログ記事「穏やかな特異点」の中で、典型的なChatGPTクエリは約0.000085ガロンの水、つまり約0.32mlを消費すると書いた。
この数字とアーモンド消費量の一般的な推定値を用いると、アーモンド1粒あたり約11,000件の問い合わせとなり、38,000件にはならない。彼自身の数字も同じ方向性を示しているが、細部が異なっている。
「人工知能があなたの水道水を枯渇させている」という話はどこから来たのですか？
人工知能の水消費量に関する世間の議論は、カリフォルニア大学リバーサイド校とテキサス大学アーリントン校の研究者らが主導した、広く報道された研究にまで遡る。
「AIの水分消費を抑える」と題された研究論文は、2023年に草稿として発表され、その後2025年に学術誌「Communications of the ACM」に掲載された。この論文では、GPT-3のような大規模言語モデル（LLM）による10～50回の応答からなる短い会話で消費される水は約500ミリリットル、つまり標準的なペットボトル1本分に相当すると推定されている。これは応答1回あたり約10～50ミリリットルに相当し、アルトマン氏の推定値の数百倍にもなる可能性がある。
では、この大きな食い違いの原因は何でしょうか？
その答えの一部は、使用されているハードウェアとモデルにある。アルトマンの推定値は、最新のインフラストラクチャ上で最新のモデルを実行して実行される軽微なクエリに基づいている。しかし、カリフォルニア大学リバーサイド校の研究では、古いシステム上でGPT-3モデルを分析している。
しかし、最も重要な要素は、それぞれの数値が実際に何を示しているかという点です。アルトマン氏の推定値は、ほぼ完全にオンサイトの冷却水、つまりデータセンターで直接消費される水のみを反映しています。一方、カリフォルニア大学リバーサイド校の数値には、オンサイトの冷却水と、サーバーが消費する電力を生成するために発電所で使用される水の両方が含まれています。これは、スケール1とスケール2の水消費量として知られる、より広範な計算です。独立した分析によると、単一のAIクエリの背後にある総水フットプリントの最大75%は、発電レイヤーで占められる可能性があります。つまり、この差は単に古いハードウェアと新しいハードウェアの違いの問題ではなく、測定範囲がどこにあるかという問題なのです。
アルトマン氏はポッドキャストの中で、旧式の設備の問題に直接言及し、これまでの推定値は蒸発冷却方式を採用している施設に基づいていたと主張した。こうした旧式の設備では、巨大な冷却塔が文字通り真水を蒸発させて大気中に放出し、サーバーラックから排出される熱気を冷却する。蒸発した水は、地域の水源から失われてしまう。
アルトマン氏は、現代の超大規模データセンターでは、密閉されたパイプ内を水または特殊な冷却液が循環するクローズドループ式液冷システムが広く採用されていると主張した。これは自動車のラジエーターによく似ており、蒸発による液量の損失はほとんどない。アルトマン氏は、こうした施設における水の消費量は、標準的なシンクやトイレを備えた一般的な商業オフィスビルとは比較にならないほど少ないと指摘した。
皮肉なことに、アーモンドを比較するのは、シリコンバレーの典型的なギミックに過ぎない。
トークンあたりの最新データセンターの効率は確かに向上しているが、チャットボットのコマンドを農作物と比較することは、いくつかの根本的な事実を無視している。
全体的な規模と個人の責任との違いを考えてみましょう。スプレッドシートの数式を確認するために使う水はたった2滴かもしれませんが、OpenAIは現在、毎週約9億人のアクティブユーザーが毎日数十億ものコマンドを処理しています。この地球規模で、ミリメートル単位のごくわずかな量を掛け合わせると、さらにカリフォルニア大学リバーサイド校の研究者が推定する、モデルトレーニングに必要な水量（初期段階で数十万ガロン）も加わると、その総量は膨大なものになります。
地域的な水不足は世界平均を上回っている。セントラルバレーのアーモンド農園は、州の水配分と既存の農業用水路に依存している。一方、AIデータセンターは、郊外の住宅地や半乾燥地帯（フェニックス、バージニア州北部、テキサス州やジョージア州の一部など）に建設されることが多く、自治体の水道システムに直接依存している。たとえ最新鋭で効率的な施設であっても、夏の猛暑時には住宅地と水資源を競合することになり、水不足を引き起こす可能性がある。
すべてのAIクエリが同じように作られているわけではありません。アルトマン氏の38,000クエリという数字は、標準的な軽度の推論、つまり基本的なGPT-4のテキストベースの応答に基づいています。しかし、業界は推論モデルと自律型AIエージェントへと急速に移行しています。AIが回答する前に「思考」し、内部の隔離されたテスト環境でPythonコードを実行し、ライブWebを検索し、複数の論理ループを通じて自己修正する場合、単純なチャットボットよりもコマンドあたりの処理能力が大幅に増加します。独立系の研究者は、これらの負荷の高いワークロードは、ボットよりも数倍の電力、ひいてはより多くの水を消費する可能性があると指摘しています。
エネルギーのトレードオフ。データセンター運営者が蒸発冷却方式を廃止する場合、多くの場合、エネルギー消費量の多いチラー、機械式ヒートポンプ、高速ファンなどに置き換えます。つまり、オンサイトでの水使用量を削減するということは、多くの場合、地域の電力網からより多くの電力を調達することを意味し、その電力の発電方法によっては、間接的な水と二酸化炭素の排出量が発生します。
締めくくりの考え
アルトマン氏の主張は、最新のクローズドループデバイスにおける最良のシナリオに大きく依存しており、AIが発展するために必要な膨大なインフラ要件を無視している。扁桃体1個あたり38,000クエリという彼の数字は、最新のハードウェア上での軽量なクエリ1件の概算としては妥当かもしれないが、全体像の一部しか捉えておらず、業界の将来性を見落としている。
コメントは締め切りました。