آمارها دروغ نمی‌گویند: تقاضای انرژی هوش مصنوعی به سرعت در حال افزایش است
قدرت پردازشی مورد نیاز برای پیشرفته‌ترین مدل‌های هوش مصنوعی در مسیری صعودی و باورنکردنی قرار دارد، برخی می‌گویند هر چند ماه یک‌بار دو برابر می‌شود. این یک شیب ملایم نیست؛ این شیب صعودی تقریبا عمودی است و حتی خوش‌بینانه‌ترین برنامه‌های انرژی را نیز پشت سر می‌گذارد.
برای درک مقیاس موضوع، کافی‌ست بدانید نیاز آیندۀ هوش مصنوعی به انرژی ممکن است به اندازۀ کل برق مصرفی کشورهایی مانند ژاپن یا هلند، یا حتی ایالت‌های بزرگی از آمریکا مانند کالیفرنیا برسد. وقتی با چنین آمارهایی روبرو می‌شوید، تازه متوجه فشار احتمالی‌ای می‌شوید که هوش مصنوعی می‌تواند بر شبکه‌های برق وارد کند؛ شبکه‌هایی که همۀ ما به آن‌ها وابسته‌ایم.
در سال ۲۰۲۴، شاهد افزایش بی‌سابقۀ ۴.۳ درصدی در تقاضای جهانی برق بودیم، که یکی از دلایل عمده‌اش گسترش هوش مصنوعی بود؛ در کنار رونق خودروهای برقی و فعالیت بیشتر کارخانه‌ها.
اگر به سال ۲۰۲۲ برگردیم، مراکز داده، هوش مصنوعی، و حتی استخراج رمزارزها نزدیک به ۲ درصد از کل برق مصرفی جهان را به خود اختصاص داده بودند – چیزی در حدود ۴۶۰ تراوات‌ساعت (TWh).
در سال ۲۰۲۴، فقط مراکز داده حدود ۴۱۵ TWh برق مصرف می‌کنند، که چیزی حدود ۱.۵ درصد از کل مصرف جهانی است و با نرخ سالانه ۱۲ درصد در حال رشد است. سهم مستقیم هوش مصنوعی از این مقدار هنوز نسبتاً کم است – حدود ۲۰ TWh یا ۰.۰۲ درصد از مصرف انرژی جهانی – اما کمربندها را محکم ببندید، چون این عدد قرار است به‌طرز سرسام‌آوری افزایش پیدا کند.
پیش‌بینی‌ها واقعاً شگفت‌آورند. تا پایان سال ۲۰۲۵، مراکز دادۀ مرتبط با هوش مصنوعی در سراسر جهان ممکن است به ۱۰ گیگاوات (GW) برق اضافه نیاز داشته باشند. این میزان بیشتر از کل ظرفیت برق ایالتی مانند یوتاست.
و تا سال ۲۰۲۷، تقاضای جهانی انرژی مراکز دادۀ هوش مصنوعی ممکن است به ۶۸ گیگاوات برسد، که تقریباً برابر با کل ظرفیت برق ایالت کالیفرنیا در سال ۲۰۲۲ است.
در اواخر این دهه، ارقام حتی حیرت‌انگیزتر می‌شوند. پیش‌بینی می‌شود مصرف برق جهانی مراکز داده تا سال ۲۰۳۰ دو برابر شود و به حدود ۹۴۵ TWh برسد، که نزدیک به ۳ درصد از کل مصرف برق جهان خواهد بود.
اوپک پیش‌بینی می‌کند مصرف برق مراکز داده حتی ممکن است تا سه برابر شده و به ۱۵۰۰ TWh برسد. و گلدمن ساکس؟ آن‌ها می‌گویند تقاضای جهانی انرژی از سوی مراکز داده می‌تواند تا ۱۶۵ درصد نسبت به سال ۲۰۲۳ افزایش یابد، و مراکزی که به‌طور خاص برای هوش مصنوعی تجهیز شده‌اند، با افزایشی بیش از چهار برابر در تقاضا مواجه شوند.
“مصرف انرژی هوش مصنوعی عمدتاً به دو بخش بزرگ تقسیم می‌شود: آموزش مدل‌ها و استفاده از آن‌ها.“
حتی برخی برآوردها حاکی از آن است که اگر انرژی مورد نیاز برای رساندن خدمات هوش مصنوعی به ما، کاربران، را هم در نظر بگیریم، تا سال ۲۰۳۰ مراکز داده می‌توانند تا ۲۱ درصد از کل تقاضای انرژی جهانی را مصرف کنند.
مصرف انرژی هوش مصنوعی عمدتاً به دو بخش بزرگ تقسیم می‌شود: آموزش مدل‌ها و استفاده از آن‌ها.
آموزش مدل‌های بزرگی مانند GPT-4 نیاز به مقدار بسیار زیادی انرژی دارد. تخمین زده می‌شود که فقط برای آموزش GPT-3، حدود ۱۲۸۷ مگاوات‌ساعت (MWh) برق مصرف شده، و گفته می‌شود آموزش GPT-4 حدود ۵۰ برابر بیشتر از آن انرژی نیاز داشته است.
با اینکه مرحله آموزش انرژی‌بر است، اما این استفاده روزمره از مدل‌های آموزش‌دیده است که می‌تواند بیش از ۸۰ درصد از کل انرژی مصرفی هوش مصنوعی را به خود اختصاص دهد. گزارش‌ها حاکی از آن‌اند که پرسیدن تنها یک سؤال از ChatGPT حدود ده برابر بیشتر از یک جستجوی گوگل انرژی مصرف می‌کند (حدود ۲.۹ وات‌ساعت در برابر ۰.۳ وات‌ساعت).
با هجوم عموم مردم به سمت هوش مصنوعی مولد، رقابت برای ساخت مراکز داده‌ای قدرتمندتر، و در نتیجه با مصرف بیشتر، به اوج خود رسیده است.
پس آیا می‌توانیم انرژی لازم برای هوش مصنوعی، و البته برای خودمان، را تأمین کنیم؟
رسیدیم به مهم‌ترین سوال مقاله مگه نه؟ آیا نیروگاه‌های انرژی دنیا توانایی پاسخگویی به این تقاضای جدید را دارند؟ ما همین حالا هم با ترکیبی از سوخت‌های فسیلی، انرژی هسته‌ای و منابع تجدیدپذیر سر و کار داریم. اگر قرار است به‌طور پایدار پاسخگوی اشتهای رو به رشد هوش مصنوعی باشیم، باید روش‌های تولید انرژی را گسترش دهیم و متنوع کنیم، و آن هم با سرعت.
بدیهی است که انرژی تجدیدپذیر، خورشیدی، بادی، آبی و زمین‌گرمایی، نقش بزرگی در این معما دارد. مثلاً در ایالات متحده، سهم منابع تجدیدپذیر در تولید برق قرار است از ۲۳ درصد در سال ۲۰۲۴ به ۲۷ درصد در سال ۲۰۲۶ برسد.
“اما نباید زیادی خوشبین باشیم. انرژی‌های تجدیدپذیر مشکلات خاص خودشان را دارند.“
غول‌های فناوری وعده‌های بزرگی داده‌اند؛ برای مثال، مایکروسافت برنامه دارد که بین سال‌های ۲۰۲۶ تا ۲۰۳۰ به‌اندازه ۱۰.۵ گیگاوات انرژی تجدیدپذیر برای مراکز داده‌اش خریداری کند. جالب اینکه خود هوش مصنوعی می‌تواند به ما کمک کند تا از انرژی تجدیدپذیر به شکلی کارآمدتر استفاده کنیم، مثلاً با هوشمندسازی ذخیره‌سازی انرژی و مدیریت بهتر شبکه‌های برق، شاید بتوان مصرف انرژی را در برخی بخش‌ها تا ۶۰ درصد کاهش داد.
اما نباید زیادی خوشبین باشیم. انرژی‌های تجدیدپذیر مشکلات خاص خودشان را دارند. آفتاب همیشه نمی‌تابد و باد همیشه نمی‌وزد، که این یک مشکل جدی برای مراکز داده است که به برق بی‌وقفه، در تمام ساعات شبانه‌روز و هفت روز هفته نیاز دارند. باتری‌هایی که اکنون داریم برای هموار کردن این نوسانات، اغلب گران‌قیمت هستند و فضای زیادی اشغال می‌کنند. افزون بر این، اتصال پروژه‌های عظیم تجدیدپذیر جدید به شبکه‌های برق موجود می‌تواند فرآیندی کند و پیچیده باشد.
اینجاست که انرژی هسته‌ای برای برخی افراد جذاب‌تر به نظر می‌رسد، به‌ویژه به‌عنوان یک روش پایدار و کم‌کربن برای تأمین نیاز انرژی عظیم هوش مصنوعی. انرژی هسته‌ای می‌تواند همان برق بی‌وقفه‌ی ۲۴ ساعته را تأمین کند، دقیقاً همان چیزی که مراکز داده به آن نیاز دارند. درباره رآکتورهای ماژولار کوچک (SMR) نیز سر و صدای زیادی به پا شده، چون گفته می‌شود انعطاف‌پذیرتر هستند و ویژگی‌های ایمنی پیشرفته‌تری دارند. و این صحبت‌ها فقط ادعا نیست؛ شرکت‌های بزرگی مثل مایکروسافت، آمازون و گوگل به‌طور جدی در حال بررسی گزینه‌های هسته‌ای هستند.
مت گارمن، رئیس بخش سرویس‌های وب آمازون (AWS)، اخیراً در گفت‌وگو با BBC به‌صراحت گفته است که انرژی هسته‌ای یک «راه‌حل عالی» برای مراکز داده است. او گفت این «منبعی عالی از انرژی بی‌کربن و پایدار» است. او همچنین تأکید کرد که برنامه‌ریزی برای تأمین انرژی در آینده بخش بزرگی از کار AWS است.
گارمن گفت: «این چیزی‌ست که از سال‌ها قبل برایش برنامه‌ریزی می‌کنیم. ما از قبل سرمایه‌گذاری می‌کنیم. فکر می‌کنم جهان باید فناوری‌های جدیدی بسازد. من باور دارم که انرژی هسته‌ای بخش بزرگی از این مسیر است، به‌ویژه وقتی به بازه ده‌ساله آینده نگاه می‌کنیم.»
با این حال، ساختن نیروگاه‌های هسته‌ای هم به سادگی تکان دادن چوب جادو نیست. ساخت رآکتورهای جدید به‌طرز بدنامی زمان‌بر است، هزینه‌ای گزاف دارد، و طی کردن هزارتوی مقررات آن نیز دشوار است. و بی‌پرده بگوییم، افکار عمومی درباره انرژی هسته‌ای هنوز چندان قاطع نیست، که اغلب ریشه در حوادث گذشته دارد، حتی با اینکه رآکتورهای مدرن بسیار ایمن‌تر شده‌اند.
سرعت سرسام‌آور توسعه هوش مصنوعی نیز با بازه زمانی که برای ساخت و بهره‌برداری از نیروگاه‌های هسته‌ای لازم است هماهنگی ندارد. این موضوع می‌تواند به این معنا باشد که در کوتاه‌مدت، بیشتر به سوخت‌های فسیلی متکی خواهیم ماند – که چندان هم‌راستا با اهداف محیط‌زیستی‌مان نیست. افزون بر آن، ایده‌ی قرار دادن مراکز داده در نزدیکی نیروگاه‌های هسته‌ای باعث نگرانی‌هایی درباره اثر آن بر قیمت و پایداری برق برای سایر مصرف‌کنندگان شده است.
فراتر از کیلووات‌ّها: تهدیدات زیست‌محیطی هوش مصنوعی نیز درحال افزایش است
تأثیرات هوش مصنوعی بر سیاره فقط به مصرف برقش ختم نمی‌شود. این مراکز داده به‌شدت داغ می‌شوند، و خنک نگه داشتن آن‌ها نیازمند مصرف آب بسیار زیادی است. یک مرکز داده‌ی معمولی برای هر کیلووات‌ساعت انرژی که مصرف می‌کند، حدود ۱.۷ لیتر آب مصرف می‌کند.
“اگر به گزارش‌های زیست‌محیطی شرکت‌های بزرگ فناوری نگاه کنید، می‌توانید افزایش ردپای کربنی هوش مصنوعی را ببینید.“
در سال ۲۰۲۲، گزارش شد که مراکز داده گوگل حدود ۵ میلیارد گالن آب شیرین مصرف کرده‌اند، یعنی افزایشی ۲۰ درصدی نسبت به سال قبل. برخی تخمین‌ها می‌گویند که هر کیلووات‌ساعت برق مصرفی یک مرکز داده ممکن است تا دو لیتر آب فقط برای خنک‌سازی نیاز داشته باشد. به بیان دیگر، زیرساخت جهانی هوش مصنوعی ممکن است به‌زودی شش برابر بیشتر از کل کشور دانمارک آب مصرف کند.
مسئله بعدی کوه در حال رشد پسماندهای الکترونیکی یا همان زباله‌های الکترونیکی است. چون فناوری هوش مصنوعی، به‌ویژه سخت‌افزارهای تخصصی مانند GPU و TPU – بسیار سریع پیشرفت می‌کند و تجهیزات قدیمی زودتر کنار گذاشته می‌شوند. ممکن است با انباشتی از زباله الکترونیکی ناشی از مراکز داده روبه‌رو شویم که تا سال ۲۰۳۰ به پنج میلیون تن در سال می‌رسد.
حتی ساخت تراشه‌های هوش مصنوعی و دیگر اجزای لازم برای مراکز داده نیز به منابع طبیعی و محیط زیست فشار می‌آورد. این یعنی افزایش استخراج مواد معدنی حیاتی مانند لیتیوم و کبالت، اغلب با روش‌هایی که چندان سازگار با محیط زیست نیستند.
فقط ساخت یک تراشه هوش مصنوعی ممکن است بیش از ۱۴۰۰ لیتر آب و ۳۰۰۰ کیلووات‌ساعت برق مصرف کند. این عطش برای سخت‌افزار جدید همچنین موجب رشد نیاز به کارخانه‌های نیمه‌رسانا شده، که اغلب به ساخت نیروگاه‌های گازی بیشتر می‌انجامد.
و البته، نباید از انتشار گازهای گلخانه‌ای نیز غافل شویم. وقتی هوش مصنوعی با برق تولید شده از سوخت‌های فسیلی تغذیه می‌شود، به مشکلات تغییرات اقلیمی که همه ما با آن مواجهیم، دامن می‌زند. تخمین زده می‌شود که آموزش تنها یک مدل بزرگ هوش مصنوعی می‌تواند به اندازه کل دی‌اکسید کربنی که صدها خانه آمریکایی در یک سال منتشر می‌کنند، آلایندگی داشته باشد.
اگر به گزارش‌های زیست‌محیطی شرکت‌های بزرگ فناوری نگاه کنید، می‌توانید افزایش ردپای کربنی هوش مصنوعی را ببینید. مثلاً انتشار سالانه کربن مایکروسافت بین سال‌های ۲۰۲۰ تا ۲۰۲۳ حدود ۴۰ درصد افزایش داشته، عمدتاً به خاطر ساخت مراکز داده بیشتر برای هوش مصنوعی. گوگل نیز گزارش داده که انتشار کل گازهای گلخانه‌ای‌اش در پنج سال گذشته تقریباً ۵۰ درصد افزایش یافته، و تقاضای برق برای مراکز داده هوش مصنوعی نقش اصلی را در این افزایش داشته است.
آیا می‌توانیم با نوآوری از این وضعیت نجات پیدا کنیم؟
شاید آینده تاریک و ناامیدکننده به نظر برسد، اما ترکیبی از ایده‌های نو می‌تواند کمک کند.
امروزه تمرکز بزرگی روی کارآمدتر کردن الگوریتم‌های هوش مصنوعی از نظر مصرف انرژی وجود دارد. پژوهشگران در حال ابداع روش‌هایی هوشمندانه مانند «هرس مدل» (حذف بخش‌های غیرضروری مدل AI)، «کوانتومی‌سازی» (استفاده از اعداد با دقت کمتر برای صرفه‌جویی در انرژی)، و «استخراج دانش» (که در آن یک مدل کوچک‌تر و کم‌مصرف‌تر از مدل بزرگ و پیچیده‌تر یاد می‌گیرد) هستند. طراحی مدل‌های هوش مصنوعی کوچک‌تر و تخصصی‌تر که بتوانند کارهای خاص را با انرژی کمتر انجام دهند نیز از اولویت‌هاست.
در داخل مراکز داده، اقداماتی مانند «محدودسازی توان» (قرار دادن سقفی برای میزان برقی که سخت‌افزار می‌تواند مصرف کند) و «تخصیص پویای منابع» (جا‌به‌جایی قدرت پردازشی بر اساس نیازهای لحظه‌ای و زمان‌هایی که انرژی تجدیدپذیر فراوان است) می‌توانند واقعاً تأثیرگذار باشند. نرم‌افزارهایی که برای هوش مصنوعی بهینه شدند حتی می‌توانند کارهای غیرضروری را به زمان‌هایی منتقل کنند که انرژی پاک‌تر است یا فشار کمتری بر شبکه برق وجود دارد. حتی می‌توان از خود هوش مصنوعی برای بهینه‌سازی سیستم‌های خنک‌کننده مراکز داده استفاده کرد.
هوش مصنوعی موجود در خود دستگاه‌ها نیز می‌تواند به کاهش مصرف انرژی کمک کند. به‌جای ارسال داده به مراکز داده ابری عظیم و پرمصرف، پردازش هوش مصنوعی مستقیماً روی گوشی یا دستگاه شما انجام می‌شود. این امر می‌تواند مصرف انرژی را به شدت کاهش دهد، چون تراشه‌های طراحی‌شده برای این منظور کارآمدی را بر توان خام ترجیح می‌دهند.
و البته، نباید از نقش قوانین و مقررات غافل شویم. دولت‌ها کم‌کم به این واقعیت پی می‌برند که باید هوش مصنوعی را از نظر مصرف انرژی و تأثیرات زیست‌محیطی پاسخ‌گو کرد.
داشتن روش‌های شفاف و استاندارد برای اندازه‌گیری و گزارش ردپای زیست‌محیطی هوش مصنوعی، مهم‌ترین گام برای شروع است. همچنین، به سیاست‌هایی نیاز داریم که شرکت‌ها را تشویق کنند سخت‌افزارهایی تولید کنند که عمر بیشتری دارند و بازیافت‌شان آسان‌تر است، تا به مقابله با کوه زباله‌های الکترونیکی کمک شود. مواردی مانند سیستم‌های تبادل اعتبار انرژی حتی می‌توانند مشوق مالی برای شرکت‌ها ایجاد کنند تا فناوری‌های هوش مصنوعی سبزتر را انتخاب کنند.
“اگر بخواهیم به این تقاضای رو به رشد پاسخ بدیم، باید ترکیبی هوشمند از منابع انرژی داشته باشیم.“
شایان ذکر است که امارات متحده عربی و ایالات متحده آمریکا جدیدا بر سر ساخت بزرگ‌ترین پردیس هوش مصنوعی خارج از آمریکا در منطقه خلیج فارس توافق کردند. در حالی که این موضوع اهمیت روزافزون هوش مصنوعی در سطح جهان را نشان می‌دهد، هم‌زمان توجه‌ها را به این نکته جلب می‌کند که چرا نگرانی‌های مربوط به انرژی و محیط زیست باید در صدر اولویت‌ها برای پروژه‌هایی در این ابعاد باشند.
یافتن آینده‌ای پایدار برای هوش مصنوعی
هوش مصنوعی توانایی انجام کارهای شگفت‌انگیزی را دارد، اما اشتهای سیری‌ناپذیرش برای انرژی، مانعی جدی است. پیش‌بینی‌ها درباره نیازهای آن به انرژی در آینده واقعاً نگران‌کننده است و ممکن است با مصرف برق کل کشورهای بزرگ برابری کند.
اگر بخواهیم به این تقاضای رو به رشد پاسخ بدیم، باید ترکیبی هوشمند از منابع انرژی داشته باشیم. انرژی‌های تجدیدپذیر در بلندمدت فوق‌العاده‌اند، اما وقتی صحبت از تأمین پایدار و افزایش سریع ظرفیت می‌شود، با چالش‌هایی روبه‌رو هستند. انرژی هسته‌ای، از جمله رآکتورهای مدولار کوچک (SMR)، یک گزینه کم‌کربن و قابل اتکاست که به‌وضوح توجه شرکت‌های بزرگ فناوری را جلب کرده است. اما هنوز باید درک بهتری از میزان ایمنی، هزینه‌ها و زمان‌بر بودن ساخت آن‌ها پیدا کنیم.
و فراموش نکنیم، موضوع فقط مصرف برق نیست. تأثیرات زیست‌محیطی گسترده‌تر هوش مصنوعی، از آبی که برای خنک کردن مراکز داده مصرف می‌کند، تا کوه‌های رو به رشد زباله‌های الکترونیکی ناشی از سخت‌افزار آن، و منابع طبیعی‌ای که در فرآیند تولید مصرف می‌شوند، بسیار زیاد است. اگر واقعاً به کاهش ردپای زیست‌محیطی هوش مصنوعی متعهد هستیم، باید به تمام این جنبه‌ها توجه کنیم.
خبر خوب این است که ایده‌ها و نوآوری‌های امیدوارکنندۀ زیادی در حال شکل‌گیری هستند.
الگوریتم‌های هوش مصنوعی با مصرف انرژی کمتر، مدیریت هوشمند مصرف برق در مراکز داده، نرم‌افزارهایی که برای هوش مصنوعی بهینه شدند و می‌توانند بارهای کاری را هوشمندانه مدیریت کنند، و گرایش به سمت پردازش هوش مصنوعی بر روی خود دستگاه‌ها، همه راه‌هایی برای کاهش مصرف انرژی ارائه می‌دهند. علاوه بر این، همین که امروزه بیشتر درباره تأثیرات زیست‌محیطی هوش مصنوعی صحبت می‌شود، نشان می‌دهد که بالاخره بحث کردن درمورد قوانین و سیاست‌هایی برای زیست‌پایشی شروع شده است.
مقابله با چالش‌های انرژی و زیست‌محیطی هوش مصنوعی نیازمند آن است که همه، از پژوهشگران گرفته تا صنعت فناوری و سیاست‌گذاران به‌سرعت دست به کار شوند.
اگر بهره‌وری انرژی را در اولویت توسعۀ هوش مصنوعی قرار دهیم، به درستی در انرژی‌های پایدار سرمایه‌گذاری کنیم، سخت‌افزار را از مرحله تولید تا بازیافت مسئولانه مدیریت کنیم، و سیاست‌های حمایتی لازم را ایجاد کنیم، می‌توانیم به آینده‌ای امیدوار باشیم که در آن پتانسیل شگفت‌انگیز هوش مصنوعی بدون نابود کردن سیاره‌مان محقق شود.
رقابت برای پیشتازی در عرصۀ هوش مصنوعی باید رقابت برای دستیابی به هوش مصنوعی پایدار نیز باشد.
