هزینه‌های پنهانی هوش مصنوعی: از مصرف انرژی تا منابع آبی، چالش‌های اکولوژیکی AI
طبق گزارش ایتنا، همزمان با این تحولات، «OpenAI» با حمایت «دونالد ترامپ»، رئیس‌جمهور سابق ایالات متحده، به پروژه‌ای بلندپروازانه با نام «استارگیت» با بودجه‌ای معادل پنجاه‌میلیارد دلار پرداخته که هدف آن، راه‌اندازی حدود ده مرکز داده است؛ به طوری که هر یک از این مراکز می‌توانند مصرف انرژی بیشتری نسبت به کل ایالت «نیوهمپشایر» داشته باشند.
همچنین، شرکت «اپل» قصد دارد ظرف چهار سال آینده پنجاه‌میلیارد دلار را به توسعه کارخانه‌های تولیدی و مراکز داده در ایالات متحده اختصاص دهد. به علاوه، پیش‌بینی می‌شود که «گوگل» فقط در سال ۲۰۲۵، حدود هفتاد‌وپنج‌میلیارد دلار را به توسعه زیرساخت‌های هوش مصنوعی تخصیص دهد.
این سطح از سرمایه‌گذاری نشان‌دهنده پدیده‌ای جدید در عرصه هوش مصنوعی است و نسبت به روند گذشته فناوری تفاوتی چشمگیر دارد. گزارش‌ها نشان می‌دهند که بین سال‌های ۲۰۰۵ تا ۲۰۱۷، مصرف برق مراکز داده با وجود شکوفایی عظیم سرویس‌های اینترنتی نظیر «فیس‌بوک» و «نتفلیکس» تقریباً ثابت مانده بود، به‌لطف بهبودهای مداوم در کارآیی انرژی.
با این حال، از سال ۲۰۱۷ و همزمان با ظهور جدی فناوری هوش مصنوعی، این روند دستخوش تغییرات اساسی شده است. مراکز داده به سمت استفاده از سخت‌افزارهای با مصرف انرژی بالا حرکت کرده‌اند و مصرف انرژی آن‌ها تا سال دوهزاروبیست‌وسه (۲۰۲۳) به دو برابر افزایش یافته است. طبق تحقیقات اخیر منتشر شده در «eScholarship»، در حال حاضر ۴.۴٪ از کل انرژی ایالات متحده به مراکز داده اختصاص دارد.
با توجه به شتاب فزاینده در توسعه هوش مصنوعی که به سمت تخصصی‌تر شدن و قابلیت حل مسائل پیچیده می‌رود، به نظر می‌رسد مصرف فعلی انرژی در مقایسه با آینده چندان زیاد نباشد. بر اساس پیش‌بینی‌های آژانس ملی «لارنس برکلی» در دسامبر گذشته، انتظار می‌رود تا سال ۲۰۲۸، بیش از نیمی از برق اختصاص یافته به مراکز داده، صرف اجرای برنامه‌های هوش مصنوعی شود. این بدان معناست که هوش مصنوعی به تنهایی قادر است سالانه معادل ۲۲٪ از کل انرژی مصرفی خانگی در ایالات متحده را به خود اختصاص دهد.
دلایل نیاز به منابع گسترده برای آموزش مدل‌های هوش مصنوعی
آموزش مدل‌های هوش مصنوعی به دلیل نیاز به تنظیم میلیاردها پارامتر از طریق محاسبات پیچیده و تکراری، مستلزم مصرف مقادیر زیادی انرژی و منابع است. این فرآیند نیاز به زیرساخت‌های پردازشی بسیار قدرتمند (HPC) دارد که شامل هزاران واحد پردازش گرافیکی (GPU)، پردازنده مرکزی (CPU) و واحدهای پردازش تخصصی هوش مصنوعی (TPU) می‌باشد.
تمام این سخت‌افزارها به‌طور موازی و برای هفته‌ها یا حتی ماه‌ها فعالیت می‌کنند تا یک مدل آموزشی به پایان برسد و در طول این مدت انرژی الکتریکی قابل توجهی مصرف می‌نمایند. هزینه‌های زیاد مرتبط با سخت‌افزار، برق، سیستم‌های خنک‌کننده و نگهداری، باعث می‌شود تا تنها تعداد معتنابهی از شرکت‌ها توانایی مالی برای آموزش مدل‌های بزرگ هوش مصنوعی را داشته باشند. شرکت‌های کوچک‌تر با منابع محدود، زمان زیادی را برای آموزش مدل‌های خود صرف می‌کنند که این امر به مصرف تجمعی بیشتر انرژی منجر می‌شود.
برای درک بهتر این موضوع، می‌توان به آموزش مدل‌های بزرگی چون «ChatGPT-4» اشاره کرد. بر اساس مطالعات انجام شده، آموزش مدل «GPT-3» حدود یک‌هزار و دویست و هشتاد و هفت (۱۲۸۷) مگاوات‌ساعت برق مصرف نمود و ۵۰۲ تن دی‌اکسیدکربن آزاد کرد که معادل آلایندگی ناشی از ۱۱۲ خودروی بنزینی در یک سال است.
جالب است که مدل‌های هوش مصنوعی برای حفظ دقت و ارتباط خود نیازمند آموزش‌ها و به‌روزرسانی‌های مکرر هستند که خود بار مضاعفی بر مصرف انرژی وارد می‌کند. از سوی دیگر، عوامل دیگری همچون خرابی‌های زیرساختی، ناکارآمدی نرم‌افزارها و افزایش پیچیدگی مدل‌ها، آموزش هوش مصنوعی را به یکی از پرمصرف‌ترین فعالیت‌های پردازشی زمانه تبدیل کرده است.
مصرف انرژی در مقیاس جهانی
بر اساس گزارش آژانس بین‌المللی انرژی (IEA)، مراکز داده در سراسر دنیا در سال ۲۰۲۲، چهارصد و شصت (۴۶۰) تراوات‌ساعت برق مصرف کردند و انتظار می‌رود این مقدار تا سال ۲۰۲۶ از مرز یک‌هزار تراوات‌ساعت فراتر رود. این مصرف معادل یک‌سوم تولید سالانه تمامی راکتورهای هسته‌ای جهان و تقریباً برابر با مصرف کل برق کشور ژاپن است.
در چین، پیش‌بینی می‌شود که مصرف انرژی مراکز داده تا سال ۲۰۳۰، در مقایسه با سال ۲۰۲۰، دو برابر شده و به ۴۰۰ تراوات‌ساعت برسد. همچنین در شمال شرقی ایالات متحده، مراکز داده به عامل اصلی افزایش تقاضای برق تبدیل خواهند شد.
وضعیت در اروپا نیز مشابه به‌نظر می‌رسد. برای نمونه، در ایرلند، مراکز داده در سال ۲۰۲۲، حدود ۵.۳ تراوات‌ساعت برق مصرف کرده که ۱۷درصد از کل مصرف برق این کشور را دربر می‌گیرد. اگر این روند ادامه یابد، انتظار می‌رود سهم مراکز داده از مجموع تقاضای برق ایرلند تا سال ۲۰۲۶ به ۳۲ درصد برسد.
مصرف سایر منابع: آب و زمین
مراکز داده هوش مصنوعی تنها مصرف‌کننده انرژی الکتریکی نیستند؛ بلکه برای عملکرد ایمن سخت‌افزارهای خود به سیستم‌های خنک‌کننده وسیع نیز نیاز دارند. سرورها و روترها در حین پردازش داده‌ها، گرمای زیادی تولید می‌کنند که نیاز به سیستم‌های خنک‌کننده کارآمد جهت دفع آن دارند. جالب است که این سیستم‌های خنک‌کننده می‌توانند تا ۴۰درصد از کل انرژی مصرف شده یک مرکز داده را به خود اختصاص دهند.
این مراکز برای بهینه‌سازی خنک‌سازی به مقدار زیادی آب وابسته‌اند و از سیستم‌های پیچیده تهویه مطبوع، چیلرها و رطوبت‌سازها استفاده می‌کنند. اگرچه خنک‌سازی مستقیم سرورها با آب می‌تواند دارای بازدهی بهتری نسبت به خنک‌سازی کلی فضای سالن باشد، اما این مصرف بالای آب ممکن است فشار زیادی به منابع آبی محلی وارد آورد.
یک نمونه از این مورد در شهر «دالس» در ایالت «اورگان» وجود دارد، جایی که مراکز داده گوگل بیش از ۲۵ درصد از آب مصرفی این شهر را می‌بلعند. با رشد بیشتر هوش مصنوعی، انتظار می‌رود مصرف آب شیرین در این حوزه به‌طور قابل‌توجهی افزایش یابد.
علاوه بر انرژی و آب، مراکز داده نیازمند فضای فیزیکی وسیع هستند. یک مرکز داده استاندارد معمولاً حدود ۹,۰۰۰ متر مربع مساحت دارد، در حالی که یکی از بزرگ‌ترین مراکز داده در ایالات متحده به نام «Switch Tahoe Reno»، با مساحتی برابر با شش‌صد و شصت و نه‌هزار (۶۶۹,۰۰۰) متر مربع، حتی از ساختمان پنتاگون نیز بزرگ‌تر است.
در سطح جهانی، تعداد مراکز داده از کمتر از هشت‌هزار (۸,۰۰۰) مورد در ژانویه 2021 به ۱۰,۹۷۸ مورد در نوامبر ۲۰۲۱ افزایش یافته است. پیش‌بینی می‌شود این روند صعودی با افزایش تقاضا برای هوش مصنوعی ادامه یابد که به معنای نیاز روزافزون به زمین، انرژی و آب خواهد بود.
