در این مقاله، تاثیرات زیست‌محیطی فناوری هوش مصنوعی مولد (Generative AI) مورد بررسی قرار می‌گیرد. با تمرکز بر دلایل مصرف بالای منابع این فناوری، تلاش‌ها برای کاهش ردپای کربنی و تاثیرات مخرب دیگر در مقاله دیگری دنبال خواهد شد.
هوش مصنوعی مولد، با وعده بهبود بهره‌وری کاری و پیشرفت در تحقیقات علمی، توجه بسیاری را به خود جلب کرده است. با این حال، رشد سریع این فناوری و استفاده گسترده از مدل‌های قدرتمند آن در صنایع مختلف، پیامدهای زیست‌محیطی پیچیده‌ای به همراه داشته که پرداختن به آنها و پیدا کردن راه‌حل‌هایی برای کاهش این تاثیرات دشوار به نظر می‌رسد.
توان محاسباتی مورد نیاز برای آموزش مدل‌های هوش مصنوعی مولد، همچون GPT-4 از OpenAI، مصرف برق بسیار بالایی دارد که به انتشار دی‌اکسید کربن بیشتر و فشار بر شبکه برق منجر می‌شود. همچنین، بهره‌برداری از این مدل‌ها در دنیای واقعی، با هدف ارائه خدمات به میلیون‌ها کاربر، و فرآیندهای بهینه‌سازی مدل‌ها پس از توسعه نیز انرژی زیادی مصرف می‌کنند.
چالش‌های محیط‌زیستی مراکز داده
یکی از عوامل عمده در تاثیرات زیست‌محیطی هوش مصنوعی مولد، مصرف برق مراکز داده است. این مراکز همان زیرساخت‌هایی هستند که مدل‌های یادگیری عمیق را آموزش داده و ابزارهایی چون ChatGPT و DALL-E را اجرا می‌کنند. برای مثال، آمازون دارای بیش از ۱۰۰ مرکز داده در سراسر جهان است که هرکدام حدود ۵۰,۰۰۰ سرور دارند.
این مراکز داده، که از دهه ۱۹۴۰ میلادی وجود داشته‌اند، با افزایش کاربرد هوش مصنوعی مولد به شدت گسترش یافته‌اند. در حالی‌که مراکز داده قبلاً برای پشتیبانی وظایف پردازشی معمولی طراحی شده بودند، اکنون مدل‌های هوش مصنوعی مولد نیازمند تراکم بیشتری از توان محاسباتی هستند. به گفته نومان بشیر، محقق MIT و نویسنده اصلی مقاله‌ای در این زمینه، مصرف انرژی خوشه‌های آموزشی هوش مصنوعی مولد می‌تواند هفت تا هشت برابر یک کار پردازشی معمولی باشد.
برآوردها نشان می‌دهد مصرف برق مراکز داده در آمریکای شمالی، از ۲,۶۸۸ مگاوات در پایان ۲۰۲۲ به ۵,۳۴۱ مگاوات در پایان ۲۰۲۳ رسیده است. همچنین پیش‌بینی می‌شود تا سال ۲۰۲۶ این رقم به حدود ۱,۰۵۰ تراوات برسد.
مراکز داده نه تنها برای مصرف برق قابل توجه‌شان مورد نقد قرار می‌گیرند، بلکه استفاده از آب برای خنک‌سازی سخت‌افزار، چالش دیگری است. بنابر تخمین‌ها، به‌ازای هر کیلووات‌ساعت برق مصرفی، مراکز داده به دو لیتر آب نیاز دارند که می‌تواند به تخریب اکوسیستم‌های محلی و فشار بر تامین آب شهری منجر شود.
مصرف مداوم در بهره‌برداری و استدلال
مصرف انرژی هوش مصنوعی مولد پس از اتمام آموزش مدل‌ها متوقف نمی‌شود. هربار که یک مدل مورد استفاده قرار می‌گیرد – مثلاً برای خلاصه‌سازی یک ایمیل توسط ChatGPT – سخت‌افزارهای محاسباتی انرژی مصرف می‌کنند. بررسی‌ها نشان می‌دهد که درخواست‌های ChatGPT حدود پنج برابر بیشتر از جستجوی ساده در وب انرژی مصرف می‌کنند.
این روند، به‌ویژه با پدید آمدن مدل‌های جدیدتر و پیچیده‌تر، افزایش می‌یابد. عمر کوتاه مدل‌های هوش مصنوعی مولد، به دلیل تب تقاضا برای کاربردهای جدید، هدررفت انرژی را نیز برجسته کرده است. مدل‌های جدید معمولاً دارای پارامترهای بیشتری هستند و به انرژی بیشتری برای آموزش نیاز دارند.
تاثیرات سخت‌افزار
علاوه بر مصرف برق، تولید سخت‌افزارهای محاسباتی قدرتمند همچون GPUها نیز تاثیرات زیست‌محیطی غیر مستقیم دارد. فرایند ساخت این سخت‌افزارها به انرژی بیشتری نسبت به ساخت پردازنده‌های ساده (CPU) نیاز دارد و استخراج مواد اولیه مورد نیاز برای تولید آنها شامل روش‌های آلاینده و استفاده از مواد شیمیایی سمی می‌شود. در سال ۲۰۲۳، تولیدکنندگان بزرگی چون NVIDIA، AMD، و Intel حدود ۳.۸۵ میلیون GPU به مراکز داده ارسال کردند و انتظار می‌رود این میزان در سال ۲۰۲۴ نیز افزایش چشمگیری داشته باشد.
مسیرهای آینده برای توسعه پایدار
به گفته بشیر، صنعت در مسیری ناپایدار قرار دارد، اما می‌توان راه‌هایی برای توسعه مسئولانه هوش مصنوعی مولد یافت که از اهداف زیست‌محیطی نیز حمایت کند. او و همکارانش در MIT استدلال می‌کنند که ارزیابی دقیق هزینه‌های زیست‌محیطی و اجتماعی هوش مصنوعی مولد و بررسی منافع آن ضروری است.
السا اولیوتی، استاد مهندسی مواد در MIT، تاکید دارد که باید رویکردی جامع و زمینه‌محور اتخاذ شود تا بتوان تاثیرات مثبت و منفی این فناوری را به‌درستی درک کرد. او می‌گوید: «سرعت بالای پیشرفت‌های این حوزه مانع از آن شده است که ما توانایی‌های لازم برای اندازه‌گیری و درک این تبادل‌ها را داشته باشیم.»
برای اطلاعات بیشتر می‌توانید به منبع اصلی این مطلب از وب‌سایت MIT News مراجعه کنید: تاثیرات زیست‌محیطی هوش مصنوعی مولد.