آیا هوش مصنوعی آینده ما را می‌سازد یا نابود می‌كند؟

امروزه با دو پدیده به ظاهر متفاوت و نامربوط به هم مواجه هستیم: تغییر اقلیم و ظهور هوش مصنوعی. در نگاه اول احتمالا ارتباط خاصی بین این دو نباید وجود داشته باشد غیر از اینكه شما از هوش مصنوعی درباره تغییر اقلیم سوال كنید و هوش مصنوعی به شما جواب بدهد. اما متخصصان اقلیم و اقتصاددانان حوزه انرژی اینچنین فكر نمی‌كنند.

به گزارش «انرژی امروز» از روزنامه اعتماد، بخش بزرگی از جامعه متخصص حوزه محیط زیست و انرژی بر این باورند كه هوش مصنوعی رخدادهای اقلیمی را تشدید خواهد كرد. به واقع به‌واسطه حجم عظیم انرژی مورد نیاز مراكز داده، هوش مصنوعی می‌تواند انتشار گازهای گلخانه‌ای را افزایش بدهد و این گازها عامل مستقیم تشدید رخدادهای اقلیمی هستند. شركت هلدینگ خدمات مالی و بانكداری چندملیتی امریكایی ولز فارگو پیش‌بینی كرده كه تقاضای برق هوش مصنوعی تا سال 2026 به میزان 550 درصد افزایش یابد و از 8 تراوات ساعت در سال 2024 به 52 تراوات ساعت برسد. اما ماجرا به همین‌جا ختم نمی‌شود؛ یك افزایش 1150 درصدی دیگر هم در پیش است. رقم 652 تراوات ساعتی، آن هم تا سال 2030. این رشد قابل توجه 8050 درصدی نسبت به سطح پیش‌بینی شده در سال 2024 است. تحلیلگران بر این باورند كه پیش‌بینی‌های خوشبینانه غول‌های فناوری درباره نقش بالقوه هوش مصنوعی در مقابله با بحران اقلیم، اغلب تقاضای رو به رشد انرژی مراكز داده عظیم را نادیده می‌گیرد. پس سوال این است كه آیا هوش مصنوعی زندگی ما را بهتر خواهد كرد یا بدتر؟

خوشبینی یا بدبینی؛ كدام بهتر است؟

هفته آینده در 10 و 11 فوریه 2025 (22 و 23 بهمن ماه) فرانسه میزبان اجلاس «اقدام هوش مصنوعی» خواهد بود با حضور سران كشورها و دولت‌ها، رهبران سازمان‌های بین‌المللی، مدیران عامل شركت‌های كوچك و بزرگ، نمایندگان دانشگاه‌ها و موسسات غیردولتی و اعضای جوامع مدنی. یكی از محورهای مورد بحث در این اجلاس، جنبه زیست‌محیطی هوش مصنوعی و تاثیر آن، مثبت یا منفی بر بحران اقلیم است. تشدید بحران تغییر اقلیم و گسترش سریع هوش مصنوعی قرار است جهان ما را تغییر بدهد و سیستم‌های سیاسی، اقتصاد و زندگی روزمره ما را متحول كند. با این حال، آنچه اغلب نادیده گرفته می‌شود، آن بی‌شمار روش‌هایی است كه تغییر اقلیم و هوش مصنوعی روی یكدیگر همپوشانی دارند و بر یكدیگر تاثیر می‌گذارند. بشر عاشق ساده‌سازی است، بنابراین بسیاری از بحث‌های كنونی پیچیدگی رابطه بین هوش مصنوعی و تغییر اقلیم را به‌هیچ عنوان در نظر نمی‌گیرند. در حالی كه فناوران خوشبینانه از هوش مصنوعی به عنوان نوشدارویی برای مشكلات جهان یاد می‌كنند، بدبین‌های فناوری هزینه‌های زیست‌محیطی آن را برجسته می‌كنند و هشدار می‌دهند كه فناوری‌های نوظهور می‌توانند در نهایت بحرانی را كه قصد حل آن دارند، تشدید كنند. اما هوش مصنوعی این پتانسیل را دارد كه به ما در دستیابی به اهداف مهم اقلیمی كمك كند و سیاست‌های خوب طراحی شده می‌توانند و باید هزینه‌های زیست‌محیطی آن را كاهش بدهند. با این حال پیش‌بینی‌های بسیار خوشبینانه حاكمان سیلیكون‌ولی در مورد نقش بالقوه هوش مصنوعی در مقابله با بحران اقلیم بر نیاز به رویكردی متفاوت تاكید می‌كند. مثلا در ماه سپتامبر، سام آلتمن، مدیرعامل اوپن‌ای‌آی مقاله‌ای منتشر كرد با تصویرسازی از آینده‌ای كه در آن هوش مصنوعی تقریبا بدون محدودیت و با انرژی فراوان پیروزی‌های خیره‌كننده را ممكن ساخته، بر مشكلاتی چون بحران اقلیم، تاسیس یك مستعمره فضایی و گشودن اسرار فیزیك كمك می‌كند.

اریك اشمیت، مدیرعامل سابق گوگل هم تایید می‌كند كه هوش مصنوعی بر بحران اقلیم موثر است، اما می‌گوید: «من ترجیح می‌دهم مشكل هوش مصنوعی را حل كنم نه اینكه آن را محدود كنم.» و غول‌های فناوری مانند گوگل و مایكروسافت اغلب لاف استفاده از هوش مصنوعی برای ارتقای پایداری می‌زنند. اما واقعیت این است كه انتشار دی‌اكسید كربن این غول‌ها در سال 2019 و 2020 به ترتیب 48 درصد و 29 درصد افزایش یافته كه عمدتا به دلیل تقاضای رو به رشد انرژی مراكز عظیم داده است.

مطمئنا پیشرفت‌ در پردازش داده‌ها و محاسبات مورد نیاز هوش مصنوعی می‌تواند تحقیقات علمی را تسریع كند و ما را قادر سازد تا با چالش‌های فوری جهانی مقابله كنیم. به عنوان مثال مدل‌های آلفافولد دیپ‌مایند درك ما را از ساختارهای پروتئینی متحول كرده و پیامدهای بسیار شگفت‌آوری برای علوم زیستی به بار آورده است. اما این پیشرفت‌ها كه حاصل سال‌ها همكاری بین‌رشته‌ای بین محققان و دانشمندان هوش مصنوعی است با یك هوش مصنوعی دانای كل (AGI) كه قادر به حل فوری مشكلات پیچیده علمی و فناوری باشد، فاصله زیادی دارد.

درواقع بشر نه‌تنها هنوز نتوانسته به یك هوش مصنوعی دانای كل دست‌ یابد، بلكه حتی به دستیابی به آن نزدیك هم نشده است. حتی اگر بر اساس پیش‌بینی خوشبین‌ترین حامیان هوش مصنوعی، هوش ‌مصنوعی دانای كل تا 5 سال آینده ظاهر شود و پیشرفت‌هایی هم در همجوشی هسته‌ای پایدار یا در كارایی سلول‌های خورشیدی به دست آید، باز هم بشر همچنان باید با واقعیت‌های اقتصادی و سیاسی آشفته گذار انرژی پاك دست و پنجه نرم كند.

در حال حاضر بسیاری از فناوری‌های مورد نیاز برای دستیابی به انتشار خالص صفر وجود دارند و می‌توانند كارآمدتر یا مقرون به‌صرفه‌تر شوند، اما موانع موجود بر سر راه استقرار و گسترش این فناوری‌ها انعكاسی است از تضاد منافع سیاسی، اقتصادی، مالی و اجتماعی كه چشم‌انداز ژئوپلیتیك جهانی را شكل می‌دهد. بر همین اساس تحلیلگران بر این باورند كه خوشبینی آلتمن و دیگر سردمداران غول‌های فناوری مبنی بر اینكه هوش مصنوعی بحران اقلیم را حل خواهد كرد، این واقعیت‌ها را پنهان می‌كند و با توجه به ردپای عظیم كربن مراكز داده، تكیه بر چنین وعده‌هایی برای آینده بشر خطرناك است.

آمارها می‌گویند مراكز داده مصرف برقی معادل 2 تا 4 درصد از كل مصرف برق ایالات متحده، اتحادیه اروپا و چین و بیش از 20 درصد مصرف برق ایرلند را از آن خود كرده‌اند.

اما نكته تاسف‌آور این است آنها كه ردپاهای بزرگ‌تری دارند در انتشار كربن، مثلا آمازون، اپل، مایكروسافت، گوگل و متا به ترفندهای بزرگ‌تری هم متكی می‌شوند برای فریب افكار عمومی، ترفندهایی چون كسب گواهینامه‌های انرژی تجدیدپذیر و در نتیجه ردپای خود در بحران اقلیم را پنهان می‌كنند.

برخی بر این باورند كه مدل‌هایی كه اخیرا توسط شركت چینی DeepSeek منتشر شده، دقیقا به این دلیل كه به نظر می‌رسد نسبت به همتایان امریكایی خود از نظر انرژی بسیار كارآمدتر هستند، سر و صدای زیادی به پا كرده است.

اما پارادوكسی مطرح است و آن اینكه محققان نشان داده‌اند كه افزایش راندمان و در نتیجه هزینه‌های كمتر، احتمال افزایش تقاضا برای عملكردهای جدید هوش مصنوعی را بالا برده درنتیجه مصرف انرژی كلی هم بیشتر شود.

بنابراین محققان حوزه محیط زیست معتقدند به جای اینكه بپرسیم آیا هوش مصنوعی می‌تواند به ما در دستیابی به اهداف اقلیمی كمك كند، باید اطمینان حاصل كنیم كه قبل از اینكه این فناوری‌ها بتوانند به وعده‌های خود عمل كنند، مراكز داده تشنه انرژی و منابع، كره زمین را از نقاط اوج زیست‌محیطی عبور ندهند. به باور این محققان، دستیابی به چنین هدفی مستلزم آن است كه این مراكز داده و گردانندگان غول‌های فناوری داده‌های انتشار گازهای گلخانه‌ای را منتشر كنند و گزارش‌هایی دقیقی از آن ارائه بدهند. ایجاد ساز و كارهای مالیاتی بر انتشارات هم می‌تواند راه‌حلی موثر برای مقابله با اثرات مخرب این مراكز داده باشد.

دریایی فراتر از كربن

حتی اگر كارشناسان فقط روی میزان گازهای گلخانه‌ای منتشر شده از مراكز داده تمركز كنند، محاسبه تاثیر دقیق هوش مصنوعی بر بحران اقلیم دشوار است، چون انواع مختلف هوش مصنوعی مانند مدل‌های یادگیری ماشینی، برنامه خودروهای خودران یا مدل زبان بزرگ برای ربات چت، همگی به مقادیر متفاوتی از محاسبات نیاز دارند. آمارها می‌گویند زمانی كه اوپن‌ای‌آی مدل زبان بزرگ (LLM) خود به نام GPT-3 را آموزش داد، معادل 500 تن دی اكسید كربن تولید كرد. مدل‌های ساده‌تر كمترین میزان انتشار را دارند.

اما وقتی تنها از یك لنز انتشارات این شركت‌ها بررسی نمی‌شود، درك تاثیر این مدل‌ها بر محیط زیست پیچیده‌تر هم می‌شود. دیوید رولنیك، دانشمند علوم كامپیوتر در دانشگاه مك گیل، هوش مصنوعی را به یك چكش تشبیه می‌كند؛ او می‌گوید: «تاثیر اصلی یك چكش در آن چیزی است كه چكش می‌خورد، نه آنچه در چكش است.» درست همان طور كه چكش می‌تواند چیزی را خرد كند برای ساختن خانه نیز به كار می‌آید؛ هوش مصنوعی نیز می‌تواند به محیط زیست آسیب برساند یا به آن كمك كند.

صنعت سوخت‌های فسیلی را در نظر بگیرید. در سال 2019 مایكروسافت شراكت جدیدی با اكسون موبیل به راه انداخت و اكسون موبیل اعلام كرد كه این شركت از پلتفرم محاسبات ابری مایكروسافت اژر استفاده خواهد كرد. این غول نفتی ادعا كرد كه با استفاده از این فناوری كه برای كارهای خاصی مانند تجزیه و تحلیل عملكرد به هوش مصنوعی متكی است، می‌تواند عملیات استخراج را بهینه كند و تا سال 2025، تولید را معادل50 هزار بشكه نفت در روز افزایش بدهد. در این مورد، هوش مصنوعی مایكروسافت مستقیما برای تولید سوخت‌های فسیلی بیشتر استفاده می‌شود كه در صورت سوختن، گازهای گلخانه‌ای منتشر می‌كند.

استخراج سوخت‌های فسیلی تنها كاربرد هوش مصنوعی نیست كه می‌تواند برای محیط زیست مضر باشد. اِما استروبل، دانشمند علوم كامپیوتر در دانشگاه كارنگی ملون، می‌گوید: «نمونه‌هایی از این دست در هر بخش مانند جنگلداری، مدیریت زمین و كشاورزی هم وجود دارد.»

این موضوع را می‌توان در نحوه استفاده از هوش مصنوعی در تبلیغات خودكار نیز مشاهده كرد. بر اساس گزارش ساینتیفیك امریكن، هنگامی كه یك تبلیغ خاص در اینستاگرام یا فیس‌بوك ظاهر می‌شود، الگوریتم‌های تبلیغاتی بسیاری پشت‌پرده كار می‌كنند. رولنیك می‌گوید كه این عمل رفتار مصرفی كلی را در جامعه تقویت می‌كند.

به عنوان مثال، با تبلیغات مد سریع و تبلیغات هدفمند، چرخش ثابتی از لباس‌های ارزان و تولید انبوه را به سمت مصرف‌كنندگان می‌آورد، در نتیجه خرید لباس‌هایی افزایش می‌یابد كه صرفا در یك بازه زمانی كوتاه استفاده خواهند شد. این امر تقاضای بالاتری را برای شركت‌ها و صنعت مدِ سریع ایجاد می‌كند؛ شركت‌هایی كه همین حالا هم مجموعا تا 8 درصد از انتشار جهانی را تولید می‌كند. صنعت مد سریع بیشتر از صنعت حمل و نقل گازهای گلخانه‌ای تولید می‌كند و باعث می‌شود لباس‌های دور ریخته شده بیشتری در محل‌های دفن زباله جمع شوند.

در كنار همه اینها اما برنامه‌های كاربردی هوش مصنوعی وجود دارد كه می‌تواند به مقابله با تغییر اقلیم و سایر مشكلات زیست محیطی، مانند تخریب ناشی از توفان‌های شدید كمك كنند. یكی از این برنامه‌ها xView2 است؛ برنامه‌ای كه مدل‌های یادگیری ماشینی و بینایی كامپیوتری را با تصاویر ماهواره‌ای تركیب می‌كند تا ساختمان‌های آسیب دیده در بلایای طبیعی را شناسایی كند. این برنامه توسط واحد نوآوری دفاعی وزارت دفاع ایالات متحده راه‌اندازی شده است.

مدل‌های این برنامه می‌توانند زیرساخت‌های آسیب‌دیده را ارزیابی كنند، در نتیجه خطر را كاهش داده و در زمان صرفه‌جویی می‌كنند. همچنین این مدل‌ها قادرند به تیم‌های جست‌وجو و نجات كمك كند تا تلاش‌های‌شان را هدفمند انجام بدهند. نظارت بر انتشار گازهای گلخانه‌ای از دیگر كاربردهای هوش مصنوعی است. دانشمندان انتشار گازهای گلخانه‌ای تاسیسات تحت نظارت را شناسایی می‌كنند. بعد از تصاویر ماهواره‌ای برای مشخص كردن نشانه‌های بصری فعالیت‌های ایجاد كننده انتشار استفاده می‌كنند. در مرحله بعد، مهندسان الگوریتم‌هایی را روی این داده‌ها آموزش می‌دهند تا برنامه‌ها تخمین انتشار گازهای گلخانه‌ای را تنها بر اساس ورودی بصری تولید كنند. این تنها دو نمونه از كاربردهای هوش مصنوعی در جهت مقابله با گرمایش جهانی بود. به نظر می‌رسد پاسخ به این سوال كه هوش مصنوعی آینده ما را خواهد ساخت یا نابود خواهد كرد، بستگی به این دارد كه كاربرد هوش مصنوعی به چه نحو تعریف می‌شود و سیاستگذاران از این تعریف چگونه بهره ببرند.