{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5325908"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5325908","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"AI's energy footprint","abstract":"Η παρούσα εργασία εξετάζει τον περιβαλλοντικό αντίκτυπο της τεχνητής νοημοσύνης (ΤΝ), με ιδιαίτερη έμφαση στην αυξανόμενη κατανάλωση ενέργειας και στον τρόπο με τον οποίο αυτό πλαισιώνεται από διάφορους ενδιαφερόμενους φορείς. Χρησιμοποιώντας μια διεπιστημονική προσέγγιση βασισμένη στις Σπουδές Επιστήμης - Τεχνολογίας - Κοινωνίας (STS), η έρευνα διερευνά τον τρόπο με τον οποίο οι τεχνολογίες ΤΝ – ειδικά τα μοντέλα μεγάλης κλίμακας – εξαρτώνται από υποδομές υψηλής ενεργειακής κατανάλωσης, όπως τα κέντρα δεδομένων και η κατασκευή ημιαγωγών. Αυτά τα συστήματα απαιτούν τεράστιες ποσότητες ηλεκτρικής ενέργειας, που συχνά προέρχεται από ορυκτά καύσιμα, γεγονός που συμβάλλει στην αύξηση των παγκόσμιων εκπομπών διοξειδίου του άνθρακα. Η μελέτη βασίζεται σε ανασκόπηση της επιστημονικής βιβλιογραφίας, εκθέσεων χάραξης πολιτικής, δηλώσεων βιωσιμότητας από μεγάλες εταιρείες τεχνολογίας και άρθρων επιστημονικών ειδήσεων. Ενώ οι εταιρείες τεχνολογίας προωθούν συχνά αφηγήσεις σχετικά με την αποδοτικότητα και τη βιωσιμότητα, τα ευρήματα δείχνουν ότι οι περισσότερες δεν έχουν καταφέρει να επιτύχουν τους κλιματικούς τους στόχους.Ταυτόχρονα, οι δραστηριότητές τους συνεχίζουν να αναπτύσσονται ραγδαία, αυξάνοντας τη συνολική ζήτηση ενέργειας. Αυτή η τάση έχει επίσης οδηγήσει στο να ανανεώσει το ενδιαφέρον για την πυρηνική ενέργεια και έχει ασκήσει πίεση στα εθνικά δίκτυα ηλεκτρικής ενέργειας. Οι βελτιώσεις στην αποδοτικότητα των αλγορίθμων συχνά οδηγούν σε μεγαλύτερη συνολική κατανάλωση επιδεινώνοντας το περιβαλλοντικο αποτύπωμα. Η εργασία παρουσιάζει επίσης βασικές παρατηρήσεις που υπογραμμίζουν την ασυμφωνία μεταξύ του διαλόγου για τη βιώσιμη τεχνητή νοημοσύνη και των πραγματικών επιλογών που γίνονται. Σε πολλές περιπτώσεις, το περιβαλλοντικό κόστος μεταφέρεται σε λιγότερο ισχυρές περιοχές, αναπαράγοντας έτσι τις παγκόσμιες ανισότητες. Επιπλέον, οι δημόσιες συζητήσεις τείνουν να επικεντρώνονται σε τεχνικές λύσεις, αγνοώντας τις βαθύτερες πολιτικές και οικονομικές δυναμικές που εμπλέκονται. Συνολικά, η μελέτη καλεί για μια πιο κριτική κατανόηση του περιβαλλοντικού αποτυπώματος της τεχνητής νοημοσύνης και τονίζει τη σημασία της διαφάνειας, του ρυθμιστικού πλαισίου και της δικαιοσύνης στη διαμόρφωση της μελλοντικής της ανάπτυξης.","abstract_html":"Η παρούσα εργασία εξετάζει τον περιβαλλοντικό αντίκτυπο της τεχνητής νοημοσύνης (ΤΝ), με ιδιαίτερη έμφαση στην αυξανόμενη κατανάλωση ενέργειας και στον τρόπο με τον οποίο αυτό πλαισιώνεται από διάφορους ενδιαφερόμενους φορείς. Χρησιμοποιώντας μια διεπιστημονική προσέγγιση βασισμένη στις Σπουδές Επιστήμης - Τεχνολογίας - Κοινωνίας (STS), η έρευνα διερευνά τον τρόπο με τον οποίο οι τεχνολογίες ΤΝ – ειδικά τα μοντέλα μεγάλης κλίμακας – εξαρτώνται από υποδομές υψηλής ενεργειακής κατανάλωσης, όπως τα κέντρα δεδομένων και η κατασκευή ημιαγωγών. Αυτά τα συστήματα απαιτούν τεράστιες ποσότητες ηλεκτρικής ενέργειας, που συχνά προέρχεται από ορυκτά καύσιμα, γεγονός που συμβάλλει στην αύξηση των παγκόσμιων εκπομπών διοξειδίου του άνθρακα. Η μελέτη βασίζεται σε ανασκόπηση της επιστημονικής βιβλιογραφίας, εκθέσεων χάραξης πολιτικής, δηλώσεων βιωσιμότητας από μεγάλες εταιρείες τεχνολογίας και άρθρων επιστημονικών ειδήσεων. Ενώ οι εταιρείες τεχνολογίας προωθούν συχνά αφηγήσεις σχετικά με την αποδοτικότητα και τη βιωσιμότητα, τα ευρήματα δείχνουν ότι οι περισσότερες δεν έχουν καταφέρει να επιτύχουν τους κλιματικούς τους στόχους.Ταυτόχρονα, οι δραστηριότητές τους συνεχίζουν να αναπτύσσονται ραγδαία, αυξάνοντας τη συνολική ζήτηση ενέργειας. Αυτή η τάση έχει επίσης οδηγήσει στο να ανανεώσει το ενδιαφέρον για την πυρηνική ενέργεια και έχει ασκήσει πίεση στα εθνικά δίκτυα ηλεκτρικής ενέργειας. Οι βελτιώσεις στην αποδοτικότητα των αλγορίθμων συχνά οδηγούν σε μεγαλύτερη συνολική κατανάλωση επιδεινώνοντας το περιβαλλοντικο αποτύπωμα. Η εργασία παρουσιάζει επίσης βασικές παρατηρήσεις που υπογραμμίζουν την ασυμφωνία μεταξύ του διαλόγου για τη βιώσιμη τεχνητή νοημοσύνη και των πραγματικών επιλογών που γίνονται. Σε πολλές περιπτώσεις, το περιβαλλοντικό κόστος μεταφέρεται σε λιγότερο ισχυρές περιοχές, αναπαράγοντας έτσι τις παγκόσμιες ανισότητες. Επιπλέον, οι δημόσιες συζητήσεις τείνουν να επικεντρώνονται σε τεχνικές λύσεις, αγνοώντας τις βαθύτερες πολιτικές και οικονομικές δυναμικές που εμπλέκονται. Συνολικά, η μελέτη καλεί για μια πιο κριτική κατανόηση του περιβαλλοντικού αποτυπώματος της τεχνητής νοημοσύνης και τονίζει τη σημασία της διαφάνειας, του ρυθμιστικού πλαισίου και της δικαιοσύνης στη διαμόρφωση της μελλοντικής της ανάπτυξης.","abstract_has_math":false,"creators":["ΦΙΛΙΠΠΟΠΟΥΛΟΣ ΔΗΜΗΤΡΙΟΣ","FILIPPOPOULOS DIMITRIOS"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-11-19T05:17:49Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5325908"],"render_values":[{"text":"uoadl:5325908","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5325908","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5325908","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5325908","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["ΦΙΛΙΠΠΟΠΟΥΛΟΣ ΔΗΜΗΤΡΙΟΣ","FILIPPOPOULOS DIMITRIOS"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5325908","https://pergamos.lib.uoa.gr/uoa/dl/object/5325908"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα εργασία εξετάζει τον περιβαλλοντικό αντίκτυπο της τεχνητής νοημοσύνης (ΤΝ), με ιδιαίτερη έμφαση στην αυξανόμενη κατανάλωση ενέργειας και στον τρόπο με τον οποίο αυτό πλαισιώνεται από διάφορους ενδιαφερόμενους φορείς. Χρησιμοποιώντας μια διεπιστημονική προσέγγιση βασισμένη στις Σπουδές Επιστήμης - Τεχνολογίας - Κοινωνίας (STS), η έρευνα διερευνά τον τρόπο με τον οποίο οι τεχνολογίες ΤΝ – ειδικά τα μοντέλα μεγάλης κλίμακας – εξαρτώνται από υποδομές υψηλής ενεργειακής κατανάλωσης, όπως τα κέντρα δεδομένων και η κατασκευή ημιαγωγών. Αυτά τα συστήματα απαιτούν τεράστιες ποσότητες ηλεκτρικής ενέργειας, που συχνά προέρχεται από ορυκτά καύσιμα, γεγονός που συμβάλλει στην αύξηση των παγκόσμιων εκπομπών διοξειδίου του άνθρακα. Η μελέτη βασίζεται σε ανασκόπηση της επιστημονικής βιβλιογραφίας, εκθέσεων χάραξης πολιτικής, δηλώσεων βιωσιμότητας από μεγάλες εταιρείες τεχνολογίας και άρθρων επιστημονικών ειδήσεων. Ενώ οι εταιρείες τεχνολογίας προωθούν συχνά αφηγήσεις σχετικά με την αποδοτικότητα και τη βιωσιμότητα, τα ευρήματα δείχνουν ότι οι περισσότερες δεν έχουν καταφέρει να επιτύχουν τους κλιματικούς τους στόχους.Ταυτόχρονα, οι δραστηριότητές τους συνεχίζουν να αναπτύσσονται ραγδαία, αυξάνοντας τη συνολική ζήτηση ενέργειας. Αυτή η τάση έχει επίσης οδηγήσει στο να ανανεώσει το ενδιαφέρον για την πυρηνική ενέργεια και έχει ασκήσει πίεση στα εθνικά δίκτυα ηλεκτρικής ενέργειας. Οι βελτιώσεις στην αποδοτικότητα των αλγορίθμων συχνά οδηγούν σε μεγαλύτερη συνολική κατανάλωση επιδεινώνοντας το περιβαλλοντικο αποτύπωμα. Η εργασία παρουσιάζει επίσης βασικές παρατηρήσεις που υπογραμμίζουν την ασυμφωνία μεταξύ του διαλόγου για τη βιώσιμη τεχνητή νοημοσύνη και των πραγματικών επιλογών που γίνονται. Σε πολλές περιπτώσεις, το περιβαλλοντικό κόστος μεταφέρεται σε λιγότερο ισχυρές περιοχές, αναπαράγοντας έτσι τις παγκόσμιες ανισότητες. Επιπλέον, οι δημόσιες συζητήσεις τείνουν να επικεντρώνονται σε τεχνικές λύσεις, αγνοώντας τις βαθύτερες πολιτικές και οικονομικές δυναμικές που εμπλέκονται. Συνολικά, η μελέτη καλεί για μια πιο κριτική κατανόηση του περιβαλλοντικού αποτυπώματος της τεχνητής νοημοσύνης και τονίζει τη σημασία της διαφάνειας, του ρυθμιστικού πλαισίου και της δικαιοσύνης στη διαμόρφωση της μελλοντικής της ανάπτυξης.","This thesis examines the environmental impact of artificial intelligence (AI), with a particular focus on its increasing energy consumption and on how this is framed by different stakeholders. Using an interdisciplinary approach grounded in Science and Technology Studies (STS), the research explores how AI technologies – especially large-scale models – depend on energy-intensive infrastructures such as data centers and semiconductor manufacturing. These systems require vast amounts of electricity, often sourced from fossil fuels, which contributes to rising global carbon emissions. The study is based on a review of scientific literature, policy reports, sustainability statements from major technology companies, and science news articles. While tech companies often promote narratives of efficiency and sustainability, the findings show that most have failed to meet their climate targets. At the same time, their operations continue to grow rapidly, increasing the overall energy demand. This trend has also led to renewed interest in nuclear energy and it has placed pressure on national power grids. Improvements in algorithm efficiency often lead to higher overall consumption, worsening the environmental footprint. The thesis also presents key observations that highlight a mismatch between the discourse on sustainable AI and the actual choices being made. In many cases, environmental costs are shifted to less powerful regions, thereby reproducing global inequalities. Additionally, public discussions tend to focus on technical solutions, while ignoring the deeper political and economic dynamics involved. Overall, the study calls for a more critical understanding of AI’s environmental footprint and stresses the importance of transparency, regulation, and justice in shaping its future development."]},{"key":"dc:title","label":"Title","values":["AI's energy footprint"]}]}],"canonical_facts":{"dc:creator":["ΦΙΛΙΠΠΟΠΟΥΛΟΣ ΔΗΜΗΤΡΙΟΣ","FILIPPOPOULOS DIMITRIOS"],"dc:date":["2026"],"dc:description":["Η παρούσα εργασία εξετάζει τον περιβαλλοντικό αντίκτυπο της τεχνητής νοημοσύνης (ΤΝ), με ιδιαίτερη έμφαση στην αυξανόμενη κατανάλωση ενέργειας και στον τρόπο με τον οποίο αυτό πλαισιώνεται από διάφορους ενδιαφερόμενους φορείς. Χρησιμοποιώντας μια διεπιστημονική προσέγγιση βασισμένη στις Σπουδές Επιστήμης - Τεχνολογίας - Κοινωνίας (STS), η έρευνα διερευνά τον τρόπο με τον οποίο οι τεχνολογίες ΤΝ – ειδικά τα μοντέλα μεγάλης κλίμακας – εξαρτώνται από υποδομές υψηλής ενεργειακής κατανάλωσης, όπως τα κέντρα δεδομένων και η κατασκευή ημιαγωγών. Αυτά τα συστήματα απαιτούν τεράστιες ποσότητες ηλεκτρικής ενέργειας, που συχνά προέρχεται από ορυκτά καύσιμα, γεγονός που συμβάλλει στην αύξηση των παγκόσμιων εκπομπών διοξειδίου του άνθρακα. Η μελέτη βασίζεται σε ανασκόπηση της επιστημονικής βιβλιογραφίας, εκθέσεων χάραξης πολιτικής, δηλώσεων βιωσιμότητας από μεγάλες εταιρείες τεχνολογίας και άρθρων επιστημονικών ειδήσεων. Ενώ οι εταιρείες τεχνολογίας προωθούν συχνά αφηγήσεις σχετικά με την αποδοτικότητα και τη βιωσιμότητα, τα ευρήματα δείχνουν ότι οι περισσότερες δεν έχουν καταφέρει να επιτύχουν τους κλιματικούς τους στόχους.Ταυτόχρονα, οι δραστηριότητές τους συνεχίζουν να αναπτύσσονται ραγδαία, αυξάνοντας τη συνολική ζήτηση ενέργειας. Αυτή η τάση έχει επίσης οδηγήσει στο να ανανεώσει το ενδιαφέρον για την πυρηνική ενέργεια και έχει ασκήσει πίεση στα εθνικά δίκτυα ηλεκτρικής ενέργειας. Οι βελτιώσεις στην αποδοτικότητα των αλγορίθμων συχνά οδηγούν σε μεγαλύτερη συνολική κατανάλωση επιδεινώνοντας το περιβαλλοντικο αποτύπωμα. Η εργασία παρουσιάζει επίσης βασικές παρατηρήσεις που υπογραμμίζουν την ασυμφωνία μεταξύ του διαλόγου για τη βιώσιμη τεχνητή νοημοσύνη και των πραγματικών επιλογών που γίνονται. Σε πολλές περιπτώσεις, το περιβαλλοντικό κόστος μεταφέρεται σε λιγότερο ισχυρές περιοχές, αναπαράγοντας έτσι τις παγκόσμιες ανισότητες. Επιπλέον, οι δημόσιες συζητήσεις τείνουν να επικεντρώνονται σε τεχνικές λύσεις, αγνοώντας τις βαθύτερες πολιτικές και οικονομικές δυναμικές που εμπλέκονται. Συνολικά, η μελέτη καλεί για μια πιο κριτική κατανόηση του περιβαλλοντικού αποτυπώματος της τεχνητής νοημοσύνης και τονίζει τη σημασία της διαφάνειας, του ρυθμιστικού πλαισίου και της δικαιοσύνης στη διαμόρφωση της μελλοντικής της ανάπτυξης.","This thesis examines the environmental impact of artificial intelligence (AI), with a particular focus on its increasing energy consumption and on how this is framed by different stakeholders. Using an interdisciplinary approach grounded in Science and Technology Studies (STS), the research explores how AI technologies – especially large-scale models – depend on energy-intensive infrastructures such as data centers and semiconductor manufacturing. These systems require vast amounts of electricity, often sourced from fossil fuels, which contributes to rising global carbon emissions. The study is based on a review of scientific literature, policy reports, sustainability statements from major technology companies, and science news articles. While tech companies often promote narratives of efficiency and sustainability, the findings show that most have failed to meet their climate targets. At the same time, their operations continue to grow rapidly, increasing the overall energy demand. This trend has also led to renewed interest in nuclear energy and it has placed pressure on national power grids. Improvements in algorithm efficiency often lead to higher overall consumption, worsening the environmental footprint. The thesis also presents key observations that highlight a mismatch between the discourse on sustainable AI and the actual choices being made. In many cases, environmental costs are shifted to less powerful regions, thereby reproducing global inequalities. Additionally, public discussions tend to focus on technical solutions, while ignoring the deeper political and economic dynamics involved. Overall, the study calls for a more critical understanding of AI’s environmental footprint and stresses the importance of transparency, regulation, and justice in shaping its future development."],"dc:identifier":["uoadl:5325908","https://pergamos.lib.uoa.gr/uoa/dl/object/5325908"],"dc:language":["English"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["AI's energy footprint"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:17:49Z"}