هوش مصنوعی با سرعتی سرسامآور در حال رشد است، اما این توسعه شتابزده پرسشی مهم را مطرح میکند: آیا مزایای اقلیمی آن زودتر از هزینههای زیستمحیطیاش از راه میرسند؟ هر مرکز داده جدید با این وعده ساخته میشود که هوش مصنوعی در نهایت کربن بیشتری نسبت به آنچه تولید میکند، صرفهجویی خواهد کرد. این ادعا منطقی به نظر میرسد، اما زمانی که پای زمانبندی به میان میآید، داستان شکل دیگری پیدا میکند. واقعیت این است که بدهی کربنی هوش مصنوعی ابتدا ایجاد میشود، سپس شاید صرفهجوییها از راه برسند.
بدهی کربنی هوش مصنوعی؛ صورتحساب کربن زودتر میرسد
کربن منتظر نمیماند. پژوهش جدیدی هزینه این تأخیر را در مقایسه با بودجه گرمایشی باقیمانده زمین محاسبه کرده است. نتیجه این مطالعه، روایت رایج درباره رابطه هوش مصنوعی و تغییرات اقلیمی را وارونه میکند.
یاسین شرابی، جغرافیدان دانشگاه کویت، مدلی طراحی کرد تا مشخص شود انتشار گازهای گلخانهای ناشی از هوش مصنوعی دقیقاً چه زمانی رخ میدهد. او دورهای طولانی را شناسایی کرد که آن را «دره کربن» نامید.
این دره به سالهایی اشاره دارد که ساخت، توسعه، نگهداری، بهرهبرداری از سامانههای هوش مصنوعی کربن بیشتری نسبت به میزان صرفهجویی حاصل از آنها وارد جو میکند.
زمانبندی اهمیت زیادی دارد، زیرا بر اساس اصول پایه فیزیک اقلیم، میزان گرمایش زمین به مجموع کربنی بستگی دارد که در طول زمان در جو انباشته میشود. بنابراین، جهان تنها بودجه محدودی پیش از عبور از آستانه افزایش دمای ۱.۵ درجه سانتیگراد در اختیار دارد.
طبق سریعترین سناریوی بررسیشده که «Lift-Off» نام دارد، هوش مصنوعی پیش از آنکه صرفهجویی سالانه آن از اواخر سال ۲۰۳۱ بر انتشار غلبه کند، حدود ۲.۸۵ میلیارد تن کربن اضافی وارد جو خواهد کرد. این میزان، بخش قابل توجهی از بودجه کربنی باقیمانده زمین را مصرف میکند.
البته همه انواع هوش مصنوعی به یک اندازه مسئول این بدهی نیستند. براساس یکی از مطالعات، چتباتهای عمومی برای هر وظیفه انرژی بسیار بیشتری نسبت به ابزارهای تخصصی طراحیشده برای کاهش انتشار کربن مصرف میکنند.
بدهی کربنی هوش مصنوعی چگونه شکل میگیرد؟
عدد ۲.۸۵ میلیارد تن، یک انتشار یکباره نیست. نزدیک به ۷۰ درصد این میزان، یعنی حدود ۲ میلیارد تن، ناشی از برق مورد نیاز برای فعالیت شبانهروزی مراکز داده است.
بخش بعدی این بدهی از مشکلی کمتر دیدهشده ناشی میشود. سرورهای هوش مصنوعی بدون توقف کار میکنند، بنابراین افزایش تقاضای برق آنها معمولاً توسط نیروگاههایی تأمین میشود که سریعتر توان تولید خود را افزایش میدهند.
این نیروگاهها اغلب آلایندگی بیشتری نسبت به میانگین شبکه برق دارند، موضوعی که حدود یک میلیارد تن کربن دیگر به این بدهی اضافه میکند. سهم کوچکتری نیز، حدود ۲۰ میلیون تن، به تولید تراشهها مربوط میشود.
انتشار ناشی از تولید تراشهها بهصورت دورهای رخ میدهد، زیرا هر چند سال یکبار سختافزارهای قدیمی با نسلهای جدید جایگزین میشوند. ارزیابی چرخه عمر تجهیزات هوش مصنوعی نشان میدهد این ردپای کربنی با هر نسل افزایش مییابد.
چرا افزایش بهرهوری کافی نیست؟
ممکن است تصور شود تراشههای کارآمدتر میتوانند این مشکل را حل کنند، اما چنین اتفاقی رخ نمیدهد. دلیل آن پدیدهای اقتصادی به نام «اثر بازگشتی» است؛ فناوریهای ارزانتر و کارآمدتر معمولاً بیشتر مورد استفاده قرار میگیرند، نه کمتر.
اعداد این موضوع را بهخوبی نشان میدهند. تا سال ۲۰۳۰، هوش مصنوعی پیشرفته میتواند حدود ۱۵۴ تراواتساعت در مصرف برق صرفهجویی کند. اما رقابت برای توسعه بیشتر این فناوری، ۳۱۸ تراواتساعت مصرف اضافی ایجاد خواهد کرد؛ رقمی بیش از دو برابر میزان صرفهجویی.
مطالعهای دیگر درباره اثر بازگشتی هوش مصنوعی نیز به همین نتیجه رسیده است. به همین دلیل، امید بستن صرف به تراشههای کارآمدتر نوعی آرامش کاذب محسوب میشود.
اگرچه روی کاغذ دستاوردهای بهرهوری واقعی به نظر میرسند، اما در عمل شبکه برق انرژی بیشتری مصرف میکند، زیرا رشد تقاضا از سرعت پیشرفت فناوری پیشی میگیرد.
هزینه پنهان خنکسازی مراکز داده
محل استقرار مراکز داده نیز در این معادله نقش مهمی دارد. یک مرکز داده در آمریکای شمالی حدود یکسوم بیشتر از مصرف مستقیم تراشهها برق استفاده میکند که بخش عمده آن صرف خنکسازی میشود. این میزان در خاورمیانه میتواند تقریباً دو برابر باشد.
دلیل این موضوع کاملاً فیزیکی است. هوای گرم بیرون، دفع حرارت تولیدشده توسط سرورها را دشوارتر میکند. در نتیجه، مناطق گرم بین ۳۷ تا ۴۵ درصد برق بیشتری نسبت به مناطق خنک مصرف میکنند.
هیچ راهکار نرمافزاری نمیتواند این محدودیت را از میان بردارد. این مرز توسط گرما، شرایط آبوهوایی تعیین میشود، نه کدنویسی. بسیاری از مناطق گرم نیز همچنان به شبکههای برق وابسته به سوختهای فسیلی متکی هستند که بار کربنی بیشتری ایجاد میکند.
تأخیر، بدهی کربنی را عمیقتر میکند
یکی از مهمترین عوامل تعیینکننده عمق «دره کربن»، سرعت بهکارگیری هوش مصنوعی برای کاهش انتشار گازهای گلخانهای است. تأخیر در استقرار این فناوری، بدهی کربنی را سالانه حدود ۴۵۰ میلیون تن افزایش میدهد.
شرابی این موضوع را «هزینه تردید» مینامد. تأخیر سهساله، بدهی کربنی را از ۲.۸۵ میلیارد تن به حدود ۴.۲ میلیارد تن افزایش میدهد. اگر این تأخیر به پنج سال برسد، این رقم از ۵.۱ میلیارد تن فراتر خواهد رفت.
ساخت زیرساختهای هوش مصنوعی بلافاصله کربن منتشر میکند. اما صرفهجوییها تنها زمانی بهتدریج ظاهر میشوند که شرکتهای برق، کارخانهها، ناوگان حملونقل استفاده از این ابزارها را آغاز کنند. بنابراین، هر تأخیر فاصله میان هزینه و منفعت را بیشتر میکند.
چرا زمانبندی اهمیت دارد؟
صرفهجوییهای آینده بهعنوان انتشارهای جلوگیریشده محسوب میشوند، نه کربنی که از جو حذف شده باشد. این فرآیندی یکطرفه است.
این صرفهجوییها میتوانند سرعت انتشارهای آینده را کاهش دهند، اما قادر نیستند کربنی را که پیشتر وارد جو شده، پاک کنند. جبران این بدهی در آینده نیازمند فناوریهای حذف کربن خواهد بود؛ فناوریهایی که هنوز در مقیاس گسترده وجود ندارند.
پژوهشگران پیشتر میدانستند هوش مصنوعی انرژیبر است، همچنین افزایش بهرهوری بهندرت میتواند همگام با رشد تقاضا پیش برود. اما آنچه تاکنون مشخص نبود، اندازه دقیق این شکاف، زمان وقوع آن در مقایسه با بودجه رو به کاهش کربنی زمین بود.
این مدل راهکارهایی نیز پیشنهاد میکند که بیش از قدرت پردازشی به زمانبندی وابستهاند. اجرای وظایف سنگین هوش مصنوعی در زمان اوج تولید انرژی بادی، خورشیدی یا احداث مراکز داده در مناطق خنکتر میتواند عمق دره کربن را کاهش دهد.
برای افرادی که ادعاهای اقلیمی مرتبط با هوش مصنوعی را ارزیابی میکنند، این یافتهها پرسش اصلی را تغییر میدهد. اکنون روشن شده که در تمام سناریوها، بدهی کربنی کوتاهمدتی وجود دارد که قابل بازگشت نیست.
بنابراین آزمون واقعی دیگر این نیست که صرفهجوییها از راه میرسند یا نه؛ بلکه این است که چه زمانی از راه خواهند رسید.
نتایج این پژوهش در نشریه علمی Communications Earth & Environment منتشر شده است.
جمعبندی
بدهی کربنی هوش مصنوعی نشان میدهد توسعه سریع AI پیش از ایجاد منافع اقلیمی، هزینه قابل توجهی به بودجه کربنی زمین تحمیل میکند. زمانبندی در این معادله، نقشی حیاتی دارد.
نظر شما چیست؟ آیا مزایای بلندمدت هوش مصنوعی میتواند این بدهی کربنی اولیه را توجیه کند؟ دیدگاه خود را با ما به اشتراک بگذارید.
