بایگانی

هوش مصنوعی امروز به‌عنوان موتور نوآوری و پیشرفت جهانی معرفی می‌شود، اما پشت این هیاهو بحرانی پنهان در حال شکل‌گیری است؛ مراکز داده غول‌پیکری که برای آموزش و اجرای مدل‌های زبانی بزرگ میلیون‌ها کیلووات‌ساعت انرژی می‌بلعند و هزاران تُن دی‌اکسیدکربن روانه جو می‌کنند، فناوری‌ای که وعده نجات اقلیم می‌دهد، خود در آستانه تبدیل شدن به بخشی از بحران اقلیمی است.

به گزارش خبرنگار ایراسین، هوش مصنوعی و به‌ویژه مدل‌های زبانی بزرگ امروز به یکی از پرقدرت‌ترین ابزارهای فناوری تبدیل شده‌اند. این سامانه‌ها قادرند متن تولید کنند، تصویر و ویدئو بسازند و بسیاری از وظایف فکری را به‌طور خودکار انجام دهند، همین توانایی‌ها آن‌ها را به نماد نوآوری در اقتصاد و پژوهش بدل کرده است، اما پشت این چهره درخشان، چالشی جدی پنهان مانده است «مصرف انرژی و اثرات زیست‌محیطی»! آموزش یک مدل پیشرفته می‌تواند به اندازه مصرف برق سالانه یک شهر کوچک انرژی نیاز داشته باشد، برآوردها نشان می‌دهد انتشار کربن ناشی از چنین فرایندی، معادل هزاران پرواز بین‌قاره‌ای است، این موضوع به‌صرف یک هشدار اخلاقی نیست، بلکه نشانه تغییری ساختاری در تقاضای جهانی انرژی است، مراکز داده که به‌عنوان موتور محرک هوش مصنوعی عمل می‌کنند، اکنون سهم فزاینده‌ای از مصرف برق را به خود اختصاص داده‌اند و اگر این انرژی از منابع پرکربن تأمین شود، اثرات اقلیمی مستقیم و سنگینی در پی خواهد داشت، بنابراین نگاه به آینده هوش مصنوعی، تنها با ستایش قابلیت‌های آن کامل نمی‌شود؛ بلکه باید هزینه‌های پنهان و تأثیرات اقلیمی این فناوری نیز با دقت تحلیل شود.

تصاویر هوش مصنوعی از زندگی روی زمین در سال 2100

دوگانگی فرصت و تهدید

هوش مصنوعی در عین حال که ابزاری نویدبخش برای کاهش انتشار در حوزه‌های گوناگون است، می‌تواند خود به عامل انتشار تبدیل شود، الگوریتم‌های پیشرفته توانایی دارند شبکه‌های برق را هوشمندتر کنند، مصرف انرژی را پیش‌بینی کنند و مسیرهای حمل‌ونقل را بهینه سازند، چنین دستاوردهایی به‌طور بالقوه می‌توانند ردپای کربنی صنایع را کاهش دهند، اما در نقطه مقابل، آموزش و اجرای همین مدل‌ها نیازمند حجم عظیمی از انرژی است.

هوش مصنوعی در حالی که با الگوریتم‌های پیشرفته و پیش‌بینی‌گر خود می‌تواند مصرف انرژی را بهینه کند، شبکه‌های برق را هوشمندتر سازد و مسیرهای حمل‌ونقل را کارآمدتر کند تا ردپای کربنی صنایع کاهش پیدا کند، در همان زمان با نیاز عظیم به توان محاسباتی، مصرف بی‌سابقه آب برای خنک‌سازی و انتشار ده‌ها هزار تُن دی‌اکسیدکربن، به تهدیدی جدی برای پایداری زیست‌محیطی بدل می‌شود

گزارش‌های صنعتی اخیر نشان داده‌اند که تنها یک مدل زبانی می‌تواند ده‌ها هزار تُن دی‌اکسیدکربن در چرخه عمر خود آزاد کند و هزاران لیتر آب برای خنک‌سازی مصرف کند، اگر این مقیاس در میلیاردها پرس‌وجوی روزانه تکرار شود، پیامدهای زیست‌محیطی آن غیرقابل چشم‌پوشی خواهد بود، نخستین گام در رویارویی با این دوگانگی، شفافیت در ارائه آمار و داده‌ها است، شرکت‌هایی همچون Mistral انتشار گزارش‌های چرخه‌عمر را آغاز کرده‌اند، اما مسئله اصلی هنوز باقی است« آیا این صنعت آماده است توسعه خود را با ملاحظات زیست‌محیطی هماهنگ کند»؟ یا آنکه شتاب تجاری، بر دغدغه‌های اقلیمی غلبه خواهد کرد؟

جامعه علمی و صنعتی برای کاهش ردپای زیست‌محیطی هوش مصنوعی، مجموعه‌ای از راه‌حل‌های فنی را پیشنهاد کرده است، نخستین مسیر، کاهش نیاز محاسباتی است؛ روش‌هایی همچون فشرده‌سازی مدل‌ها، کمّی‌سازی و انتقال دانش می‌توانند اندازه و پیچیدگی الگوریتم‌ها را کاهش دهند، بدون آنکه دقت آن‌ها افت چشمگیری داشته باشد، همچنین آموزش تدریجی به جای بازآموزی کامل، می‌تواند مصرف انرژی را به شکل قابل‌توجهی کم کند. مسیر دوم، ارتقای سخت‌افزار است؛ شتاب‌دهنده‌های اختصاصی همچون TPUها و ASICها و استفاده از محاسبات با دقت ترکیبی، بازدهی را افزایش می‌دهند، در کنار آن فناوری‌های خنک‌سازی نوین و طراحی مراکز داده با بهره‌وری بالا نقش مهمی دارند. مسیر سوم، بهبود عملیات مراکز داده و استفاده از انرژی پاک است. بهره‌گیری از منابع تجدیدپذیر، قراردادهای خرید برق سبز و حتی زمان‌بندی آموزش مدل‌ها در ساعات مازاد تولید انرژی پاک از جمله راهکارهای اجرایی هستند. پیشنهاد دیگر، تعریف شاخص‌های استاندارد برای سنجش مصرف انرژی و انتشار کربن به ازای هر آموزش و هر استنتاج است. چنین معیارهایی می‌تواند رقابت در صنعت را از «بزرگ‌تر بودن مدل» به سمت «کارآمدتر بودن» هدایت کند.

همه آن‌چه باید درباره گرم شدن زمین بدانید

سیاست، عدالت و مسئولیت مشترک

فراتر از راهکارهای فنی، این مسئله به عرصه سیاست و عدالت نیز کشیده می‌شود؛ اجرای فناوری‌های سبز هزینه‌بر است و پرسش اصلی آن است که چه کسی باید این هزینه‌ها را بپردازد، آیا شرکت‌های بزرگ فناوری که بیشترین سود را می‌برند باید مسئولیت اصلی را بپذیرند؟ چگونه می‌توان مانع شد که کشورهای در حال توسعه قربانی شکاف فناوری و زیست‌محیطی شوند؟ تحلیل‌های سیاستی نشان می‌دهد راه‌حل کارآمد ترکیبی از اجبار و تشویق است، از یک‌سو باید استانداردها و الزامات قانونی برای گزارش‌دهی چرخه‌عمر و برچسب‌گذاری کربنی وضع شود؛ از سوی دیگر، ارائه مشوق‌های مالی، یارانه‌ها و معافیت‌های مالیاتی برای مراکز داده سبز می‌تواند تغییر رفتار را تسهیل کند. همچنین همکاری‌های بین‌المللی برای جلوگیری از «فرار کربنی» صنایع ضروری است؛ تجربه تاریخی نشان داده است هر فناوری بزرگ، از خودرو تا برق، در صورت بی‌توجهی به ملاحظات زیست‌محیطی دیر یا زود هزینه‌های سنگینی بر جامعه تحمیل می‌کند. امروز انتخاب در برابر هوش مصنوعی روشن است؛ یا این فناوری به ابزاری برای مقابله با بحران اقلیمی بدل خواهد شد، یا خود بخشی از آن می‌شود. پاسخ به این پرسش، بستگی مستقیم به تصمیم‌های امروز شرکت‌ها، دانشگاه‌ها و دولت‌ها دارد.

ارسال نظر

شما در حال پاسخ به نظر «» هستید.
0 + 0 =