اثرات هوش مصنوعی مولد بر محیط زیست.

اثرات هوش مصنوعی مولد بر محیط زیست

هوش مصنوعی مولد اثرات زیست محیطی بسیاری دارد. مصرف برق، آب، تولید گازهای گلخانه‌ای، از بین رفتن جنگل‌ها ناشی از استخراج و ... بخشی از اثرات زیست محیطی هوش مصنوعی است. در این مقاله به بررسی این اثرات پرداخته می‌شود و برخی از راهکارها ارائه می‌شود.

در این مقاله می‌خوانید

هوش مصنوعی مولد به عنوان یکی از انقلابی‌ترین فناوری‌های عصر حاضر شناخته می‌شود. این فناوری با قابلیت تولید متن، تصویر، ویدئو و حتی کدهای برنامه‌نویسی، صنایع مختلف را متحول کرده است. بسیاری از ما هر روزه از ابزارهای هوش مصنوعی مولد نظیر ChatGPT، Claude، RunwayML و … استفاده می‌کنیم. آن‌ها زندگی و کارهای ما را بسیار ساده‌تر کرده‌اند اما پشت این پیشرفت شگفت‌انگیز، هزینه‌های زیست‌محیطی سنگینی نهفته است که اغلب نادیده گرفته می‌شود. افزایش مصرف انرژی، فشار بر منابع آب و انتشار گازهای گلخانه‌ای، تنها بخشی از چالش‌هایی هستند که باید به‌طور جدی مورد توجه قرار گیرند.

آمارها و گزارش‌ها نشان می‌دهد که هوش مصنوعی مولد، اثرات زیست محیطی بسیاری دارد. در این مقاله به بررسی اثرات هوش مصنوعی مولد بر محیط زیست می‌پردازیم.

هوش مصنوعی مولد، برق را می‌بلعد

هوش مصنوعی مولد به‌دلیل توانایی خلق محتوا، نیازمند قدرت محاسباتی فوق‌العاده‌ای است. این فناوری برای آموزش و اجرای مدل‌های پیچیده، به سرورهای پرانرژی و سیستم‌های خنک‌کننده پیشرفته وابسته است. همین نیازهای فنی، مصرف انرژی را به یکی از بزرگ‌ترین چالش‌های زیست‌محیطی این فناوری تبدیل کرده است.

شرکت‌های بزرگ فناوری در سال گذشته اقدام به تاسیس یا خرید نیروگاه اختصاصی برای تامین انرژی خود کرده‌اند. به عنوان نمونه مایکروسافت نیروگاه اتمی خود را خریده است. اما هوش مصنوعی مولد چرا و چقدر برق مصرف می‌کند؟

آموزش مدل‌ها: مرحله‌ای که انرژی را می‌بلعد

آموزش مدل‌های هوش مصنوعی مولد، فرآیندی است که در آن الگوریتم‌ها با تحلیل میلیاردها داده، توانایی تولید محتوا را کسب می‌کنند. این فرآیند نه‌تنها زمان‌بر است، بلکه به دلیل استفاده از ابررایانه‌ها، انرژی سرسام‌آوری مصرف می‌کند.

برای نمونه، آموزش مدل GPT-3 توسط OpenAI، حدود ۱,۲۸۷ مگاوات‌ساعت برق نیاز داشت. این میزان انرژی، معادل مصرف سالانه ۱۲۰ خانوار آمریکایی است!

اما آموزش مدل‌های جدیدتر مانند GPT-4 یا Gemini ، انرژی بسیار بیشتری می‌طلبد. دلیل این افزایش، رشد نمایی تعداد پارامترهای مدل است. GPT-3 دارای ۱۷۵ میلیارد پارامتر بود، در حالی که مدل‌های امروزی به بیش از ۱ تریلیون پارامتر رسیده‌اند. هرچه پارامترها بیشتر باشند، محاسبات پیچیده‌تر و انرژی موردنیاز نیز بالاتر می‌رود.

 

 استنتاج (Inference): مصرف انرژی پس از آموزش

حتی پس از آموزش مدل، اشتهای هوش مصنوعی کاهش نمی‌یابد و همچنان الکتریسیته را می‌خورد. هر بار که کاربری از ChatGPT سوالی می‌پرسد، یا از DALL-E می‌خواهد تصویری برای او رسم کند انرژی قابل‌توجهی مصرف می‌شود. پژوهش‌ها نشان می‌دهد هر تعامل با ChatGPT،  پنج برابر بیشتر از یک جستجوی ساده در گوگل برق مصرف می‌کند.

با افزایش کاربران، این رقم به‌طور تصاعدی رشد می‌کند. برای مثال، اگر ChatGPT روزانه ۱۰ میلیون کاربر داشته باشد، مصرف انرژی آن معادل روشن‌ماندن ۵۰,۰۰۰ یخچال به‌صورت مداوم است! این موضوع زمانی نگران‌کننده‌تر می‌شود که بدانیم بسیاری از کاربران، از این فناوری برای کارهای غیرضروری یا تفریحی استفاده می‌کنند.

 

سخت‌افزارهای ویژه: گرسنگی انرژی در سطح تراشه

پردازنده‌های گرافیکی یا GPU و واحدهای پردازش تنسور ، قلب تپندهٔ هوش مصنوعی مولد هستند. این سخت‌افزارها برای انجام محاسبات سنگین طراحی شده‌اند، اما در عین حال، انرژی بسیار بیشتری نسبت به پردازنده‌های معمولی مصرف می‌کنند. یک سرور مجهز به ۸ GPU پیشرفته، می‌تواند تا ۱۰ کیلووات برق مصرف کند که معادل روشن‌ماندن ۱۰۰ لامپ LED به‌صورت همزمان است.

مقاله پیشنهادی: آشنایی با سخت افزارهای هوش مصنوعی

اما مشکل تنها به مصرف انرژی محدود نمی‌شود. تولید این تراشه‌ها نیز فرآیندی انرژی‌بر و آلاینده است. ساخت یک GPU پیشرفته، به‌طور میانگین ۱.۵ تُن کربن منتشر می‌کند. این رقم شامل انرژی مصرفی در استخراج مواد اولیه، فرآوری سیلیکون و حمل‌ونقل جهانی تراشه‌ها می‌شود. با توجه به اینکه در سال ۲۰۲۳ بیش از ۳.۸۵ میلیون GPU به مراکز داده ارسال شد، می‌توان تصور کرد که تولید این سخت‌افزارها چه بار سنگینی بر محیط‌زیست وارد می‌کند.

 

نوسانات انرژی: چالشی برای شبکه‌های برق

مراکز داده‌ای که میزبان مدل‌های هوش مصنوعی مولد هستند، به‌طور مداوم با نوسانات شدید مصرف انرژی روبرو می‌شوند. برای مثال، در طول آموزش یک مدل جدید، مصرف انرژی یک مرکز داده ممکن است ظرف چند ساعت ۸ برابر افزایش یابد! این نوسانات، شبکه‌های برق محلی را تحت فشار قرار می‌دهد و اغلب موجب استفاده از ژنراتورهای دیزلی پشتیبان می‌شود.

این ژنراتورها نه‌تنها گران هستند، بلکه آلاینده‌ترین روش تولید برق محسوب می‌شوند. در کالیفرنیا، برخی مراکز داده در زمان اوج مصرف، تا ۴۰٪ از برق خود را از ژنراتورهای دیزلی تأمین می‌کنند. این موضوع، نقش ادعاهای شرکت‌ها دربارهٔ «مراکز داده سبز» را زیر سوال می‌برد.

به نظر می‌رسد هوش مصنوعی مولد به شکلی باورنکردنی برق مصرف می‌کند. با رشد روزافزون فناوری هوش مصنوعی و تقاضای بیشتر برای آن‌ها، باید راه‌حل‌هایی برای این چالش ارائه شود. در غیر این صورت پایداری آن‌‌ها و البته سلامت زمین به خطر می‌افتد. اما اثرات هوش مصنوعی مولد بر محیط زیست تنها در مصرف برق خلاصه نمی‌شود.

سوخت فسیلی

بخش عمده تولید برق همچنان از طریق سوخت‌های فسیلی است. بر اساس پیش‌بینی‌ها، تا سال ۲۰۳۰، مراکز داده ممکن است ۲۱٪ از تقاضای جهانی برق را به خود اختصاص دهند که بخش قابل‌توجهی از این انرژی از نیروگاه‌های زغال‌سنگ و گاز طبیعی تأمین می‌شود. به عنوان مثال، آموزش مدل GPT-3 حدود ۵۵۲ تُن کربن منتشر کرد که معادل آلایندگی ۱۲۰ خانوار آمریکایی در یک سال است.

پروژه‌هایی مانند «استارگیت» با سرمایه‌گذاری ۵۰۰ میلیارد دلاری، به دنبال ساخت مراکز داده جدید در آمریکا هستند که با سیاست‌های دولت ترامپ، احتمالاً بیشترین انرژی مورد نیاز آنها از سوخت‌های فسیلی تأمین خواهد شد.

 

هوش مصنوعی مولد آب می‌خواهد

حیات هوش منصوعی مولد بدون آب تقریبا غیر ممکن است. تمام سخت افزارهای عظیمی که برای حیات هوش مصنوعی کار می‌کنند اگر خنک نشوند، از بین می‌روند و برای خنک نگه داشتن آن‌ها، آب لازم است.

برای مثال، آموزش مدل GPT-3 به تنهایی ۷۰۰,۰۰۰ لیتر آب نیاز داشت؛ این مقدار آب می‌تواند نیاز سالانه ۲,۰۰۰ نفر را تأمین کند! سیستم‌های خنک‌کننده مراکز داده نیز به‌طور مداوم آب مصرف می‌کنند. اما این آبی است که مصرف مستقیم است. مصرف نهان آب در این حوزه بسار بیشتر است. زیرا نیروگاه‌هایی که برق این مراکز داده را تامین می‌کنند، خود برای تولید برق، نیازمند آب هستند.

برای مثال، تولید هر کیلووات‌ساعت برق با سوخت فسیلی، ۴۳ لیتر آب مصرف می‌کند. با رشد سریع هوش مصنوعی، این رقم روزبه‌روز افزایش می‌یابد. راه‌حل‌هایی مانند استفاده از انرژی‌های تجدیدپذیر و سیستم‌های خنک‌کننده بدون آب، می‌توانند این بحران را کاهش دهند.

 

اثرات غیرمستقیم هوش مصنوعی مولد بر محیط زیست

تأثیرات زیست‌محیطی هوش مصنوعی مولد تنها به زمان اجرای مدل‌ها محدود نمی‌شود. تولید سخت‌افزارهای موردنیاز، استخراج مواد اولیه و دفع زباله‌های الکترونیکی، چالش‌های دیگری هستند که اغلب نادیده گرفته می‌شوند.

سخت افزارهای هوش مصنوعی و فرایند ساخت‌ آن‌ها نیازمند مواد شیمیایی و گاها سمی است. فلزات نادری نظیر کبالت و تنگستن که استخراج آن‌ها اغلب با نابودی جنگل‌ها و آلودگی آب‌های زیرزمینی همراه است، یک چالش جدی است. برای مثال، استخراج کبالت در کنگو، جایی که ۷۰٪ از ذخایر جهانی این فلز قرار دارد، به دلیل استفاده از کارگران کودک و تخریب محیط‌ زیست، به یکی از بحث‌برانگیزترین موضوعات تبدیل شده است.

پس از تولید، حمل‌ونقل این سخت‌افزارها از کارخانه‌ها به مراکز داده در سراسر جهان، به‌ویژه با کشتی‌های باری، موجب انتشار هزاران تُن کربن می‌شود. برای مثال، حمل ۱۰,۰۰۰ GPU از تایوان به آمریکا، حدود ۱۵۰ تُن CO2 تولید می‌کند. این رقم معادل آلایندگی یک خودروی بنزینی پس از پیمودن ۶۰۰,۰۰۰ کیلومتر است.

راهکار چیست؟

با وجود چالش‌های جدی، راهکارهای متعددی برای کاهش اثرات منفی هوش مصنوعی مولد پیشنهاد شده است. این راهکارها شامل بهینه‌سازی فنی، تغییر سیاست‌ها و افزایش آگاهی عمومی است.

پژوهشگران در حال توسعهٔ الگوریتم‌هایی هستند که با دقت بالا، انرژی کمتری مصرف می‌کنند. برای مثال، فناوری آموزش فشرده یا Quantization پارامترهای مدل را بدون کاهش کارایی، کوچک می‌کند. این روش می‌تواند مصرف انرژی را تا ۴۰٪ کاهش دهد.

شرکت‌هایی مانند گوگل و مایکروسافت نیز متعهد شده‌اند مراکز داده خود را تا سال ۲۰۳۰ کاملاً با انرژی‌های پاک تغذیه کنند. مرکز داده گوگل در فنلاند نمونهٔ بارزی از این تعهد است. این مرکز از آب دریای بالتیک برای خنک‌سازی استفاده می‌کند و نیاز به آب شیرین را به صفر رسانده است.

دولت‌ها نیز می‌توانند با وضع مالیات بر کربن یا تعیین سقف مصرف آب برای مراکز داده، شرکت‌ها را به سمت فناوری‌های پایدار سوق دهند. اتحادیه اروپا اخیراً قانونی تصویب کرده که بر اساس آن، مراکز داده موظفند ۵۰٪ از گرمای تولیدی خود را بازیابی و به شبکه‌های گرمایش شهری منتقل کنند. این اقدام نه‌تنها مصرف انرژی را کاهش می‌دهد، بلکه به بهبود کیفیت زندگی شهروندان نیز کمک می‌کند.

ما کاربران چه می‌توانیم بکنیم؟

اگر شما هم به محیط زیست اهمیت می‌دهید، احتمالا با خواندن این مقاله، کمی عذاب وجدان گرفته باشید. با وجود این که راهکارهای اصلی برای کاهش اثرات زیست محیطی هوش منصوعی مولد در دست شرکت‌ها و دولت‌ها است، اما کاربران هم می‌توانند در این زمینه نقش خود را ایفا کنند.

ما همچنان در هیاهو و هیجان هوش مصنوعی هستیم. طبیعی است که سعی می‌کنیم حالا همه کارهایمان را با هوش مصنوعی انجام دهیم. همانطور که گفته شد، برخی از بررسی‌ها نشان می‌دهد بخش زیادی از درخواست‌ها از هوش مصنوعی، جنبه سرگرمی دارد و غیر ضروری است.

به عنوان نمونه، بسیاری از افراد جستجوهای ساده خود را، که از طریق گوگل نیز می‌توانند به آن‌ها برسند را ، از  چت جی‌پی‌تی می‌پرسند. با کاهش جستجوهای غیر ضروری هر فرد، بخش قابل توجهی از انرژی مصرفی و به دنبال آن، مصرف آب و تولید گازهای گلخانه‌ای کاهش می‌یابد. استفاده مناسب و بجا از ابزارهای ضروری، کاری است که کاربران می‌توانند انجام دهند. شاید چندان مهم و تاثیر گذار به نظر نرسد، اما در نظر بگیرید که میلیون‌ها و شاید میلیارد‌ها کاربر، از ابزارهای هوش مصنوعی، چنین درخواست‌هایی دارند.

 

در نهایت

هوش مصنوعی مولد که این روزها زندگی ما را تسخیر کرده است به همین راحتی در دسترس قرار نگرفته است. مصرف شدید برق، سوخت فسیلی، آب، از بین رفتن جنگل‌ها و آلودگی آب‌های زیرزمینی تنها بخشی از اثرات زیست محیطی هوش مصنوعی است.
با این وجود هوش مصنوعی یک انقلاب بی بازگشت است. نمی‌توان به دلیل این اثرات زیست محیطی، از مسیر آن برگشت. بلکه باید روش‌های تامین انرژی و نحوه فعالیت مراکز داده بهینه شود و همچنین منابع انرژی تجدید پذیر افزایش یابد.

آینده ما با هوش مصنوعی پیوند خورده است. اما رفاه آینده زمانی ارزشمند است که این فناوری پایدار باشد و محیط زیست را از بین نبرد.

آخرین خبرها

سرمایه‌گذاری ۵۰ میلیارد یورویی امارات برای ساخت دیتاسنتر در فرانسه

تایوان استفاده از DeepSeek را در نهادهای دولتی ممنوع کرد

مدل O3-mini در دسترس قرار گرفت

ChatGPT Gov: نسخه جدید چت جی‌پی‌تی برای دولت آمریکا

مروری بر گزارش «نقشه راه اقتصادهای هوشمند» از مجمع جهانی اقتصاد

متا ۶۰ میلیارد دلار در یک سال برای هوش مصنوعی سرمایه‌گذاری می‌کند

آشنایی با هوش مصنوعی
کاربردهای هوش مصنوعی

جدید‌ترین هوش مصنوعی‌ها

OmniHuman

Janus Pro

Kinetix

DragGan

openrouter.ai

operator

Storm

Pika Art

Openmagic

Mokker AI

لوگو دیپ سیک

DeepSeek

Buffer AI

Mapify

Gravitywrite

لوگو نوتبوک ال ام

NotebookLM

zipwp

writi.io

Vidalgo

ChatBA

Levels.fyi

مشاور هوشمند اینوآپ

Lensgo

Learn About AI

PDF.ai

Magai

Remini

BetterPic

OpenArt

Maestra

Heights AI

Deciphr

Vidnoz

Followr

Dante

Visme

ContentShake

Koala AI

Soundverse

Guidejar

Coda AI

Biread

Hypernatural

Liner

Read AI

Read AI

Hostinger AI

SoBrief

CAD with AI

designcap

photoroom

kapwing

دیدگاهتان را بنویسید

جامع‌ترین دوره آموزش ابزارهای هوش مصنوعی

کاملا رایگان شد

برای آموزش ابزارهای هوش مصنوعی، هزینه میلیونی نکنید

۴۱۵ دقیقه ویدئو آموزشی || آموزش ۹ ابزار برتر هوش مصنوعی دنیا