ردپای آبی هوش مصنوعی

جهان‌صنعت– فریدریکه روده، پژوهشگر وابسته در آزمایشگاه اخلاق برلین در دانشگاه فنی برلین و  پاز پنیا، عضو ارشد موزیلا در مقاله‌ای به چالش پنهان توسعه دیجیتال پرداخته و  می‌نویسند: «درحالی‌که بخش عمده‌ای از بحث درباره هوش‌مصنوعی بر پتانسیل اقتصادی آن متمرکز است، رد پای فیزیکی رو به گسترش آن داستان متفاوتی را روایت می‌کند. ماشین‌هایی که این انقلاب را هدایت می‌کنند، به منبعی بسیار قدیمی‌تر و بسیار بحث‌برانگیزتر از داده یا برق وابسته‌اند.

هوش‌مصنوعی اغلب به عنوان پیام‌آور آینده‌ای مرفه و کارآمدتر به تصویر کشیده می‌شود اما ماشین‌هایی که این انقلاب را هدایت می‌کنند، به منبعی بسیار قدیمی‌تر و بسیار بحث‌برانگیزتر از داده یا برق وابسته‌اند؛ آب.همانطورکه اطلس آب اخیر بنیاد هاینریش بُل نشان می‌دهد، رشد سریع هوش‌مصنوعی در حال تخلیه ذخایر آب محلی در سراسر جهان، از شیلی خشکسالی‌زده گرفته تا آفریقای جنوبی است. رد پای فیزیکی آن منعکس‌کننده شکل جدیدی از استخراج استعماری است؛ به جای نقره و سویا، اکنون آب خنک‌کننده‌ای است که اقتصاد دیجیتال را آماده به کار نگه می‌دارد. در حالی که بحث درباره مصرف انرژی هوش‌مصنوعی بر قدرت مورد نیاز برای آموزش و بهره‌برداری از مدل‌های زبانی بزرگ متمرکز است، آنچه اغلب نادیده گرفته می‌شود، حجم عظیمی از آب است که برای خنک‌سازی مراکز داده لازم است، چه رسد به آب مصرفی در تولید انرژی و ساخت سخت‌افزارکه مورد نیاز است.چت‌جی‌پی‌تی نمونه بارز این موضوع است. آموزش۳-GPT تنها برای خنک‌سازی به حدود ۷۰۰هزار لیتر آب نیاز داشت. مطالعه گرین‌پیس تخمین می‌زند که مراکز داده تا سال۲۰۳۰ سالانه ۶۶۴ میلیارد لیتر آب مصرف خواهند کرد که در مقایسه با ۲۳۹ میلیارد لیتر در سال  ۲۰۲۴بسیار زیاد است.مزایای هوش‌مصنوعی در شمال جهانی متمرکز است اما هزینه‌های زیست‌محیطی آن به طور فزاینده‌ای بر دوش جنوب جهانی است. در سال۲۰۲۳، اعتراضات گسترده‌ای در اروگوئه نسبت‌به مرکز داده پیشنهادی گوگل شکل گرفت درحالی‌که این کشور بدترین خشکسالی ۷۰‌سال اخیر خود را تجربه می‌کرد. با خشک شدن مخازن، مقامات شروع به پمپاژ آب شور از مصب رودخانه ریو دِ لا پلاتا به سیستم‌های عمومی کردند و به گوگل مجوز برداشت از ذخایر آب شیرین باقی‌مانده دادند، حتی در حالی که خانواده‌های طبقه کارگر آب شور شیر آب را برای نوشیدن می‌جوشاندند. درگیری مشابهی در شیلی، یکی از خشک‌ترین کشورهای آمریکای لاتین رخ داده است. در منطقه سریوس سانتیاگو پیش‌بینی می‌شد مرکز داده پیشنهادی گوگل روزانه ۶/۷ میلیون لیتر آب مصرف کند که تقریبا برابر با مصرف سالانه کل جامعه است. در واکنش، فعالان از گروه محلی MOSACAT یک کمپین حقوقی و سیاسی راه‌اندازی کردند که مجبور به طراحی مجدد سیستم خنک‌سازی و بررسی زیست‌محیطی جدید شد. این مبارزات جامعه محور الگوی آشنایی را برجسته می‌کنند که در آن شرکت‌ها و دولت‌ها مراکز داده را به عنوان موتورهای نوسازی معرفی می‌کنند درحالی‌که هزینه‌های زیست‌محیطی آنها را کم‌اهمیت جلوه می‌دهند. در منطقه کرتارو مکزیک، جایی که جوامع روستایی و بومی از قبل با کمبود شدید آب مواجه هستند، مشکلات فراتر از تخلیه است: انتشار دیزل از ژنراتورهای پشتیبان باعث آلودگی صوتی و هوا می‌شود؛ زباله‌های الکترونیکی وارد شده از شمال جهانی همچنان انباشته می‌شوند و تقاضای روزافزون برای زمین، مسکن و برق هزینه‌ها را افزایش داده و زیرساخت‌های محلی را تحت فشار قرار می‌دهد.مقررات کمکی به کند کردن این گسترش یا بهبود استانداردهای زیست‌محیطی نکرده است. در حالی که قانون هوش‌مصنوعی اتحادیه اروپا در سال‌۲۰۲۴ شفافیت در تقاضای انرژی و قدرت محاسباتی را الزامی می‌کند اما چیزی درباره مصرف آب نمی‌گوید. حتی دستورالعمل کارایی انرژی که مراکز داده را ملزم به گزارش مصرف آب می‌کند، تنها برای تاسیسات داده در داخل اتحادیه اروپا اعمال می‌شود. علاوه بر این گزارش‌دهی با اصلاح یکی نیست؛ کارایی محدودشده توسط فناوری و پارادوکس جونز (زمانی رخ می‌دهد که کارایی بیشتر تقاضا برای یک منبع را افزایش می‌دهد) اغلب از سوال عمیق‌تر کفایت منحرف می‌کند.

در عین حال بسیاری از اقتصادهای در حال توسعه با ارائه معافیت‌های مالیاتی سخاوتمندانه و تسریع مجوزهای زیست‌محیطی با نظارت حداقلی برای سرمایه‌گذاری فناوری رقابت می‌کنند. دولت‌ها تمایل دارند این موضوع را به عنوان پیشبرد حاکمیت داده معرفی کنند اما در نهایت شرکت‌های بزرگ فناوری قدرت را در دست دارند. علاوه بر این، برخلاف وعده‌های رسمی، مراکز داده شغل کمی ایجاد می‌کنند و نابرابری‌های ساختاری همچنان مانع رشد صنایع هوش‌مصنوعی محلی می‌شوند. به عنوان مثال، انتقاد از سیاست مرکز داده برزیل تمرکز آن بر جذب شرکت‌های بزرگ فناوری را برجسته می‌کند درحالی‌که رقابت منصفانه برای شرکت‌های داخلی نادیده گرفته می‌شود. ارزیابی‌های تاثیر زیست‌محیطی حلقه ضعف دیگری هستند. مطالعات نشان می‌دهند که آنها اغلب ناقص، نادرست یا از بررسی عمومی پنهان هستند. در شیلی نهادهای نظارتی پروژه گوگل را با وجود مسائل حل‌نشده مربوط به حقوق آب زیرزمینی تایید کردند. در مکزیک فعالان ماه‌ها برای دسترسی به اسناد مصرف آب مبارزه کردند و در آفریقای جنوبی و برزیل، شرکت‌ها اغلب مستقیما با وزارتخانه‌های ملی مذاکره می‌کنند و مقامات محلی را کاملا دور می‌زنند. همه اینها سوال مهمی را مطرح می‌کند: چه کسی حق اظهارنظر دارد وقتی رشد دیجیتال به منابع آب محلی وابسته است؟ مانند مزایای آن، خطرات هوش‌مصنوعی به طور نابرابری توزیع شده‌اند. برای بسیاری از جوامع آمریکای لاتین و آفریقا، مخالفت با مراکز داده رد پیشرفت نیست بلکه تلاشی برای بازتعریف آن است. دفاع آنها از ذخایر آب، فانتزی گسترش بی‌پایان دیجیتال در جهانی با منابع محدود را به چالش می‌کشد.مشکل نوآوری نیست بلکه توزیع است. سیستم‌های خنک‌سازی پایدار که از آب بازیافتی، آب شور و آب باران استفاده می‌کنند از قبل وجود دارند و سیستم‌های مبتنی‌بر هوا و بازیابی گرما می‌توانند مصرف آب شیرین را بیشتر کاهش دهند اما شرکت‌ها انگیزه کمی برای اتخاذ این گزینه‌ها دارند وقتی آب ارزان، غیر منظم و در ترازنامه‌ها نامرئی است. مشکل دیگر و عمیق‌تر در ماهیت خود هوش‌مصنوعی نهفته است: نیازهای محاسباتی فشرده آن به مصرف آب بیشتر و بیشتری نیاز دارد. پرداختن به این چالش‌ها نیازمند آشتی دادن جاه‌طلبی فناورانه با واقعیت‌های بحران‌های اقلیمی و اکولوژیکی تشدیدشونده امروز است. در غیر این صورت، رشد مهارنشده هوش‌مصنوعی خطر تبدیل مناطق تحت فشار آبی به مناطق قربانی را دارد. این وظیفه- شکل‌دهی به آینده فناورانه انسانی و پایدار – چیزی نیست که افراد و جوامع بتوانند به تنهایی انجام دهند. رهبران سیاسی باید اقدامات فوری برای دموکراتیک کردن تصمیم‌گیری، تضمین پاسخگویی و همسو کردن نوآوری فناورانه با مرزهای سیاره‌ای انجام دهند.»