رشد بی‌سابقه‌ی مراکز پردازش مبتنی بر هوش مصنوعی، تقاضای بی‌سابقه‌ای برای مصرف برق ایجاد کرده که می‌تواند شبکه‌های برق را تحت فشار قرار دهد و اهداف اقلیمی را با چالش مواجه کند. با این حال، فناوری‌های هوش مصنوعی می‌توانند به تحول در سیستم‌های انرژی کمک کرده و مسیر گذار به انرژی پاک را تسهیل کنند.
به گفته ویلیام ه. گرین، مدیر ابتکار انرژی MIT (MITEI)، اقتصاد جهان در آستانه دگرگونی‌ای عظیم قرار دارد. در سمپوزیوم بهارانه MITEI، با عنوان «هوش مصنوعی و انرژی: تهدید یا فرصت»، که در تاریخ ۱۳ مه برگزار شد، کارشناسانی از صنعت، دانشگاه و دولت گرد هم آمدند تا به چالش‌های ناشی از مصرف بالای انرژی در مراکز داده و پتانسیل‌های هوش مصنوعی در گذار به انرژی پاک بپردازند.
تقاضای قابل توجه انرژی در دنیای هوش مصنوعی
آمار و ارقام ارائه‌شده در سمپوزیوم نشان می‌دهد که تقاضای برق ناشی از توسعه هوش مصنوعی بسیار بالاست. در حالی که مصرف برق در ایالات متحده دهه‌ها بدون رشد مانده بود، اکنون نزدیک به ۴ درصد از کل برق این کشور صرف مراکز پردازش می‌شود. پیش‌بینی‌ها نشان می‌دهد ممکن است این رقم تا سال ۲۰۳۰ به ۱۲ تا ۱۵ درصد برسد.
ویجی گادپالی، دانشمند ارشد آزمایشگاه لینکلن MIT، اظهار داشت: «نیاز به برق برای پشتیبانی از مدل‌های بزرگ هوش مصنوعی تقریباً هر سه ماه دو برابر می‌شود.» او افزود که تنها یک گفت‌وگوی ساده با ChatGPT به اندازه شارژ کامل یک گوشی هوشمند برق مصرف می‌کند، و تولید یک تصویر توسط هوش مصنوعی می‌تواند به اندازه یک بطری آب برای سیستم‌های خنک‌کننده مصرف کند.
با توجه به این تقاضای بالا، مراکزی با مصرف ۵۰ تا ۱۰۰ مگاوات در حال تاسیس در آمریکا و دیگر نقاط جهان هستند. به گفته سم آلتمن، مدیرعامل OpenAI، «هزینه تولید هوش مصنوعی در نهایت با هزینه انرژی برابر خواهد شد.»
اولین وانگ، معاون رئیس MIT در حوزه انرژی و اقلیم، خاطرنشان کرد که در کنار چالش‌ها، از ظرفیت‌های هوش مصنوعی می‌توان برای تسریع اقدام‌های مقابله با تغییرات اقلیمی نیز استفاده کرد. او افزود فناوری‌های توسعه‌یافته برای مرکزهای داده، مانند کاهش مصرف انرژی، سیستم‌های خنک‌سازی نوین و راهکارهای انرژی پاک می‌توانند در صنایع دیگر نیز مورد استفاده قرار گیرند.
راهکارهایی برای گذار به انرژی پاک
در بخش دیگری از سمپوزیوم، کارشناسان به بررسی مدل‌هایی پرداختند که نشان می‌دهد گرچه در کوتاه‌مدت استفاده از هوش مصنوعی ممکن است به افزایش انتشار گازهای گلخانه‌ای منجر شود، اما در بلندمدت با بهینه‌سازی شبکه‌های برق و تسریع توسعه فناوری‌های پاک، می‌تواند کاهش چشمگیری در انتشار ایجاد کند.
امره جنسر، مدیرعامل Sesame Sustainability اعلام کرد که هزینه تامین برق برای مراکز داده در مناطق مختلف آمریکا متفاوت است. مثلا مناطق مرکزی آمریکا به دلیل منابع مکمل بادی و خورشیدی، هزینه کمتری دارند، ولی برای دستیابی به برق بدون کربن باید سرمایه‌گذاری کلانی روی ذخیره‌سازی انرژی انجام شود.
او تاکید کرد: «برای رسیدن به برق بدون کربن و پایدار، تنها انرژی‌های تجدیدپذیر و باتری‌ها کافی نیستند. ما به فناوری‌هایی مانند ذخیره‌سازی طولانی‌مدت انرژی، راکتورهای کوچک هسته‌ای، زمین‌گرمایی یا ترکیبی از این‌ها نیاز داریم.»
کاترین بیگل از شرکت Constellation Energy نیز به افزایش علاقه به انرژی هسته‌ای اشاره کرد و گفت که این شرکت در حال فعال‌سازی مجدد رآکتور شهری تری میل آیلند برای تامین برق مورد نیاز مراکز داده است.
نقش هوش مصنوعی در تسریع گذار انرژی
پریا دونتی، استاد بخش مهندسی برق MIT، توضیح داد که هوش مصنوعی می‌تواند به بهینه‌سازی چشمگیر در شبکه‌های برق منجر شود. او با مثال‌هایی نشان داد که استفاده از شبکه‌های عصبی با درنظرگرفتن محدودیت‌های فیزیکی، می‌تواند ۱۰ برابر سریع‌تر از مدل‌های سنتی مسائل پیچیده جریان برق را حل کند.
آنتونیا گاول از گوگل اشاره کرد که ویژگی مسیر‌یابی بهینه Google Maps تاکنون مانع از انتشار بیش از ۲.۹ میلیون تن گاز گلخانه‌ای شده است. همچنین، پروژه‌ای برای کاهش اثرات مخرب خطوط بخارپشت هواپیماها، با کمک هوش مصنوعی، در حال اجراست.
رافائل گومز-بومبارلی از دپارتمان علوم مواد MIT نیز به نقش هوش مصنوعی در کشف مواد پیشرفته برای مصارف انرژی اشاره کرد و گفت مدل‌های تحت نظارت هوش مصنوعی می‌توانند خواص مواد را با دقت بالا پیش‌بینی کنند.
رشد پایدار در کنار مصرف بهینه
در سراسر سمپوزیوم، دغدغه تعادل میان توسعه سریع هوش مصنوعی و اثرات زیست‌محیطی آن مطرح بود. داستین دمیتریو از IBM به نقل از مجمع جهانی اقتصاد گفت که بیش از ۸۰٪ از تأثیرات زیست‌محیطی مربوط به مرحله استنتاج (Inference) مدل‌ها است، نه آموزش آن‌ها.
اما استروبل، استاد دانشگاه کارنگی ملون به پدیده «پارادوکس جونس» اشاره کرد که نشان می‌دهد افزایش بهره‌وری در مصرف انرژی ممکن است به افزایش مصرف کلی انرژی منجر شود. او تأکید کرد که مصرف برق توسط مراکز داده باید به‌عنوان منبعی محدود تلقی شده و به‌صورت هوشمند تخصیص یابد.
در نهایت میزگردهایی درباره راه‌حل‌های ترکیبی مانند ترکیب نیروگاه‌های گازی موجود با تأسیسات پاک برگزار شد؛ راه‌حل‌هایی که می‌توانند در سراسر آمریکا ظرفیت پاک جدیدی را با هزینه قابل‌قبول و بدون به خطر انداختن پایداری شبکه فراهم کنند.
جهت‌دهی آینده: تعادل میان نیاز و پایداری
MIT نقش محوری در یافتن راهکار برای این معضل بازی می‌کند. به گفته ویلیام گرین، یک برنامه جدید در حال راه‌اندازی است که تمام جنبه‌های موضوع از منابع انرژی تا الگوریتم‌های هوش مصنوعی را پوشش می‌دهد، با هدف ایجاد راه‌حل‌هایی که برای تمامی ذینفعان قابل‌پذیرش باشد.
در پایان سمپوزیوم، حاضران به موضوعات اولویت‌دار تحقیقات MIT رأی دادند که در آن، «یکپارچه‌سازی مراکز داده با شبکه برق» در رتبه اول و «استفاده از هوش مصنوعی برای کشف مواد پیشرفته انرژی» در رتبه دوم قرار گرفت.
اکثر شرکت‌کنندگان باور دارند که هوش مصنوعی نسبت به برق یک «فرصت» است، نه «تهدید»؛ گرچه بخش قابل توجهی نیز هنوز در مورد تأثیر نهایی آن مرددند. نیمی از شرکت‌کنندگان نیز «کربن‌زدایی» را هدف اصلی تأمین برق مراکز پردازش دانستند، در حالی که «پایداری» و «هزینه» در رتبه‌های بعدی قرار گرفتند.
منبع: MIT Energy Initiative
