تأثیر محیطی هوش مصنوعی: ارزیابی آلاینده‌های کربنی و مصرف آب

هوش مصنوعی (AI) بسیاری از صنایع را ثورت آورده است، اما تأثیر محیطی آن مورد بازبینی قرار گرفته است. مدل‌های زبان بزرگ (LLM) مانند بارد گوگل و ChatGPT، که به خاطر استعدادهای مبتنی بر متن خوش شهرت هستند، در طول آموزش و استفاده از انرژی قابل ملاحظه‌ای استفاده می‌کنند، که منجر به آلودگی کربنی قابل توجه می‌شود. کمبود شفافیت درباره داده‌ها و فرآیندها، ارزیابی پیامدهای محیطی هوش مصنوعی را پیچیده تر می‌کند.

گزارش اخیر موسسه پژوهش پیشرفته کانادا (CIFAR) بر روی آلودگی دی‌اکسید کربنی تولید شده در هنگام آموزش LLM تمرکز داشت. این مطالعه سه عامل کلیدی را که توان مصرفی پویای مدل‌های LLM را مشخص می‌کند، شامل زمان آموزش مدل، مصرف برق سخت‌افزاری و چگالی کربن از شبکه انرژی است. به طور شگفت‌انگیزی، GPT-3 شرکت مایکروسافت در حین آموزش معادل ۵۰۲ تن CO2 را تولید کرد، در حالی که گوفر شرکت DeepMind معادل ۳۵۲ تن CO2 را رها کرد. این آلاینده‌های کربنی روند پیامدهای محیطی را با پاسخ دادن مدل‌های هوش مصنوعی به پرسش‌ها ادامه می‌دهند.

علاوه بر آلودگی کربنی، سیستم‌های هوش مصنوعی در عملیات خود باعث شرایط نامساعد گردش آب تازه می‌شوند. به عنوان مثال، مراکز داده گوگل در سال ۲۰۲۱ حدود ۱۲.۷ میلیارد لیتر آب تازه مصرف کردند و مرکز آموزش GPT-3 شرکت مایکروسافت در حدود ۷۰۰ هزار لیتر آب مصرف کرد. حتی تعاملات ساده با مدل‌های هوش مصنوعی قابل مقایسه با مصرف یک بطری آب ۵۰۰ میلی لیتری به منظور خنک کردن است.

اگرچه گزارش اصلی بر مدل‌های LLM تمرکز می‌کند، کاربردهای دیگر هوش مصنوعی نیز فشار محیطی را ایجاد می‌کنند. تأثیر هوش مصنوعی به طور عمده به کاربرد آن بستگی دارد. این می‌تواند ابزاری مفید برای نظارت بر تخریب جنگل‌ها و کمک به صنایع مختلف باشد، اما می‌تواند همچنین مسائل محیطی را تشدید کند، مانند در بحث نفت و اکتشاف گاز.

با توجه به نگرانی درباره تأثیر محیطی هوش مصنوعی، شرکت‌هایی که در گزارش ذکر شده‌اند، مانند مایکروسافت، بر تعهد خود در قبال پایداری تأکید کرده‌اند. مایکروسافت به سرمایه‌گذاری در پژوهش برای اندازه‌گیری مصرف انرژی و تأثیر کربن، بهبود کارایی و استفاده از منابع انرژی تمیز متعهد شده است.

کلیتاً، همبازی پیچیده بین فناوری هوش مصنوعی و تأثیرات آن بر محیط زیست نیازمند تحقیقات و شفافیت بیشتر است. تعیین دستورالعمل‌های واضح و سرمایه‌گذاری در شیوه‌های پایدار، بسیار مهم خواهد بود در بهره‌برداری از مزایای هوش مصنوعی و همچنین کاهش تأثیرات محیطی آن.

منابع:
– TLDRLarge Language Models and the Environment
– گزارش CIFAR در مورد آلودگی کربنی در آموزش مدل‌های هوش مصنوعی
– تحقیقات دانشگاه کورنل در مورد مصرف آب در مراکز داده