هوش‌ مصنوعی؛ گذار انرژی یا فزاینده تقاضا

در سوی دیگر مساله گذار انرژی، موضوع فناوری و تاثیر آن بر میزان مصرف انرژی قرار دارد، به نحوی که فناوری‌های نسل چهارم از جمله هوش مصنوعی علاوه بر اینکه در مسیر گذار انرژی نقش موثری دارند، همچون شمشیر دولبه‌ای عمل کرده که در دیگر سو با افزایش میزان تقاضا برای انرژی بر انتشار گازهای گلخانه‌ای می‌افزایند. در واقع شرکت‌های فناوری محور به دلیل راه‌اندازی مراکز داده‌ای مبتنی بر هوش مصنوعی، موجب افزایش انتشار گازهای گلخانه‌ای می‌شوند که مسیر گذار انرژی را دشوارتر می‌‌نماید.

سیستم‌های هوش مصنوعی بسته به پیچیدگی و کاربردشان در مصرف انرژی بسیار متفاوت هستند، اما معمولاً برای پردازش و تجزیه و تحلیل داده‌ها به مقدار قابل توجهی برق نیاز دارند. طبق برخی برآوردها، میزان مصرف انرژی هوش مصنوعی ده برابر بیشتر از جستجوی گوگل است؛ به طور مثال با 100 میلیون کاربر هفتگی ChatGPT در سراسر جهان، تقاضای انرژی اضافی شروع به افزایش می‌کند، این در حالی است که این تنها شامل کاربران یک پلتفرم است و در سراسر صنعت، افزایش تقاضای انرژی، عمدتاً از ساخت و راه‌اندازی مراکز داده مورد استفاده برای آموزش و اجرای مدل‌های هوش مصنوعی، منجر به تشدید انتشار گازهای گلخانه‌ای جهانی می‌شود.

شرکت مایکروسافت که در OpenAI -که سازنده ChatGPT است- سرمایه‌گذاری نموده و ابزارهای هوش مصنوعی مولد را محور توسعه محصولات خود قرار داده است، اخیراً اعلام نموده است که انتشار گاز کربن دی اکسید از سال 2020 به دلیل گسترش مراکز داده، حدود 30 درصد افزایش یافته است. انتشار گازهای گلخانه‌ای گوگل نیز در سال 2023 تقریباً 50 درصد بیشتر از سال 2019 بوده است که عمدتاً به دلیل تقاضای انرژی مرتبط با مراکز داده است. بنابراین در حالی که ابزارهای هوش مصنوعی وعده کمک به گذار انرژی را می‌دهند، به افزایش تقاضای انرژی در جهان نیز دامن زده‌اند.

استفاده هوش مصنوعی از انرژی در حال حاضر تنها کسری از مصرف انرژی بخش فناوری را نشان می‌دهد که تخمین زده می‌شود حدود 2 تا 3 درصد از کل انتشار جهانی باشد که این نسبت به دلیل اینکه شرکت‌ها، دولت‌ها و سازمان‌های بیشتری در طول زمان از هوش مصنوعی برای افزایش کارایی و بهره‌وری استفاده می‌کنند، ثابت نبوده و روند افزایشی خواهد داشت.

هوش مصنوعی به قدرت محاسباتی قابل توجهی نیاز دارد و سیستم‌های هوش مصنوعی مولد ممکن است در حال حاضر حدود 33 برابر بیشتر از نرم‌افزارهای خاص برای انجام یک کار مشخص، انرژی مصرف کنند. مادامی که این سیستم‌ها توسعه می‌یابند، آموزش و اجرای مدل‌ها باعث افزایش تصاعدی در تعداد مراکز داده مورد نیاز در سطح جهانی و مصرف انرژی مرتبط خواهد شد که فشار فزاینده‌ای را بر شبکه‌های الکتریکی که قبلاً تحت فشار قرار داشته‌اند، وارد می‌کند.

آموزش هوش مصنوعی مولد، به طور خاص بسیار انرژی‌بر است و نسبت به فعالیت‌های سنتی مرکز داده، برق بیشتری مصرف می‌کند. همچنین افزایش پیچیدگی یک مدل زبان بزرگ، مانند مدلی که ChatGPT بر روی آن ساخته شده است، تقاضای فزاینده برای انرژی را نشان می‌دهد و تخمین زده می‌شود که آموزش مدلی مانند ترانسفورماتور از پیش آموزش دیده (یا GPT-3) حدود 1300 مگاوات ساعت برق مصرف کند که تقریباً معادل مصرف برق سالانه 130 خانه در ایالات متحده است. در حالی که تخمین زده می‌شود در آموزش GPT-4 پیشرفته‌تر، 50 برابر بیشتر برق مصرف شود و به طور کلی، انرژی مورد نیاز برای حفظ رشد هوش مصنوعی تقریباً هر 100 روز دو برابر می‌شود.

بهبود بهره‌وری انرژی از مسیر هوش مصنوعی

موضوعات پیش گفته‌شده باعث شده است جامعه با سؤالات متعددی از جمله اینکه آیا مزایای اقتصادی و اجتماعی هوش مصنوعی بر هزینه زیست محیطی استفاده از آن غلبه دارد یا خیر؟ و به طور خاص، آیا مزایای هوش مصنوعی برای انتقال انرژی، بیشتر از افزایش مصرف انرژی آن است؟ مواجه باشد. بدیهی ست تعادل بین چالش‌ها و فرصت‌ها کلید دریافت پاسخ‌های مورد نیاز خواهد بود. با توجه به اینکه گزارش‌ها پیش‌بینی می‌کنند که هوش مصنوعی پتانسیل این را دارد که تا سال 2030 موجب کاهش 5 تا 10 درصد از انتشار گازهای گلخانه‌ای در جهان شود، بنابراین برای ایجاد تعادل مناسب، تنظیم‌گران جهانی از جمله پارلمان اروپا اقدام به ایجاد الزاماتی نموده‌اند که می‌بایست در هنگام طراحی سیستم‌ها، قابلیت ثبت مصرف انرژی نیز درنظرگرفته شود. در این حین انتظار می‌رود پیشرفت‌های فناوری از طریق سخت‌افزار پیشرفته‌تر و قدرت پردازشی بالا برای افزایش کارایی بارهای کاری هوش مصنوعی، به کمک رفع نیاز انرژی هوش مصنوعی خواهد آمد. لذا محققان بر طراحی سخت‌افزارهای تخصصی مانند شتاب‌دهنده‌های جدید مانند تراشه‌های سه بعدی متمرکز شده‌اند تا عملکرد بهبود یافته‌ای ارائه دهند. به طور مثال انویدیا، سازنده تراشه‌های رایانه‌ای اعلام نموده است سوپرتراشه جدید این شرکت در حالی که 25 برابر انرژی کمتری مصرف می‌کند، می‌تواند عملکرد خدمات هوش مصنوعی مولد را تا سی برابر بهبود بخشد. کارآمدتر شدن مراکز داده نیز یکی دیگر از مسیرهای کمک به حل این مساله است؛ فن‌آوری‌های خنک‌کننده جدید و سایت‌هایی که می‌توانند محاسبات بیشتری را در زمانی که برق ارزان‌تر، در دسترس‌تر و پایدارتر است انجام دهند، با هدف افزایش راندمان در دست بررسی است.

توجه به آن سوی مساله نیز خالی از لطف نیست که هوش مصنوعی تنها عامل اعمال فشار به شبکه تامین انرژی نیست، بلکه نیازهای جمعیت رو به رشد به انرژی و گرایش به سمت تولید انرژی باعث افزایش تقاضا و منجر به کندتر شدن کربن‌زدایی شبکه شده است. با این شرایط، یک شبکه مدرن و کربن‌زدا با حرکت گسترده‌تر به سمت انتشار خالص صفر، ضروری خواهد بود. اپراتورهای مرکز داده در حال بررسی گزینه‌های انرژی جایگزین، همچون فناوری هسته‌ای برای نیروگاه‌ها یا فناوری‌های ذخیره‌سازی مانند هیدروژن هستند. از سوی دیگر هوش مصنوعی می‌تواند با تجزیه و تحلیل مجموعه داده‌های گسترده، از جمله الگوهای آب و هوایی و روند مصرف انرژی، تولید انرژی تجدید پذیر را متناسب با نیاز مدیریت نموده و با با دقت قابل توجه در پیش‌بینی‌ها از مصرف بیهوده انرژی و بی‌ثباتی شبکه جلوگیری نموده و برنامه‌ریزی و جابجایی بار در مسیر تضمین پایداری بهینه شبکه و ارتقای کارایی قرار گیرد. همچنین هوش مصنوعی به تغییر بهره وری انرژی سایر صنایع کربن‌بر، از مدل سازی ساختمان‌ها برای پیش‌بینی مصرف انرژی و بهینه‌سازی عملکرد گرمایش و تهویه مطبوع تا بهبود کارایی تولید از طریق پیش‌بینی تعمیر و نگهداری، کمک می‌کند. در بخش کشاورزی نیز حسگرها و تصاویر ماهواره‌ای به پیش‌بینی عملکرد محصول و مدیریت مصرف منابع کمک می‌کنند.

لذا در مجموع ایجاد تعادل بین مصرف انرژی و میزان انتشار ناشی از به کارگیری هوش مصنوعی با منافع اجتماعی آن، چالش‌های پیچیده و مرتبط زیادی وجود دارد که نیازمند اتخاذ رویکردی چندجانبه است.

انتهای پیام