هوش مصنوعي در سال هاي اخير به عنوان يكي از مهم ترين موتورهاي تحول فناوري، با وعده افزايش بهره وري، بهبود كيفيت زندگي و كمك به حل چالش هاي جهاني از جمله تغييرات اقليمي توسعه يافته است. با اين حال، رشد شتابان اين فناوري، چالش زيست محيطي تازه اي را نيز به همراه آورده است؛ چالشي كه با افزايش مصرف انرژي، گسترش مراكز داده و رشد انتشار گازهاي گلخانه اي ناشي از آموزش و اجراي مدل هاي پيشرفته هوش مصنوعي بيش از پيش نمايان شده است.
به گزارش ايتنا، همزمان با سرمايه گذاري گسترده شركت هاي بزرگ فناوري در حوزه هوش مصنوعي مولد، مراكز داده و تراشه هاي پردازشي به يكي از عوامل مهم در معادله جهاني انتشار كربن تبديل شده اند؛ موضوعي كه نگراني كارشناسان حوزه انرژي و محيط زيست را برانگيخته است.
افزايش انتشار كربن همزمان با توسعه هوش مصنوعي
گزارش هاي پايداري منتشرشده از سوي گوگل و آمازون نشان مي دهد كه توسعه زيرساخت هاي هوش مصنوعي و خدمات رايانش ابري، تأثير مستقيمي بر افزايش انتشار گازهاي گلخانه اي اين شركت ها داشته است.
براساس گزارش پايداري گوگل در سال 2024، ميزان انتشار گازهاي گلخانه اي اين شركت در سال 2023 نسبت به سال قبل حدود 13 درصد افزايش يافته و به نزديك 14.3 ميليون تن معادل دي اكسيد كربن (CO₂) رسيده است. گوگل بخش عمده اين افزايش را ناشي از رشد مصرف برق در مراكز داده و همچنين انتشار كربن در زنجيره تأمين خود عنوان كرده است.
آمازون نيز در گزارش پايداري سال 2023 اعلام كرد كه ميزان انتشار گازهاي گلخانه اي اين شركت به حدود 68.8 ميليون تن معادل دي اكسيد كربن رسيده است. اين افزايش عمدتاً به توسعه فعاليت هاي لجستيكي و گسترش زيرساخت هاي خدمات ابري آمازون (AWS) نسبت داده شده است.
عليرغم سرمايه گذاري شركت هاي فناوري در انرژي هاي تجديدپذير، رشد سريع هوش مصنوعي، دستيابي به اهداف خنثي سازي كربن را دشوارتر مي كند
مراكز داده؛ قلب تپنده هوش مصنوعي و مصرف كننده بزرگ انرژي
مدل هاي پيشرفته هوش مصنوعي، به ويژه مدل هاي زباني بزرگ (LLM)، براي آموزش و پردازش به هزاران واحد پردازش گرافيكي (GPU) متكي هستند. اين پردازنده ها در دوره هاي طولاني با توان پردازشي بالا فعاليت مي كنند و در نتيجه، مصرف برق بسيار زيادي دارند. علاوه بر اين، براي جلوگيري از افزايش دماي تجهيزات، استفاده از سامانه هاي خنك كننده پيشرفته نيز ضروري است.
بر اساس آمار آژانس بين المللي انرژي (IEA)، مراكز داده در سال 2022 حدود 460 تراوات ساعت برق در سراسر جهان مصرف كرده اند. پيش بيني مي شود با گسترش هوش مصنوعي و رشد خدمات رايانش ابري، اين ميزان مصرف طي سال هاي آينده به شكل قابل توجهي افزايش يابد.
پيامدهاي زيست محيطي مراكز داده تنها به مصرف برق محدود نمي شود. بسياري از اين مراكز براي خنك سازي تجهيزات به حجم قابل توجهي آب نياز دارند؛ مسئله اي كه در مناطق داراي تنش آبي، نگراني هاي جدي ايجاد كرده است.
انتشار غيرمستقيم؛ چالش اصلي شركت هاي فناوري
اگرچه شركت هاي فناوري سرمايه گذاري گسترده اي در حوزه انرژي هاي تجديدپذير انجام داده اند، اما بخش عمده ردپاي كربني آنها همچنان به انتشار گازهاي گلخانه اي در محدوده 3 (Scope 3) مربوط مي شود؛ يعني انتشارهايي كه خارج از كنترل مستقيم شركت ها و در زنجيره تأمين رخ مي دهد.
اين بخش شامل توليد سرورها، ساخت تراشه هاي نيمه رسانا، احداث مراكز داده، حمل ونقل تجهيزات و حتي مصرف محصولات توسط كاربران نهايي است.
در اين ميان، صنعت توليد تراشه به يكي از عوامل اصلي افزايش انتشار كربن تبديل شده است. توليد پردازنده هاي گرافيكي پيشرفته نيازمند فرآيندهاي پيچيده صنعتي، مصرف بالاي انرژي و آب و همچنين استفاده از مواد شيميايي با اثر قابل توجه بر گرمايش زمين است.
انجمن صنعت نيمه رسانا نيز تأكيد كرده است كه توليد تراشه از جمله صنايع بسيار انرژي بر محسوب مي شود و كارخانه هاي پيشرفته اين حوزه براي حفظ كيفيت توليد، به فعاليت مداوم و شرايط محيطي كاملاً كنترل شده نياز دارند.
رقابت هوش مصنوعي و بازگشت به منابع انرژي سنتي
با وجود تعهد شركت هاي فناوري به استفاده از انرژي هاي پاك، رشد سريع تقاضا براي برق باعث شده برخي از آنها به گزينه هاي ديگري براي تأمين پايدار انرژي مراكز داده بينديشند.
گزارش هاي تخصصي نشان مي دهد بسياري از شركت هاي بزرگ فناوري، همزمان با توسعه زيرساخت هاي هوش مصنوعي، استفاده از منابعي مانند انرژي هسته اي و نيروگاه هاي گاز طبيعي را براي تأمين برق مورد نياز مراكز داده بررسي مي كنند.
اين روند مي تواند تحقق اهداف كاهش انتشار كربن را با چالش مواجه كند، زيرا افزايش ظرفيت پردازشي هوش مصنوعي در برخي موارد با كاهش وابستگي به سوخت هاي فسيلي در تضاد قرار مي گيرد.
مدل هاي هوش مصنوعي مولد به دليل فرآيندهاي مداوم آموزش و بهره برداري، مقادير عظيمي برق مصرف مي كنند
چگونه مي توان هوش مصنوعي را پايدارتر كرد؟
كارشناسان معتقدند مي توان با اتخاذ راهكارهاي فني و مديريتي، اثرات زيست محيطي هوش مصنوعي را تا حد زيادي كاهش داد. مهم ترين اين راهكارها عبارت اند از:
- توسعه مدل هاي هوش مصنوعي كوچك تر، بهينه تر و كم مصرف تر
- طراحي تراشه هاي پردازشي با بهره وري انرژي بالاتر
- افزايش راندمان مراكز داده از طريق سامانه هاي خنك كننده پيشرفته
- گسترش سرمايه گذاري در انرژي هاي تجديدپذير و فناوري هاي ذخيره سازي برق
- استفاده از هوش مصنوعي براي مديريت هوشمند شبكه هاي برق و كاهش اتلاف انرژي
گوگل نيز معتقد است هوش مصنوعي مي تواند در حوزه هايي مانند پيش بيني دقيق تر وضعيت آب وهوا، بهينه سازي شبكه هاي برق و كاهش مصرف انرژي ساختمان ها نقش مؤثري در حفاظت از محيط زيست ايفا كند.
آينده هوش مصنوعي و تغييرات اقليمي
هوش مصنوعي بدون ترديد يكي از مهم ترين فناوري هاي عصر حاضر است، اما توسعه آن با هزينه هاي زيست محيطي قابل توجهي همراه شده است. از يك سو، اين فناوري ابزارهاي نويني براي مقابله با بحران اقليم در اختيار بشر قرار مي دهد و از سوي ديگر، زيرساخت هاي مورد نياز آن باعث افزايش مصرف انرژي و انتشار گازهاي گلخانه اي مي شود.
در نهايت، چالش اصلي شركت هاي بزرگ فناوري تنها توسعه مدل هاي هوشمندتر نيست، بلكه ايجاد زيرساختي پايدار است كه بتواند رشد سريع هوش مصنوعي را بدون تحميل فشار بيشتر بر محيط زيست امكان پذير كند. در آينده، موفقيت صنعت هوش مصنوعي نه تنها با توان پردازشي مدل ها، بلكه با توانايي آن در ايجاد تعادل ميان نوآوري و پايداري زيست محيطي سنجيده خواهد شد.