هوش مصنوعی، فناوری ای با قدرت دگرگون کنندگی بی نظیر، این پتانسیل را دارد که انقلابی در زندگی بشر و صنایع گوناگون پدید آورد. امروزه، یک تناقض رو به رشد میان اهداف بلندپروازانه توسعه هوش مصنوعی و محدودیت های زیرساخت های انرژی جهان در حال آشکار شدن است که موضوع اصلی این مقاله خواهد بود. گسترش شتابان کاربردهای هوش مصنوعی، نیازمند افزایش متناسب در تولید و توزیع کارآمد انرژی است.
این تنش میان پتانسیل هوش مصنوعی و محدودیت های انرژی، یکی از چالش های بنیادین عصر ما به شمار می رود. هیجان پیرامون توانمندی های هوش مصنوعی در حوزه هایی مانند سلامت، مالی و حمل ونقل، اغلب نیاز حیاتی به قدرت محاسباتی عظیم را که مستقیماً به مصرف بالای انرژی می انجامد، نادیده می گیرد. هدف این بخش، برجسته کردن این وابستگی حیاتی و طرح آن به عنوان یک چالش مرکزی است که توجه جدی می طلبد.
تقاضای بالای هوش مصنوعی برای انرژی
آموزش مدل های بزرگ هوش مصنوعی، به ویژه مدل های زبانی بزرگ (LLM) مانند GPT-3 و GPT-4، انرژی بسیار زیادی مصرف می کند. برای مثال، شرکت OpenAI برای آموزش مدل GPT-3 خود حدود ۱۲۸۷ مگاوات ساعت برق مصرف کرد. این میزان انرژی، تقریباً معادل مصرف برق سالانه ۱۲۱ خانوار متوسط در ایالات متحده است. کارشناسان تخمین می زنند که آموزش مدل پیشرفته تر GPT-4 به ۵۰ برابر بیشتر از GPT-3 برق نیاز داشته باشد. علاوه بر مرحله آموزش، فرآیند استنتاج یا همان به کارگیری مدل های آموزش دیده برای پاسخ به پرسش ها و انجام پیش بینی ها نیز انرژی قابل توجهی می طلبد.
این مرحله می تواند تا ۶۰ درصد از کل مصرف انرژی مرتبط با هوش مصنوعی را به خود اختصاص دهد. پژوهشگران برآورد کرده اند که یک پرسش ساده از ChatGPT حدود پنج برابر بیشتر از یک جستجوی وب معمولی برق مصرف می کند. گزارشی دیگر نشان می دهد که یک پرسش معمولی در ChatGPT تقریباً ۱۰ برابر بیشتر از یک جستجوی گوگل به برق نیاز دارد. مقیاس انرژی مورد نیاز برای هوش مصنوعی بسیار زیاد است و با افزایش پیچیدگی و پذیرش مدل های هوش مصنوعی به سرعت رشد می کند. این مصرف انرژی، پیامدهای زیست محیطی قابل توجهی، از جمله افزایش انتشار دی اکسید کربن، به همراه دارد.
زیرساخت های انرژی: گلوگاهی در مسیر پیشرفت
زیرساخت های انرژی کنونی با چالش های جدی در تأمین نیازهای روزافزون هوش مصنوعی مواجه هستند. تقاضای جهانی برق از مراکز داده تا سال ۲۰۳0 بیش از دو برابر خواهد شد و به حدود ۹۴۵ تراوات ساعت (TWh) خواهد رسید؛ رقمی که کمی بیشتر از کل مصرف برق فعلی ژاپن است. هوش مصنوعی مهم ترین عامل این افزایش خواهد بود و انتظار می رود تقاضای برق از مراکز داده بهینه سازی شده برای هوش مصنوعی تا سال ۲۰۳۰ بیش از چهار برابر شود. گسترش سریع منابع انرژی تجدیدپذیر برای تأمین انرژی هوش مصنوعی با چالش هایی از جمله مشکلات زنجیره تأمین، هزینه های بالا و ماهیت متناوب برخی از انرژی های تجدیدپذیر روبرو است.
ساخت ظرفیت تجدیدپذیر جدید برای شرکت ها آسان نیست؛ آن ها با مشکلات متعددی در زنجیره تأمین مواجه اند و هزینه های پروژه های بادی و خورشیدی نیز در حال افزایش است. همچنین، ساخت زیرساخت های جدید تولید و انتقال انرژی با زمان های طولانی و موانع نظارتی همراه است. مشکل اینجاست که ساخت زیرساخت های تولید انرژی بسیار کند پیش می رود و شکافی میان سرعت افزایش تولید انرژی و سرعت تقاضای آن وجود دارد.
کمبود انرژی می تواند توسعه و استقرار هوش مصنوعی را کند کرده و احتمالاً توجهات را به مناطقی با زیرساخت های انرژی قوی تر جلب کند. زیرساخت های انرژی موجود به سختی می توانند با رشد سریع هوش مصنوعی همگام شوند و این امر می تواند به یک گلوگاه مهم برای توسعه و پذیرش گسترده آن در آینده تبدیل شود. عدم تطابق بین توسعه سریع هوش مصنوعی و سرعت کند توسعه زیرساخت های انرژی، یک نگرانی حیاتی است.
پیشتازان جهانی هوش مصنوعی و کانون های رشد آینده
بر اساس پژوهش ها، کشورهایی که در حال حاضر در تحقیقات، توسعه و سرمایه گذاری در هوش مصنوعی پیشرو هستند عبارتند از: ایالات متحده (با اختلاف زیاد در تحقیقات، سرمایه گذاری و توسعه مدل پیشتاز است)، چین (پیشرو در ثبت اختراعات و یک رقیب قدرتمند)، بریتانیا، هند، امارات متحده عربی، فرانسه، کره جنوبی، آلمان، ژاپن و سنگاپور و کانادا به بازیگران پیشرو این حوزه تبدیل شده‌اند.
کشورهایی که برای رشد قابل توجه در بخش هوش مصنوعی در ۱۰ سال آینده موقعیت خوبی دارند، آن هایی هستند که هم در زمینه هوش مصنوعی و زیرساخت های انرژی، و هم در زمینه راهبردها و جذب استعدادها سرمایه گذاری می کنند.
عواملی مانند حمایت دولتی (مانند طرح IndiaAI، راهبرد هوش مصنوعی ۲۰۳۱ دبی، برنامه توسعه نسل جدید هوش مصنوعی چین)، سرمایه گذاری خصوصی (سرمایه گذاری خصوصی هوش مصنوعی در ایالات متحده در سال ۲۰۲۴ به ۱۰۹.۱ میلیارد دلار رسید)، خروجی تحقیقاتی، در دسترس بودن استعدادها (ایالات متحده همچنان مقصد اصلی استعدادهای برتر هوش مصنوعی است، اما چین و هند به طور فزاینده ای در حفظ استعدادهای خود موفق تر هستند) و توسعه زیرساخت های انرژی قوی، از جمله منابع انرژی تجدیدپذیر، در این زمینه نقش دارند. کشورهایی مانند امارات متحده عربی با تعهد عمومی به تبدیل شدن به رهبر جهانی در هوش مصنوعی، سرمایه گذاری های سنگینی در مؤسسات تحقیقاتی با کیفیت انجام می دهند.
هوش مصنوعی کم مصرف و راهکارهای پایدار: یک ضرورت انکارناپذیر
توسعه الگوریتم ها و سخت افزارهای هوش مصنوعی با مصرف بهینه انرژی برای کاهش تقاضای روزافزون انرژی و تأثیرات زیست محیطی آن امری حیاتی است. روش های گوناگونی برای کاهش مصرف انرژی مدل های هوش مصنوعی وجود دارد، از جمله هرس کردن مدل (حذف وزن ها یا نورون های غیرضروری)، کوانتیزه سازی (کاهش دقت پارامترهای مدل)، استفاده از معماری های کارآمد (مانند MobileNet)، تقطیر دانش، استفاده از سخت افزارهای تخصصی (GPU، TPU، FPGA) و محاسبات پویا.
توسعه سخت افزارهای تخصصی و کم مصرف برای هوش مصنوعی مانند ASIC (مدارهای مجتمع با کاربرد خاص) و FPGA (آرایه های گیت قابل برنامه ریزی در میدان) نیز در حال انجام است. خود هوش مصنوعی نیز نقش مهمی در بهینه سازی مصرف انرژی در بخش های مختلف از جمله صنعت انرژی، شبکه های هوشمند و ساختمان ها ایفا می کند. هوش مصنوعی می تواند ذخیره سازی انرژی، کارایی باتری و مدیریت شبکه های هوشمند را بهینه کند. استفاده از هوش مصنوعی برای بهینه سازی فرآیندهای کارخانه می تواند مصرف انرژی را تا ۳۰ تا ۵۰ درصد کاهش دهد.
مفهوم نرم افزار “آگاه از کربن” و راهبردهایی برای بهینه سازی بارهای کاری هوش مصنوعی به منظور همسویی با در دسترس بودن انرژی پاک نیز در حال بررسی است. توسعه الگوریتم ها و سخت افزارهای هوش مصنوعی با مصرف بهینه انرژی نه تنها یک ضرورت زیست محیطی است، بلکه راهی برای دسترسی و پایداری بیشتر هوش مصنوعی در بلندمدت نیز به شمار می رود. استفاده از هوش مصنوعی برای بهینه سازی مصرف انرژی در بخش های مختلف، فرصت قابل توجهی برای کاهش کلی تأثیرات انرژی ارائه می دهد.
نتیجه گیری
تقاضای قابل توجه انرژی هوش مصنوعی و محدودیت های زیرساخت های فعلی، هم در سطح جهانی و هم در زمینه خاص ایران، چالش های مهمی را ایجاد می کند. توسعه هوش مصنوعی در دهه آینده با چالش های چندوجهی روبرو خواهد بود که فراتر از انرژی، شامل ملاحظات اخلاقی، اجتماعی و نظارتی نیز می شود. برای هدایت این چالش ها و تضمین آینده ای مثبت و تأثیرگذار برای هوش مصنوعی، تلاش هماهنگ محققان، صنعت، دولت ها و سیاست گذاران برای توسعه راهکارهای هوش مصنوعی با مصرف بهینه انرژی و سرمایه گذاری در زیرساخت های انرژی پایدار ضروری است. آینده هوش مصنوعی به همکاری و دیدگاه آینده نگرانه نیاز دارد که شامل نوآوری های فناورانه، سرمایه گذاری های استراتژیک در زیرساخت های انرژی (به ویژه انرژی های تجدیدپذیر) و توسعه چارچوب های جامع اخلاقی و نظارتی برای استفاده مسئولانه و پایدار از این فناوری تحول آفرین باشد.
