آیا هوش مصنوعی قهرمان اقلیم است یا شرور آن؟
برآوردهای مصرف انرژی هوش مصنوعی بسیار متفاوت است، اما مطالعه‌ای نشان داده که تولید یک تصویر هوش مصنوعی برای یک مدل محبوب به اندازه شارژ کامل یک تلفن همراه انرژی مصرف می‌کند.
به گزارش «انرژی امروز» از نیوزویک، مطالعه دیگری هم نشان داد که جستجوهای وب با هوش مصنوعی 10 برابر انرژی بیشتری نسبت به جستجوی استاندارد مصرف می‌کنند.
آموزش یک مدل هوش مصنوعی زبان نیز انرژی بر است. طبق یک برآورد، آموزش ChatGPT-4 OpenAI ممکن است به اندازه 4800 خانه متوسط آمریکایی در طول یک سال انرژی مصرف کرده باشد.
گزارش موسسه تحقیقاتی برق در سال جاری تخمین زده که تا پایان این دهه، مراکز داده می‌توانند 9 درصد از کل تولید برق ایالات متحده را مصرف کنند، امروزه این رقم حدود 4 درصد است.
رقابت برای تسلط بر همه اشکال قدرت هوش مصنوعی در جریان است. اخیرا مایکروسافت با شرکت تاسیسات برق Constellation توافق کرد تا برای مراکز داده‌اش در شمال شرقی و میانه آتلانتیک 835 مگاوات انرژی هسته‌ای خریداری کند و از این رو راه را برای راه‌اندازی مجدد راکتور نیروگاه هسته‌ای Three Mile Island در پنسیلوانیا هموار کرد.
همچنین در پنسیلوانیا، خدمات وب آمازون در ماه مارس یک مرکز داده متصل به نیروگاه هسته‌ای Susquehanna Steam Electric Station را خریداری کرد. سپس در ماه مه، آمازون اولین تاسیسات خورشیدی خود را در مقیاس صنعتی، تاسیساتی 150 مگاواتی در جنوب کالیفرنیا با باتری‌های عظیم برای ذخیره انرژی راه‌اندازی کرد.
در ماه اوت، مایکروسافت طرح مشارکتی را برای ساخت 500 مگاوات انرژی خورشیدی در مقیاس اجتماعی در سراسر کشور طی پنج سال آینده راه اندازی کرد. اواخر همان ماه، متا، شرکت مادر فیسبوک، قراردادی را برای خرید 150 مگاوات برق زمین گرمایی برای تامین مراکز داده امضا کرد.
اما حتی با وجود آن سرمایه‌گذاری‌های انبوه در انرژی پاک، بخش عمده‌ای از برق ایالات متحده در بیشتر بخش‌های کشور همچنان از سوختن سوخت‌های فسیلی، به‌ویژه گاز طبیعی تامین می‌شود. از آنجایی که شرکت‌های خدمات شهری افزایش تقاضای برق را پیش‌بینی می‌کنند، راه‌اندازی نیروگاه‌های گازسوز در حال گسترش است در حالی که از رده‌خارج‌سازی برخی از نیروگاه‌های قدیمی زغال سنگی به تأخیر می‌افتد.
این بدان معناست که رونق مراکز داده هوش مصنوعی، حتی در برخی از شرکت‌های فناوری که به اهداف بلندپروازانه اقلیمی شهرت دارند، باعث افزایش مصرف سوخت فسیلی و انتشار گازهای گلخانه‌ای می‌شود.
با این حال، هوش مصنوعی و یادگیری ماشین نیز در حل برخی از سخت‌ترین مشکلات در فناوری پاک و علم اقلیم استفاده می‌شوند. محققان در حال حاضر از این ابزارهای جدید در طیف گسترده‌ای از کاربردهای مرتبط با اقلیم استفاده می‌کنند، مانند همراستایی انرژی‌های تجدیدپذیر متناوب با نیازهای شبکه برق، بهبود پیش‌بینی آتش سوزی‌ها و سیل‌های ناشی از اقلیم و کمک به کشف مواد مورد استفاده در فناوری پاک.
معمای اقلیمی فناوری‌های بزرگ
پولی که به سمت هوش مصنوعی سرازیر می‌شود می‌تواند توسعه انرژی پاک را در مناطقی که هنوز به شدت به سوخت‌های فسیلی وابسته هستند تشویق کند.
اما علیرغم تلاش‌هایی که غول‌های فناوری برای تولید انرژی پاک دارند، جدیدترین گزارش‌های پایداری مایکروسافت و گوگل جهش شدیدی را در انتشار گازهای گلخانه‌ای این دو غول فناوری در سال 2023 نشان دادند که عمدتاً به دلیل رشد هوش مصنوعی در این شرکت‌ها بود. هر دو شرکت گفتند که به اهداف انتشار خالص صفر متعهد هستند.
به عنوان مثال گزارش پایداری مایکروسافت نشان داده که مجموع انتشار گازهای گلخانه‌ای برای سال 2023 نسبت به سال 2020 حدود 29 درصد افزایش یافته است.
غول‌های فناوری در تلاشند تا موج بعدی تراشه‌ها و سرورهای هوش مصنوعی انرژی کمتری مصرف کنند و سیستم‌های خنک کننده در مراکز داده بهبود یابد تا به آب و انرژی کمتری نیاز داشته باشند. در یکی از این نوآوری‌های امیدوارکننده، سرور GPU هوش مصنوعی را در یک مایع روغنی غوطه‌ور می‌کنند تا گرما را از بین ببرد و نیازهای انرژی را تا حد زیادی کاهش دهد. اما برخی از محققانی که تأثیرات اقلیم هوش مصنوعی را بررسی می‌کنند، معتقدند: وقتی هوش مصنوعی کارآمدتر می‌شود، احتمالاً از آن حتی بیشتر استفاده خواهیم کرد و اگر نه بیشتر، دست‌کم به همان اندازه انرژی مصرف می‌کنیم.
این یک مفهوم قدیمی اقتصادی به نام پارادوکس جیوونز است که به نام اقتصاددان انگلیسی قرن نوزدهم ویلیام استنلی جوونز، ثبت شده. او مشاهده کرد حتی با کارآمدتر شدن کوره‌ها، زغال‌سنگ بیشتری سوزانده می‌شود. ساشا لوچونی، سرپرست شرکت تحقیقاتی Hugging Face، می‌گوید: «هر چه قدر که تکنیک‌ها و سخت افزار هوش مصنوعی کارآمدتر می‌شوند ما کاربری‌های بیشتری برای آن می‌یابیم درنتیجه هر کدام از این دستاوردها را از دست می‌دهیم.»
جنیفر گرانهولم، وزیر انرژی ایالات متحده، ماه گذشته در یک کنفرانس مطبوعاتی صحبت خود را با سوالی که می‌دانست در ذهن خبرنگاران وجود دارد، آغاز کرد: «رشد انفجاری هوش مصنوعی این سوال بزرگ را مطرح می‌کند، آیا ما انرژی کافی برای تامین انرژی هوش مصنوعی خواهیم داشت؟»
گرانهولم به سوال خود چنین پاسخ داد.
او گفت: «ما قاطعانه می‌گوییم «بله، خواهیم داشت» و راه‌هایی را فهرست کرد که بخش او از توسعه هوش مصنوعی و ترویج انرژی پاک برای تقویت آن حمایت می‌کند. او گفت که ایالات متحده در حال راه‌اندازی 60 گیگاوات انرژی پاک و ظرفیت ذخیره‌سازی انرژی در سال جاری است. این مقدار برق معادل برق تولیدی 30 سد در حد و اندازه سد هوور تنها در یک سال است.
با این حال سوالات زیادی در مورد اینکه چقدر سریع انرژی پاک را می‌توان به شبکه و مراکز داده هوش مصنوعی متصل کرد، باقی می‌ماند. دیوید پورتر معاون برقی‌سازی و استراتژی انرژی پایدار در موسسه تحقیقات انرژی الکتریکی است. او می‌گوید: «بزرگ‌ترین چالش برای مدیران شرکت‌ها هنوز هم زمان‌بندی است و اینکه چقدر سریع می‌توانند منابع را برای تطبیق با مراکز داده تأمین کنند.»
پورتر می‌گوید که یک مرکز داده جدید می‌تواند تنها در عرض دو سال آماده راه‌اندازی شود، اما خطوط انتقال برق از مثلا تأسیسات خورشیدی یا بادی جدید به آن مرکز داده می‌تواند چهار یا پنج برابر بیشتر زمان ببرد.
به اعتقاد او «اگر شما نیاز به ساخت یک خط انتقال جدید در ایالات متحده دارید، از برنامه‌ریزی تا صدور مجوز تا ساخت، یک فرآیند هشت تا 10 ساله است. بنابراین بسیار متفاوت از ایجاد مرکز داده خواهد بود.
پورتر می‌گوید که برای بسیاری از تامین‌کنندگان برق، سریع‌ترین راه برای افزودن ظرفیت تولید برق بیشتر، استفاده از توربین‌های جدید گازسوز است که دقیقاً منطبق با اقدامات اقلیمی نیست.
تقاضای برق به شدت در حال افزایش است. به عنوان مثال، ایالت کارولینا پیش‌بینی رشد هشت برابری بار برق تا سال 2030 را دارد.
