هوش مصنوعی در سال‌های اخیر به سرعت پیشرفت کرده است و تاثیرات گسترده‌ای بر زندگی روزمره و صنایع مختلف گذاشته است. اما نکته‌ای که کمتر به آن توجه شده، نیاز فزاینده این فناوری به انرژی است که حتی از حد تصور اولیه نیز فراتر خواهد رفت. پیش‌بینی‌های دقیق و گزارش‌های مختلف نشان می‌دهند که برای تأمین انرژی لازم جهت پردازش و آموزش مدل‌های هوش مصنوعی، باید منابع انرژی جدید و گسترده‌تری فراهم شود که عمدتاً بر پایه سوخت‌های فسیلی خواهد بود. این موضوع می‌تواند چالش‌های مهمی برای محیط زیست و شبکه‌های انرژی ایجاد کند.
افزایش تقاضای انرژی در مراکز داده هوش مصنوعی
مدل‌های پیشرفته هوش مصنوعی، به ویژه ابزارهای مولد مانند ChatGPT اوپن‌ای‌آی، نیازمند حجم عظیمی از داده و توان پردازشی هستند. برای مثال، میلیاردها تا تریلیون‌ها پارامتر اطلاعاتی باید پردازش شوند که این امر در مراکز داده عظیمی انجام می‌گیرد. این مراکز برای خنک‌سازی و پردازش داده‌ها به مقدار زیادی برق نیاز دارند. طبق گزارش مؤسسه تحقیقات نیروی برق (EPRI) در آمریکا، مراکز داده مسئول تأمین انرژی این مدل‌ها می‌توانند تا پایان دهه جاری بیش از ۹٪ از کل تقاضای انرژی کشور را مصرف کنند. این مقدار افزایش قابل توجهی نسبت به وضعیت فعلی است که تنها ۴٪ از برق کشور را به خود اختصاص می‌دهد.
نقش سوخت‌های فسیلی در تأمین انرژی هوش مصنوعی
بخش عمده انرژی مورد نیاز مراکز داده هوش مصنوعی فعلاً از منابع سوخت‌های فسیلی مانند گاز طبیعی و زغال‌سنگ تأمین می‌شود. این موضوع نگرانی‌های زیست‌محیطی به همراه دارد زیرا افزایش استفاده از سوخت‌های فسیلی موجب انتشار بیشتر گازهای گلخانه‌ای می‌شود و روند کاهش آلودگی هوا را دشوارتر می‌سازد. از سوی دیگر، تلاش برای جایگزینی این منابع با انرژی‌های تجدیدپذیر به دلیل حجم بالای مصرف انرژی و نیاز به پایداری، با چالش‌های زیادی همراه است.
چشم‌انداز جهانی مصرف انرژی مراکز داده
تقاضای انرژی برای مراکز داده هوش مصنوعی محدود به آمریکا نیست. آژانس بین‌المللی انرژی (IEA) پیش‌بینی کرده است که مصرف انرژی مراکز داده در سراسر جهان تا سال ۲۰۲۶ دو برابر خواهد شد. این افزایش عظیم به معنای تأثیر زیاد هوش مصنوعی بر مصرف انرژی جهانی است که می‌تواند فشار زیادی بر شبکه‌های انرژی وارد کند. به علاوه، گزارش مؤسسه EPRI نشان می‌دهد که یک جستجوی ساده در ChatGPT حدود ۱۰ برابر بیشتر از یک جستجوی معمولی در گوگل انرژی مصرف می‌کند؛ چرا که آموزش و عملکرد مدل‌های هوش مصنوعی به توان پردازشی و داده‌های بسیار زیادی نیاز دارد.
مدل‌های جدید هوش مصنوعی و چالش‌های انرژی
هوش مصنوعی تنها به مدل‌های متنی محدود نیست و توسعه مدل‌هایی که قادر به تولید صدا و تصویر هستند مانند مدل Sora اوپن‌ای‌آی، مصرف انرژی مراکز داده را بیش از پیش افزایش داده‌اند. این نوع مدل‌ها حجم بی‌سابقه‌ای از داده تولید و پردازش می‌کنند که نیاز به برق را به شدت بالا می‌برد. پیش‌بینی‌های شرکت مالی گلدمن ساکس نیز نشان می‌دهد که تا سال ۲۰۲۸، هوش مصنوعی به تنهایی نزدیک به ۱۹٪ از کل مصرف انرژی مراکز داده را به خود اختصاص خواهد داد.
فشار بیشتر بر شبکه‌های تأمین انرژی و چالش‌های زیست‌محیطی
با افزایش نیاز به انرژی، مخصوصاً در کوتاه‌مدت، سوخت‌های فسیلی نقش مهمی در تأمین برق مراکز داده ایفا می‌کنند که می‌تواند آلودگی هوا و انتشار گازهای گلخانه‌ای را افزایش دهد. علاوه بر این، این افزایش مصرف انرژی فشار زیادی بر شبکه‌های تأمین انرژی خواهد گذاشت. گلدمن ساکس پیش‌بینی کرده است که مصرف انرژی مراکز داده جهانی تا سال ۲۰۲۴ بین ۱ تا ۲ درصد کل تقاضای انرژی جهان را تشکیل خواهد داد و این میزان تا پایان دهه به ۳ تا ۴ درصد افزایش می‌یابد.
آینده انرژی مراکز داده در آمریکا
ایالات متحده، که حدود نیمی از مراکز داده جهان را در خود جای داده است، پیش‌بینی می‌شود تا سال ۲۰۳۰، ۸ درصد از کل مصرف انرژی کشور را به مراکز داده اختصاص دهد. در نتیجه، شرکت‌های تأمین انرژی در حال ساخت نیروگاه‌های جدید هستند. گزارش‌ها نشان می‌دهد که بیش از نیمی از این انرژی از منابع غیرقابل تجدید مانند سوخت‌های فسیلی تأمین خواهد شد که این امر نشان‌دهنده عدم توانایی کامل انرژی‌های تجدیدپذیر برای تأمین نیازهای گسترده این حوزه است.
مخالفت و چالش ادعای کاهش انتشار گازهای گلخانه‌ای
افزایش نیاز انرژی هوش مصنوعی باعث شده که برخی اظهارات قبلی رهبران فناوری، مانند سم آلتمن مدیر اوپن‌ای‌آی، زیر سوال برود. آلتمن پیش‌تر گفته بود مدل‌های هوش مصنوعی می‌توانند در بلندمدت به کاهش انتشار گازهای گلخانه‌ای کمک کنند، اما اکنون با توجه به مصرف انرژی فزاینده این فناوری، این ادعا کمتر قابل دفاع است. او اخیراً به همراه چند سرمایه‌گذار سیلیکون ولی مبلغ ۲۰ میلیون دلار در استارتاپی به نام Exowatt سرمایه‌گذاری کرده است که هدف آن تأمین برق مراکز داده هوش مصنوعی از طریق انرژی خورشیدی است.
راهکارهای بهینه‌سازی مصرف انرژی در مراکز داده
مراکز داده و شرکت‌های انرژی نباید منتظر راه‌حل‌های بزرگ تکنولوژیک بمانند. مؤسسه EPRI در گزارش خود تأکید کرده که بهینه‌سازی مصرف انرژی، به ویژه در بخش خنک‌سازی و روشنایی مراکز داده، می‌تواند نقش مهمی در کاهش مصرف برق ایفا کند. حدود ۴۰٪ از انرژی مصرفی این مراکز صرف سیستم‌های خنک‌کننده می‌شود که با بهبود کارایی این سیستم‌ها می‌توان صرفه‌جویی قابل توجهی داشت. همچنین استفاده از ژنراتورهای پشتیبان مبتنی بر انرژی‌های تجدیدپذیر می‌تواند به ایجاد شبکه‌های انرژی پایدارتر و قابل اعتماد کمک کند.
مدل همکاری و اشتراک انرژی برای آینده پایدار
گزارش EPRI بر این نکته تأکید می‌کند که اگر مراکز داده و شبکه‌های برق از مدل کنونی که صرفاً مصرف‌کننده انرژی هستند، به مدل همکاری و اشتراک انرژی حرکت کنند، می‌توانند به شرکت‌های برق در مقابله با رشد سریع تقاضای انرژی هوش مصنوعی کمک کنند. این همکاری می‌تواند هزینه‌ها را کاهش داده و قابلیت اطمینان تأمین برق را برای تمامی مصرف‌کنندگان افزایش دهد. در نتیجه، چنین رویکردی به نفع همگان خواهد بود و می‌تواند مسیر توسعه پایدار فناوری‌های هوش مصنوعی را هموارتر کند.
منبع: Popular Science
