22 - 09 - 2024
هوش مصنوعی شمشیر دولبه
پریسا مطرانلویی- براساس گزارش مجمع جهانی اقتصاد، شاخص گذار انرژی در سال 2024 که عملکرد سیستم انرژی فعلی و آمادگی و توانمندی محیط در انتقال انرژی در حال پیشرفت را در 120 کشور مورد بررسی قرار میدهد، نشان میدهد این شاخص در مواجهه با افزایش عدم اطمینان جهانی، شتاب خود را از دست داده است. اگرچه طی سال گذشته پیشرفت قابلتوجهی در بهرهوری انرژی و رشد قابلتوجهی در پذیرش منابع انرژی پاک شکل گرفته، اما شتاب انتقال انرژی متوقف شده است.
در سوی دیگر مساله گذار انرژی، موضوع فناوری و تاثیر آن بر میزان مصرف انرژی قرار دارد به نحوی که فناوریهای نسل چهارم از جمله هوش مصنوعی علاوهبر اینکه در مسیر گذار انرژی نقش موثری دارند، همچون شمشیر دولبهای عمل کرده که در دیگر سو با افزایش میزان تقاضا برای انرژی بر انتشار گازهای گلخانهای میافزایند. در واقع شرکتهای فناوریمحور به دلیل راهاندازی مراکز دادهای مبتنی بر هوش مصنوعی، موجب افزایش انتشار گازهای گلخانهای میشوند که مسیر گذار انرژی را
دشوارتر میکند.
سیستمهای هوش مصنوعی بسته به پیچیدگی و کاربردشان در مصرف انرژی بسیار متفاوت هستند، اما معمولا برای پردازش و تجزیهوتحلیل دادهها به مقدار قابلتوجهی برق نیاز دارند. طبق برخی برآوردها، میزان مصرف انرژی هوش مصنوعی 10برابر بیشتر از جستوجوی گوگل است؛ بهطور مثال با صدمیلیون کاربر هفتگی ChatGPT در سراسر جهان، تقاضای انرژی اضافی شروع به افزایش میکند، این در حالی است که این تنها شامل کاربران یک پلتفرم است و در سراسر صنعت، افزایش تقاضای انرژی، عمدتا از ساخت و راهاندازی مراکز داده مورد استفاده برای آموزش و اجرای مدلهای هوش مصنوعی، منجربه تشدید انتشار گازهای گلخانهای جهانی میشود.
شرکت مایکروسافت که در OpenAI -که سازنده ChatGPT است- سرمایهگذاری کرده و ابزارهای هوش مصنوعی مولد را محور توسعه محصولات خود قرار داده است، اخیرا اعلام کرده که انتشار گاز کربن دیاکسید از سال 2020 به دلیل گسترش مراکز داده، حدود 30درصد افزایش یافته است. انتشار گازهای گلخانهای گوگل نیز در سال 2023 تقریبا 50درصد بیشتر از سال 2019 بوده که عمدتا به دلیل تقاضای انرژی مرتبط با مراکز داده است. بنابراین در حالی که ابزارهای هوش مصنوعی وعده کمک به گذار انرژی را میدهند، به افزایش تقاضای انرژی در جهان نیز دامن زدهاند.
استفاده هوش مصنوعی از انرژی در حال حاضر تنها کسری از مصرف انرژی بخش فناوری را نشان میدهد که تخمین زده میشود حدود 2 تا 3درصد از کل انتشار جهانی باشد که این نسبت به دلیل اینکه شرکتها، دولتها و سازمانهای بیشتری در طول زمان از هوش مصنوعی برای افزایش کارایی و بهرهوری استفاده میکنند، ثابت نبوده و روند افزایشی خواهد داشت.
هوش مصنوعی به قدرت محاسباتی قابلتوجهی نیاز دارد و سیستمهای هوش مصنوعی مولد ممکن است در حال حاضر حدود 33برابر بیشتر از نرمافزارهای خاص برای انجام یک کار مشخص، انرژی مصرف کنند. مادامی که این سیستمها توسعه مییابند، آموزش و اجرای مدلها باعث افزایش تصاعدی در تعداد مراکز داده مورد نیاز در سطح جهانی و مصرف انرژی مرتبط خواهد شد که فشار فزایندهای را بر شبکههای الکتریکی که قبلا تحت فشار قرار داشتهاند،
وارد میکند.آموزش هوش مصنوعی مولد، بهطور خاص بسیار انرژیبر است و نسبت به فعالیتهای سنتی مرکز داده، برق بیشتری مصرف میکند. همچنین افزایش پیچیدگی یک مدل زبان بزرگ، مانند مدلی که ChatGPT روی آن ساخته شده است، تقاضای فزاینده برای انرژی را نشان میدهد و تخمین زده میشود که آموزش مدلی مانند ترانسفورماتور از پیش آموزشدیده (یاGPT -3) حدود 1300 مگاوات ساعت برق مصرف کند که تقریبا معادل مصرف برق سالانه 130 خانه در ایالات متحده است. در حالی که تخمین زده میشود در آموزشGPT-4 پیشرفتهتر، 50برابر بیشتر برق مصرف شود و بهطور کلی، انرژی مورد نیاز برای حفظ رشد هوش مصنوعی تقریبا هر 100 روز دوبرابر میشود.
بهبود بهرهوری انرژی از مسیر هوش مصنوعی
موضوعات پیش گفتهشده باعث شده است جامعه با سوالات متعددی از جمله اینکه آیا مزایای اقتصادی و اجتماعی هوش مصنوعی بر هزینه زیستمحیطی استفاده از آن غلبه دارد یا خیر؟ و بهطور خاص، آیا مزایای هوش مصنوعی برای انتقال انرژی، بیشتر از افزایش مصرف انرژی آن است؟ مواجه باشد. بدیهی است تعادل بین چالشها و فرصتها کلید دریافت پاسخهای مورد نیاز خواهد بود. با توجه به اینکه گزارشها پیشبینی میکنند که هوش مصنوعی پتانسیل این را دارد که تا سال 2030 موجب کاهش 5 تا 10درصد از انتشار گازهای گلخانهای در جهان شود. بنابراین برای ایجاد تعادل مناسب، تنظیمگران جهانی از جمله پارلمان اروپا اقدام به ایجاد الزاماتی کردهاند که باید در هنگام طراحی سیستمها، قابلیت ثبت مصرف انرژی نیز درنظر گرفته شود. در این حین انتظار میرود پیشرفتهای فناوری از طریق سختافزار پیشرفتهتر و قدرت پردازشی بالا برای افزایش کارایی بارهای کاری هوش مصنوعی، به کمک رفع نیاز انرژی هوش مصنوعی خواهد آمد. بنابراین محققان بر طراحی سختافزارهای تخصصی مانند شتابدهندههای جدید مانند تراشههای سهبعدی متمرکز شدهاند تا عملکرد بهبودیافتهای ارائه دهند.
بهطور مثال انویدیا، سازنده تراشههای رایانهای اعلام کرده است سوپرتراشه جدید این شرکت در حالی که 25برابر انرژی کمتری مصرف میکند، میتواند عملکرد خدمات هوش مصنوعی مولد را تا 30برابر بهبود بخشد. کارآمدتر شدن مراکز داده نیز یکی دیگر از مسیرهای کمک به حل این مساله است؛ فناوریهای خنککننده جدید و سایتهایی که میتوانند محاسبات بیشتری را در زمانی که برق ارزانتر، در دسترستر و پایدارتر است انجام دهند، با هدف افزایش راندمان در دست بررسی است.
توجه به آن سوی مساله نیز خالی از لطف نیست که هوش مصنوعی تنها عامل اعمال فشار به شبکه تامین انرژی نیست، بلکه نیازهای جمعیت رو به رشد به انرژی و گرایش به سمت تولید انرژی باعث افزایش تقاضا و منجربه کندتر شدن کربنزدایی شبکه شده است. با این شرایط، یک شبکه مدرن و کربنزدا با حرکت گستردهتر به سمت انتشار خالص صفر، ضروری خواهد بود. اپراتورهای مرکز داده در حال بررسی گزینههای انرژی جایگزین، همچون فناوری هستهای برای نیروگاهها یا فناوریهای ذخیرهسازی مانند هیدروژن هستند.
از سوی دیگر هوش مصنوعی میتواند با تجزیهوتحلیل مجموعه دادههای گسترده، از جمله الگوهای آبوهوایی و روند مصرف انرژی، تولید انرژی تجدیدپذیر را متناسب با نیاز مدیریت و با دقت قابلتوجه در پیشبینیها از مصرف بیهوده انرژی و بیثباتی شبکه جلوگیری کرده و برنامهریزی و جابهجایی بار در مسیر تضمین پایداری بهینه شبکه و ارتقای کارایی قرار گیرد. همچنین هوش مصنوعی به تغییر بهرهوری انرژی سایر صنایع کربنبر، از مدلسازی ساختمانها برای پیشبینی مصرف انرژی و بهینهسازی عملکرد گرمایش و تهویه مطبوع تا بهبود کارایی تولید از طریق پیشبینی تعمیر و نگهداری، کمک میکند. در بخش کشاورزی نیز حسگرها و تصاویر ماهوارهای به پیشبینی عملکرد محصول و مدیریت مصرف منابع کمک میکنند.
در مجموع ایجاد تعادل بین مصرف انرژی و میزان انتشار ناشی از بهکارگیری هوش مصنوعی با منافع اجتماعی آن، چالشهای پیچیده و مرتبط زیادی وجود دارد که نیازمند اتخاذ رویکردی چندجانبه است.
منبع: آیندهنگر
لطفاً براي ارسال دیدگاه، ابتدا وارد حساب كاربري خود بشويد