هوشی که تشنه‌تر شد

پیام او روشن بود: مردم نباید به‌دلیل نگرانی از مصرف بالای منابع، از استفاده از هوش مصنوعی صرف ‌نظر کنند. 
 
 نگرانی‌ها درباره اثرات زیست‌محیطی هوش مصنوعی 
با نفوذ روزافزون هوش مصنوعی در زندگی روزمره، تردیدهای زیادی درباره اثرات ‌زیست‌محیطی و اقلیمی آن ایجاد شده است. شرکت‌هایی مانند گوگل معتقدند هوش مصنوعی در سال‌های آینده نیز نسبت به بخش‌هایی مانند خودروهای برقی یا موتورهای صنعتی انرژی کمتری مصرف خواهد کرد. 
اما همه با این دیدگاه موافق نیستند. برخی گروه‌های محیط‌زیستی و سازمان‌های غیردولتی در گزارشی با عنوان «فریب اقلیمی هوش مصنوعی» شرکت‌های فناوری را متهم کرده‌اند که آثار واقعی زیست‌محیطی فناوری‌های خود را کمتر از واقعیت نشان می‌دهند. 
در همین راستا گروهی از پژوهشگران دانشگاه سازمان ملل در گزارشی نزدیک به ۶۰صفحه، میزان مصرف منابع هوش مصنوعی را بررسی کرده‌اند. در این مطالعه، موضوعاتی مانند نیاز به زیرساخت، زباله‌های الکترونیکی، مصرف آب و برق همچنین پیامدهای اقلیمی آن ارزیابی شده است. نویسندگان گزارش از «اعداد تکان‌دهنده» سخن گفته‌اند اما پرسش اصلی این است که چنین اعدادی تا چه حد واقعا نگران‌کننده هستند. 
   
مراکز داده؛ قلب تپنده هوش مصنوعی 
هوش مصنوعی برای فعالیت خود به مراکز داده عظیم نیاز دارد؛ مکان‌هایی که هزاران پردازنده قدرتمند به‌طور همزمان محاسبات پیچیده انجام می‌دهند. 
این مراکز از دو جهت منابع زیادی مصرف می‌کنند. نخست برق مورد نیاز آنها که اغلب از منابع فسیلی مانند گاز و زغال‌سنگ تأمین و باعث انتشار گازهای گلخانه‌ای می‌شود. دوم گرمایی است که این پردازنده‌ها تولید می‌کنند و باید از طریق سیستم‌های خنک‌کننده کنترل شود. برای این کار معمولا آب در سیستم گردش می‌کند و اغلب از آب شیرین استفاده می‌شود تا از رسوب و آلودگی در لوله‌ها جلوگیری شود. 
براساس گزارش سازمان ملل، یک پاسخ معمولی از یک چت‌بات هوش مصنوعی حدود ۰٫۴۲ وات‌ساعت انرژی مصرف می‌کند که تقریبا با مثال سم آلتمن درباره مصرف یک ثانیه‌ای فر مطابقت دارد اما نکته مهم آن است که این محاسبه احتمالا مرحله آموزش مدل‌های هوش مصنوعی را در نظر نگرفته. آموزش مدل‌ها به‌دلیل پردازش حجم عظیمی از داده‌ها، انرژی بسیار بیشتری مصرف می‌کند. 
علاوه بر این، مشکل اصلی مصرف هر درخواست به‌تنهایی نیست بلکه تعداد بسیار زیاد آنهاست. 
اوپن ای‌آی سال گذشته اعلام کرده بود که چت جی‌پی‌تی روزانه حدود ۲/۵میلیارد درخواست پردازش می‌کند و احتمالا این رقم اکنون بسیار بیشتر شده است. 
   
پیش‌بینی‌های نگران‌کننده اما با ابهام زیاد  
پیش‌بینی آینده مصرف انرژی هوش مصنوعی چندان ساده نیست. پژوهشگران سازمان ملل هشدار می‌دهند هرچه مدل‌های جدید پیشرفته‌تر شوند، فرآیند آموزش آنها نیز انرژی بیشتری می‌طلبد.  
نوع استفاده کاربران نیز تأثیر بزرگی بر مصرف انرژی دارد. برای مثال اگر یک مدل هوش مصنوعی ویدئویی با کیفیت بالا تولید کند ممکن است تقریبا هزار برابر بیشتر از یک پاسخ متنی ساده انرژی مصرف کند. در این حالت، مصرف برق دیگر معادل یک ثانیه کار کردن فر نیست بلکه به حدود ۱۵دقیقه می‌رسد. 
البته از سوی دیگر، پیشرفت‌های فنی می‌توانند بهره‌وری را افزایش دهند. برای نمونه گفته می‌شود مدل چینی دیپ‌سیک هنگام آموزش به انرژی بسیار کمتری نسبت به برخی رقبا نیاز دارد. 
برآورد پژوهشگران نشان می‌دهد مصرف برق مراکز داده هوش مصنوعی تا پایان این دهه ممکن است بیش از چهار برابر شود و به حدود ۳۷۸تراوات‌ساعت برسد؛ رقمی برابر با مصرف کنونی برق کشور اندونزی. این میزان می‌تواند به انتشار نزدیک به ۱۶۰میلیون تن دی‌اکسیدکربن منجر شود؛ معادل حدود یک‌چهارم کل انتشار گازهای گلخانه‌ای آلمان در سال ۲۰۲۴.  
   
انتقادها به روش محاسبه 
برخی کارشناسان معتقدند هرچند این ارقام قابل ‌قبول به‌نظر می‌رسند، اما از نظر روش‌شناسی مشکلاتی دارند. دلیل اصلی این است که شرکت‌های هوش مصنوعی داده‌های استانداردی درباره میزان مصرف انرژی در هر درخواست منتشر نمی‌کنند. 
در نتیجه، محاسبات فعلی بیشتر بر پایه برآوردهای غیرمستقیم، آزمایش‌های محدود و تحلیل مصرف برق انجام می‌شود و به همین دلیل عدم قطعیت قابل ‌توجهی در آنها وجود دارد. 
   
بحران آب؛ تهدید محلی، نه جهانی 
مصرف آب توسط مراکز داده نیز به موضوعی بحث‌برانگیز تبدیل شده است. در برخی مناطق آمریکا مردم با ساخت مراکز داده جدید مخالفت می‌کنند. زیرا نگران کاهش منابع آب آشامیدنی هستند. گوگل اعلام کرده بزرگ‌ترین مرکز داده این شرکت در ایالت آیووا به اندازه نزدیک به هفت زمین گلف آب مصرف می‌کند. منتقدان می‌گویند این مقایسه می‌تواند گمراه‌کننده باشد. زیرا زمین‌های گلف مناطق خشک آمریکا خود به آب بسیار زیادی نیاز دارند. 
پژوهشگران سازمان ملل پیش‌بینی کرده‌اند که تا سال ۲۰۳۰ مصرف آب مرتبط با تولید برق برای مراکز داده به ۷/۳تریلیون لیتر برسد. با این حال متخصصان یادآوری می‌کنند که این رقم در مقیاس جهانی تنها حدود ۰/۱درصد کل برداشت سالانه آب در جهان است. 
در نتیجه اگر مراکز داده در مناطق خشک ساخته شوند، ممکن است مشکلات جدی محلی مانند کاهش سطح آب‌های زیرزمینی ایجاد شود اما در مقیاس جهانی بعید است هوش مصنوعی به عامل اصلی کمبود آب تبدیل شود.