نکات کلیدی
- مراکز دادهای که زیرساخت هوش مصنوعی را تأمین میکنند، ممکن است تا سال ۲۰۳۰ سالانه ۹۴۵ تراواتساعت برق مصرف کنند؛ رقمی نزدیک به سه برابر مصرف برق سالانه پاکستان، بنگلادش و نیجریه رویهم.
- مصرف آب مرتبط با هوش مصنوعی میتواند تا پایان دهه جاری با نیاز پایه سالانه آب خانگی ۱.۳ میلیارد نفر برابری کند.
- بیش از ۹۰ درصد ظرفیت پردازشی تخصصی هوش مصنوعی در آمریکا و چین متمرکز است و بیش از ۱۵۰ کشور جهان زیرساخت داخلی قابلتوجهی در این حوزه ندارند.
- گزارش دانشگاه سازمان ملل میگوید تمرکز صرف بر انتشار کربن، تصویر کاملی از هزینههای محیطزیستی هوش مصنوعی ارائه نمیدهد.
- حکمرانی هوش مصنوعی دیگر فقط موضوع تیمهای فناوری نیست و باید وارد تصمیمهای پایداری، ریسک، زنجیره تأمین و تخصیص سرمایه شود.
ردپای منابع هوش مصنوعی فراتر از کربن است
به گزارش پایگاه خبری گزارش سبز، پژوهشگران سازمان ملل هشدار دادهاند که رقابت جهانی برای گسترش هوش مصنوعی، باری زیستمحیطی ایجاد کرده که بسیار فراتر از آن چیزی است که گزارشدهی کربن بهتنهایی نشان میدهد.
مطالعهای تازه از دانشگاه سازمان ملل متحد نشان میدهد هزینههای زیستمحیطی هوش مصنوعی در حال گسترش در حوزههای انرژی، آب، زمین، مواد معدنی و نظامهای پسماند است. این گزارش تأکید میکند که شیوههای فعلی سنجش، همچنان بسیار محدود هستند. بیشتر توجهها بر انتشار گازهای گلخانهای متمرکز است؛ بهویژه انتشارهایی که با آموزش مدلهای بزرگ هوش مصنوعی ارتباط دارند.
اما این رویکرد، فشارهای دیگری را نادیده میگیرد که میتوانند برای دولتها، شرکتها و سرمایهگذاران به همان اندازه مهم باشند. راهکاری که در یک بخش باعث کاهش کربن میشود، ممکن است در بخش دیگر فشار بیشتری ایجاد کند. برای نمونه، تغییر به سمت برخی منابع انرژی تجدیدپذیر میتواند انتشار گازهای گلخانهای را کاهش دهد اما در عین حال مصرف آب یا تقاضا برای زمین را افزایش دهد.
پیام این یافته برای مدیران روشن است. هوش مصنوعی را نمیتوان فقط یک ابزار دیجیتال برای افزایش بهرهوری دانست. این فناوری در حال تبدیل شدن به یک بخش زیرساختی فیزیکی است؛ بخشی که بیش از پیش با برنامهریزی انرژی، حقوق آب، کاربری زمین و حکمرانی پسماند درگیر میشود.
استفاده روزانه از هوش مصنوعی عامل اصلی تقاضای انرژی است
بحث عمومی تاکنون تا حد زیادی بر میزان برق مورد نیاز برای آموزش مدلهای پیشرفته هوش مصنوعی متمرکز بوده است. اما مطالعه دانشگاه سازمان ملل به نقطه فشار متفاوتی اشاره میکند. این گزارش میگوید استفاده روزمره از هوش مصنوعی حدود ۸۰ تا ۹۰ درصد کل تقاضای انرژی این فناوری را تشکیل میدهد.
مقیاس این مصرف از هماکنون بزرگ است. برآورد میشود یکی از خدمات پرکاربرد هوش مصنوعی روزانه حدود ۲.۵ میلیارد درخواست را پردازش کند. این سطح از فعالیت، هر سال صدها گیگاواتساعت برق مصرف میکند.
تقاضای انرژی بر اساس نوع کار نیز متفاوت است. تولید یک تصویر با هوش مصنوعی میتواند بیش از هزار برابر انرژی لازم برای طبقهبندی ساده متن را مصرف کند. تولید ویدئو با هوش مصنوعی حتی انرژی بیشتری میطلبد.
این موضوع برای استراتژیهای شرکتی در حوزه هوش مصنوعی اهمیت دارد. افزایش بهرهوری ممکن است هزینه هر پرسش یا درخواست را کاهش دهد، اما لزوماً به معنای کاهش کل مصرف منابع نیست. گزارش به «اثر بازگشتی» اشاره میکند؛ وضعیتی که در آن ارزانتر و سریعتر شدن سیستمها، استفاده بیشتر را تحریک میکند. در نتیجه، حتی اگر هر کار منفرد کارآمدتر شود، تقاضای کل میتواند افزایش یابد.
مراکز داده ریسک آب و زمین را افزایش میدهند
مراکز داده ستون فقرات هوش مصنوعی هستند، اما ارزیابی پایداری آنها فقط به برق محدود نمیشود. هر واحد برق مصرفی، ردپای آبی دارد که به سرمایش و تولید انرژی مرتبط است. این مصرف همچنین ردپای زمینی دارد که به تولید برق و زنجیرههای تأمین وابسته است.
این گزارش برآورد میکند که مراکز داده تا سال ۲۰۳۰ ممکن است هر سال ۹۴۵ تراواتساعت برق مصرف کنند. این رقم نزدیک به سه برابر مجموع مصرف سالانه برق پاکستان، بنگلادش و نیجریه است؛ کشورهایی که در مجموع بیش از ۶۵۰ میلیون نفر جمعیت دارند.
پژوهشگران دانشگاه سازمان ملل همچنین برآورد میکنند که مصرف آب مرتبط با هوش مصنوعی میتواند تا پایان دهه جاری با نیاز پایه سالانه آب خانگی ۱.۳ میلیارد نفر برابری کند. ردپای زمینی این فناوری نیز ممکن است از ۱۴ هزار و ۵۰۰ کیلومتر مربع فراتر رود؛ مساحتی تقریباً دو برابر منطقه کلانشهری جاکارتا.
این ارقام، چالش حکمرانی را جدیتر میکند. در مناطق دچار تنش آبی، زیرساختهای هوش مصنوعی میتوانند با خانوارها، کشاورزی و صنعت بر سر منابع آب رقابت کنند. در بازارهایی که با محدودیت برق مواجهاند، مراکز داده میتوانند فشار بیشتری بر شبکههایی وارد کنند که همزمان با برقرسانی گستردهتر و تابآوری اقلیمی درگیر هستند.
هزینههای زیستمحیطی بهطور نابرابر توزیع شدهاند
این گزارش هشدار میدهد که منافع و بارهای هوش مصنوعی بهطور برابر توزیع نشدهاند. ابزارهای هوش مصنوعی جهانی هستند، اما اثرات زیرساختی آنها محلی است.
در برخی کشورها، مراکز داده هماکنون سهم قابلتوجهی از تقاضای ملی برق را تشکیل میدهند. در برخی کشورهای دیگر، تأسیسات جدید در شرایط خشکسالی از منابع آبی برداشت میکنند.
چالش پسماند الکترونیک نیز رو به افزایش است. زیرساختهای هوش مصنوعی میتوانند تا سال ۲۰۳۰ سالانه تا ۲.۵ میلیون تن پسماند الکترونیک تولید کنند. بخش قابلتوجهی از این بار ممکن است بر دوش کشورهای کمدرآمدی بیفتد که ظرفیت محدودی برای دفع ایمن این پسماندها دارند.
مواد معدنی حیاتی نیز لایه دیگری از ریسک را ایجاد میکنند. سختافزارهای هوش مصنوعی به موادی وابستهاند که از طریق زنجیرههای تأمین جهانی استخراج میشوند. این زنجیرهها میتوانند در مناطق معدنی با آسیبهای محیطزیستی و نابرابریهای اجتماعی همراه باشند.
شکاف دیجیتال، شکاف زیستمحیطی نیز هست
گزارش دانشگاه سازمان ملل رشد زیرساختهای هوش مصنوعی را با تعمیق نابرابری جهانی مرتبط میداند. بیش از ۹۰ درصد ظرفیت پردازشی تخصصی هوش مصنوعی فقط در دو کشور متمرکز است: ایالات متحده آمریکا و چین. بیش از ۱۵۰ کشور نیز زیرساخت داخلی قابلتوجهی در حوزه هوش مصنوعی ندارند.
این عدم توازن، مشارکت اقتصادی کشورها را محدود میکند. همچنین نگرانیهای مربوط به عدالت زیستمحیطی را افزایش میدهد. برخی مناطق ممکن است اثرات استخراج مواد معدنی، مصرف انرژی و آب یا پسماند ناشی از هوش مصنوعی را تحمل کنند، بدون آنکه به همان اندازه از منافع اقتصادی آن بهرهمند شوند.
برای سرمایهگذاران، این وضعیت یک مسئله مهم در فرایند ارزیابی موشکافانه یا Due Diligence ایجاد میکند. اکنون مواجهه با هوش مصنوعی در حوزههایی مانند ریسک اقلیمی، حکمرانی زنجیره تأمین، حقوق بشر، کمیابی منابع و شمول دیجیتال قرار میگیرد.
هوش مصنوعی مسئولانه به حکمرانی منابع نیاز دارد
پژوهشگران دانشگاه سازمان ملل با هوش مصنوعی مخالفت نمیکنند. این گزارش خواستار حکمرانی قویتر است تا توسعه هوش مصنوعی در محدوده ظرفیتهای سیارهای انجام شود.
گزارش، یک اکوسیستم مسئولانه برای هوش مصنوعی ترسیم میکند که بر شفافیت، بهرهوری از مرحله طراحی، عدالت، مسئولیتپذیری در سراسر چرخه عمر، همکاری جهانی و استفاده پایدار استوار است.
از دولتها خواسته شده است زیرساختهای هوش مصنوعی را در برنامهریزی انرژی، آب و کاربری زمین ادغام کنند. شرکتها نیز تشویق شدهاند از همان ابتدا سیستمهایی طراحی کنند که مصرف منابع را کاهش دهد. کاربران نیز نقش دارند؛ آنها میتوانند در صورت امکان، کاربردهای کماثرتر و کممصرفتر را انتخاب کنند.
پیام اصلی برای هیئتمدیره شرکتها کاربردی است. حکمرانی هوش مصنوعی دیگر نمیتواند فقط در اختیار تیمهای فناوری باشد. این موضوع اکنون باید در گفتوگوهای مربوط به پایداری، ریسک، تدارکات و تخصیص سرمایه جای بگیرد.
با شتاب گرفتن تقاضا برای هوش مصنوعی، کشورها و شرکتهایی که مسئولانه زیرساخت میسازند، فقط بازارهای دیجیتال را شکل نخواهند داد. آنها بر این مسئله نیز اثر خواهند گذاشت که موج بعدی زیرساختها چگونه در جهانی گرمتر، برای آب، برق، زمین و مواد معدنی رقابت میکند.
