Iedereen wil over de chatbot praten.
Dat is waar de opwinding leeft. Typ een prompt. Ontvang binnen enkele seconden een lesplan. Het voelt als magie. Gewichtloos, bijna. Zoals een Google-zoekopdracht die terugschrijft.
Maar dat gevoel? Het is een illusie.
En voordat districten hun curricula rond generatieve AI opnieuw gaan ontwerpen, moeten ze een saaiere, zwaardere vraag beantwoorden:
Kunnen we dit eigenlijk wel betalen?
De toren in de kamer
Herinner je je de computerlokalen van eind jaren negentig nog?
Kinderen typten op een toetsenbord, staarden naar een monitor en gingen ervan uit dat de hersenen in de beige doos op het bureau woonden. Dat gebeurde niet. Het echte werk gebeurde in een enorme, zoemende toren. Of in de serverruimte verderop in de gang.
Generatieve AI werkt op dezelfde manier, alleen is de toren nu een fort.
Ligt honderden kilometers verderop. Soms slechts vijf mijl verderop. Een uitgestrekt datacenter, geen desktop-pc.
Beschouw uw prompt als een afstandsbediening van een tv.
De hardware in de cloud? Dat is de bedrading in de set. De reactie? Het beeld op het scherm.
Je ziet de bedrading niet.
Maar je moet er rekening mee houden. Elke aanwijzing. Elke geautomatiseerde feedbackcommentaar. Elk lesplan. Ze kosten elektriciteit. Ze verbruiken water. Ze eisen gespecialiseerde verwerkers. Ze vereisen schaarse rekencapaciteit die niet aan de bomen groeit.
Generatieve AI is niet alleen maar code. Het is iets fysieks dat macht, land en water vereist.
Het tabblad Energie
De meeste docenten richten zich op het gebruiken van AI. Geletterdheid. Bestuur. Stanford-recensies zeggen dat adoptie het bewijsmateriaal voor studentenresultaten overtreft. UNESCO dringt aan op menselijk toezicht. Alle vitale gesprekken, ja. Maar ze missen de basis.
Een andere groep onderzoekers kijkt naar de voetafdruk.
PhD Xiaofan Liang brengt in kaart hoe AI het landgebruik hervormt. PhD Shaolei Ren volgt de dorst.
Hier is het getal dat ertoe doet.
In 2023 bedroeg het elektriciteitsverbruik in Amerikaanse datacenters ongeveer 176 terawattuur. Dat is 4,4% van alle elektriciteit in het land.
Zet dat in menselijke termen.
Dat is genoeg energie om 17 miljoen huishoudens een heel jaar lang draaiende te houden.
Kijk naar het rooster.
De honger naar AI-macht groeit en is vraatzuchtig.
Waarom het nooit goedkoper wordt
Scholen kochten vroeger software anders.
U heeft een platformlicentie verleend. Een LMS. Een beoordelingsinstrument. De prijs was vastgesteld. Voorspelbaar. Voorspelbaar. Naarmate u gebruikers toevoegde, daalden de marginale kosten vaak. Schaalvoordelen.
AI? Niet zo veel.
Insiders uit de sector noemen dit ‘inferentiekosten’.
Elke keer dat je het model iets vraagt, verbrand je grondstoffen. Het genereert nieuwe data. Het kost geld. Elk. Enkel. Tijd.
Schaal verlaagt de kosten per eenheid niet. Het verhoogt de totale rekening.
Hier ligt dus het dilemma.
De meeste wijken zijn aan het rommelen. Proefprogramma’s. Beperkte licenties. Functies gebundeld in andere apps. We kennen de kosten van universele toegang niet.
Wat kost het als iedere leerling in de wijk dagelijks AI gebruikt?
Wij hebben geen antwoord. En als de prijs stijgt, zit de wijk vast.
Privacy is een prijskaartje
Dan zijn er gegevens.
Ouders maken zich zorgen. Terecht. Ze willen niet dat studentengegevens in commerciële modellen terechtkomen.
Dus de oplossing?
Host het zelf. Gebruik privé-implementaties. Bewaar de sleutels.
Klinkt veilig, toch?
Het is duur.
Als je controle wilt, heb je servers nodig. Je hebt cyberbeveiliging nodig. Je hebt netwerkhardware nodig. Je hebt technici nodig om het te repareren.
Gegevensprivacy is niet alleen een beleidsinstelling.
Het is een infrastructuurconstructie. Hoe meer privacy u wilt, hoe dieper uw portemonnee wordt.
Het bewegende doel
Ondertussen verschuift de markt onder hun voeten.
OpenAI. Antropisch. De prijsmodellen veranderen voordat u klaar bent met het lezen van de Servicevoorwaarden. Investeringen in infrastructuur blijven astronomisch. De economie is onduidelijk.
En wanneer raken ze scholen hiermee?
Toen de federale fondsen van ESSER op waren. Wanneer staten ruzie maken over elk centje aan ed-tech-uitgaven. Als leraren opgebrand zijn. Wanneer crises op het gebied van de geestelijke gezondheidszorg toenemen.
Begrijpen districten het engagement waarvoor ze zich aanmelden?
Waarschijnlijk niet.
Het is geen aankoop. Het is een afhankelijkheid.
De gemeenschapssplitsing
Nog een laatste ding.
Datacenters breiden zich enorm uit in de VS.
Lokale gemeenschappen vechten terug. Of in ieder geval: ze zijn aan het onderhandelen.
Openbare bijeenkomsten zitten vol met boze buren die praten over watergebruik. Over belasting van het lokale elektriciteitsnet. Over hitte-uitlaat. Over landgebruik.
Docenten zouden kunnen denken dat dit verre van het klaslokaal is.
Dat is het niet.
Elk AI-lesplan is afhankelijk van welke gebouwen worden gebouwd, toegestaan en aangedreven.
Geen gemakkelijke afwerking
We debatteren hoe we AI moeten gebruiken, terwijl we er nog niet achter zijn of we het kunnen ondersteunen.
De infrastructuur krijgt vorm. De economie is vaag. Het bestuur is rommelig.
Misschien is dat het punt.
Scholen moeten waarschijnlijk uitzoeken wat ze kunnen behouden voordat ze beslissen hoeveel ze willen verliezen.
