خدمت و خیانت هوش مصنوعی

ساسان شادمان منفرد | روزنامه‌نگار

با شتاب گرفتن موج هوش مصنوعی، تقاضا برای برق مراکز داده به سرعت بالا می‌رود. نهادهای مستقل پیش‌بینی می‌کنند مصرف برق مرتبط با AI تا پایان دهه دست‌کم چند برابر شود و خود مراکز داده به اندازه یک کشور بزرگ برق ببلعند. این گزارش با تکیه بر داده‌های برترین نهادهای بین‌المللی تصویری فشرده از ابعاد مصرف انرژی هوش مصنوعی، ریسک‌ها و راه‌حل‌های روی میز ارائه می‌دهد.

چقدر برق؟
آژانس بین‌المللی انرژی (IEA) می‌گوید مصرف برق مراکز داده در جهان تا ۲۰۳۰ به حدود ۹۴۵تراوات‌ساعت می‌رسد (اندکی بیش از مصرف برق امروز ژاپن) و «هوش مصنوعی» اصلی‌ترین محرک این جهش خواهد بود. به‌طور خاص، مصرف برق مراکز داده بهینه شده برای AI تا ۲۰۳۰ بیش از 4برابر می‌شود. برآوردهای بازار نیز هشدار مشابهی می‌دهند: تا ۲۰۳۵ مراکز داده می‌توانند حدود ۱۶۰۰ تراوات‌ساعت برق مصرف کنند (نزدیک به 4.4درصد برق جهان) اگر مراکز داده، یک کشور بودند رتبه چهارم مصرف برق را پس از چین، آمریکا و هند در اختیار می‌گرفتند.

عددهای خرد
به‌ازای هر پرسش کوتاه در یک مدل زبانی بزرگ، اندازه‌گیری‌های صنعتی از چند میلی‌وات ساعت تا چند صدم وات ساعت متغیر گزارش شده است؛ اما این اعداد به شدت به طول پاسخ، معماری مدل، نوع شتاب‌دهنده و بهره‌وری مرکز داده وابسته‌اند. جمع میلیاردی این درخواست‌هاست که مسئله را بزرگ می‌کند. به‌عنوان مثال، پرسش بی‌دلیل «حال شما چطور است؟» می‌تواند باعث مصرف برقی به اندازه روشنای یک لامپ LED به‌مدت متوسط 5ثانیه شود.

آموزش در برابر اجرا
در چرخه عمر یک مدل هوش مصنوعی «آموزش» پرمصرف‌ترین مرحله است: خوشه‌هایی با هزاران شتاب‌دهنده (GPU/TPU) هفته‌ها تا ماه‌ها بی‌وقفه کار می‌کنند. پس از آن، استنتاج، همان پاسخ به پرسش‌ها یا تولید محتوا برای کاربران است که به‌ازای هر درخواست انرژی بسیار کمتری می‌گیرد، اما وقتی میلیاردها درخواست در روز روی هم جمع می‌شود، سهم استنتاج در مصرف کل به‌سرعت بالا می‌رود. مرور تحلیلی نیچر نیز نشان می‌دهد که اگر خدماتی مثل جست‌وجو یا شبکه‌های اجتماعی «سراسری» به مدل‌های مولد متکی شوند، فشار استنتاج می‌تواند از آموزش هم سبقت بگیرد.

فراتر از برق: آب و کربن
انرژی دیتاسنتر فقط داستان برق نیست؛ «آب خنک‌کاری» و «شدت کربن شبکه» هم اهمیت دارد. مایکروسافت در گزارش پایداری۲۰۲۴ اعلام کرد نسل‌های جدید مراکز داده‌اش را برای خنک‌کاری بدون مصرف آب در سناریوهای مشخص طراحی می‌کند؛ تلاشی برای کاهش فشار بر منابع آبی همزمان با رشد بار هوش مصنوعی. گوگل هم گفت شتاب‌دهنده‌ اختصاصی نسل ششم نسبت به نسل قبلی بیش از 67درصد کارآمدتر است؛ نمونه‌ای از اینکه کارایی تراشه‌ها و نرم‌افزار می‌تواند انرژی هر درخواست AI را کاهش دهد، هرچند رشد حجم کارها بخشی از این دستاورد را خنثی می‌کند.

مصرف انرژی برای کاهش آن
هوش مصنوعی موتور تازه‌ای برای رشد تقاضای برق شده است؛ از آموزش‌های عظیم تا میلیاردها درخواست روزانه. در عین حال، همان فناوری می‌تواند شبکه‌ها را بهینه کند و مصرف انرژی بخش‌های دیگر را کاهش دهد. این دوگانه، سیاستگذار و صنعت را مقابل انتخابی روشن گذاشته است: سرمایه‌گذاری سریع در کارایی، برق کم‌کربن و شفافیت، وگرنه هزینه‌های زیست‌محیطی و زیرساختی، دستاوردهای AI را تحت‌الشعاع قرار خواهد داد.