مروری بر محتوای خبر
نویسنده: کلویی ویلیمنت | تاریخ: ۲۵ اردیبهشت ۱۴۰۴
با گسترش سریع فناوری هوش مصنوعی مولد در جهان، نگرانیها درباره تأثیرات زیستمحیطی این فناوری نیز افزایش یافته است. گزارشی جدید از شرکت تخصصی حسابداری کربن «گرینلی» نشان میدهد که مدلهای پیشرفتهای همچون ChatGPT-4 و DeepSeek چین، اگرچه از نظر فنی پیشرفته هستند، اما آثار محیطزیستی قابل توجهی بر جای میگذارند.
در این گزارش، دو مدل هوش مصنوعی مورد مقایسه قرار گرفتهاند و یافتهها از نیاز فوری به طراحیهای پایدارتر و سیاستگذاریهای جدی در زمینه پایداری هوش مصنوعی حکایت دارد.
هزینه کربنی هوش مصنوعی در حال رشد
براساس پژوهشی که پیشتر در مجله Nature منتشر شد، آموزش یک مدل زبانی بزرگ میتواند معادل ۳۰۰ هزار کیلوگرم گاز دیاکسیدکربن منتشر کند؛ عددی برابر با هزاران پرواز رفتوبرگشت بین قارهای.
مدلهایی مانند ChatGPT-4 با ۱.۸ تریلیون پارامتر — که ۲۰ برابر نسخه قبلی خود است — برای آموزش و پردازش به منابع عظیمی از برق و آب نیاز دارند. طبق بررسی گرینلی، در صورتی که یک سازمان از ChatGPT-4 برای پاسخگویی به یک میلیون ایمیل در ماه استفاده کند، سالانه حدود ۷۱۳۸ تُن معادل دیاکسیدکربن تولید خواهد شد؛ معادل بیش از ۴۳۰۰ پرواز رفتوبرگشت بین پاریس و نیویورک.
بر اساس تحقیقاتی از دانشگاه کارنگی ملون و شرکت Hugging Face، حتی ارسال یک درخواست متنی ساده به مدل زبانی نیز مصرف انرژی معادل شارژ ۱۶ درصدی یک تلفن هوشمند دارد.
علاوه بر این، ابزارهای پیشرفتهتر همچون مدلهای تولید تصویر مانند DALL·E، تا ۶۰ برابر بیشتر از مدلهای متنی دیاکسیدکربن منتشر میکنند.
دیپسیک؛ رقیبی پاکتر از شرق؟
در این میان، مدل DeepSeek که در چین توسعه یافته، رویکردی نوین برای کاهش مصرف انرژی ارائه میدهد. این مدل با بهرهگیری از معماری Mixture-of-Experts (ترکیبی از متخصصان)، تنها بخشهای مرتبط از مدل را برای هر وظیفه فعال میکند و به طور قابلتوجهی مصرف توان پردازشی را کاهش میدهد.
DeepSeek برای آموزش از تنها ۲۰۰۰ تراشه NVIDIA H800 استفاده کرده است؛ درحالیکه این عدد برای ChatGPT-4 برابر با ۲۵ هزار و برای مدل Llama 3.1 متعلق به شرکت متا برابر با ۱۶ هزار تراشه است. این تراشهها همچنین انرژی کمتری مصرف میکنند.
بهطور کلی، دیپسیک به یکدهم ساعات پردازش GPU مدل متا نیاز دارد و به همین دلیل ردپای کربنی آن، مصرف سرور و میزان آب مورد استفاده برای خنکسازی کاهش یافته است.
با این حال، الکسیس نورماند، مدیرعامل و همبنیانگذار گرینلی هشدار میدهد که این دستاوردها ممکن است کوتاهمدت باشند، چرا که تقاضا برای استفاده از هوش مصنوعی به سرعت در حال افزایش است و این افزایش میتواند پیشرفتهای بهرهوری را خنثی کند.
او در ادامه میگوید: «ظهور دیپسیک باعث شده بهرهوری انرژی به میدان اصلی رقابت میان مدلهای هوش مصنوعی تبدیل شود. اما هنوز مشخص نیست که سایر بازیگران نیز این مسیر را دنبال میکنند یا همچنان قدرت پردازشی خام را به بهای آسیب به محیطزیست ترجیح میدهند.»
دخالت نهادهای قانونگذار در تنظیم خروجیهای کربنی هوش مصنوعی
با افزایش مقیاس استفاده از هوش مصنوعی، نهادهای قانونگذار وارد عمل شدهاند تا مرزهای اخلاقی و زیستمحیطی را مشخص کنند.
قانون تاریخی اتحادیه اروپا موسوم به «قانون هوش مصنوعی» یکی از مهمترین گامها در این مسیر است. مارگارت وستاگر، معاون رئیس کمیسیون اروپا در حوزه «اروپای متناسب با عصر دیجیتال» میگوید:
«هوش مصنوعی میتواند شیوه زندگی و کار ما را متحول کند و مزایای بیشماری برای شهروندان، جامعه و اقتصاد اروپا به همراه داشته باشد. رویکرد اروپایی به فناوری، انسانمحور است و حقوق همه را تضمین میکند. با این قانون، اتحادیه اروپا گام بزرگی در جهت تنظیم استفاده مسئولانه از فناوری برداشته است.»
تیری برتون، کمیسر بازار داخلی اتحادیه اروپا نیز درباره این قانون اظهار داشت: «این قانون، نقطه عطفی در رهبری اروپا در زمینه هوش مصنوعی قابل اعتماد است. با اجرایی شدن آن، دموکراسی اروپایی توانسته چارچوبی مؤثر، متناسب و پیشرو در جهان برای هوش مصنوعی ارائه دهد که علاوه بر مدیریت ریسکها، زمینهای برای رشد استارتآپهای اروپایی فراهم میکند.»
هوش مصنوعی؛ تهدید یا ابزار پایداری؟
در حالیکه جنبههای منفی زیستمحیطی مدلهای فعلی غیرقابل انکار است، برخی کاربردهای هوش مصنوعی میتوانند به پیشبرد اهداف توسعه پایدار نیز کمک کنند.
استفاده از طراحیهای کممصرف، مراکز داده با انرژی تجدیدپذیر، پردازش مرزی (Edge Computing) و بازاستفاده از مدلهای متنباز، از جمله راهکارهایی هستند که میتوانند به کاهش ردپای اکولوژیک این صنعت کمک کنند.
برآوردها نشان میدهد اگر هوش مصنوعی بهدرستی و استراتژیک بهکار گرفته شود، میتواند تا سال ۲۰۳۰ بین ۱.۵ تا ۴ درصد از انتشار گازهای گلخانهای جهان را کاهش دهد.
جمعبندی
ظهور مدلهایی مانند DeepSeek نشانهای امیدوارکننده از حرکت صنعت هوش مصنوعی به سوی طراحیهای پایدارتر است، اما کافی نیست.
همسو کردن نوآوری با مسئولیتپذیری زیستمحیطی، امری حیاتی است. عملکرد نباید به قیمت آسیب به سیاره زمین حاصل شود. آیندهای پایدار برای هوش مصنوعی ممکن است، اگر بهرهوری انرژی، شفافیت و مقرراتگذاری با همان سرعتی که فناوری رشد میکند، توسعه یابد.
