استفاده از هوش مصنوعی چه اثری بر محیط‌زیست دارد؟

گسترش ابزارهایی همچون ChatGPT و Gemini فقط مصرف محاسباتی را افزایش نمی‌دهد؛ مراکز داده برای اجرای این سامانه‌ها برق و آب بیشتری مصرف می‌کنند و ردپای کربنی آن‌ها نیز در حال افزایش است؛کارشناسان می‌گویند کاربران هم می‌توانند با چند تغییر ساده، مصرف منابع هوش مصنوعی را کاهش دهند.

به گزارش خبرگزاری ایمنا، محبوبیت چت‌بات‌ها و ابزارهای مولد هوش مصنوعی باعث افزایش تقاضا برای مراکز داده شده است؛ مراکزی که پردازش‌های سنگین هوش مصنوعی را به‌صورت شبانه‌روزی انجام می‌دهند. بر اساس داده‌های آژانس بین‌المللی انرژی، مراکز داده اکنون حدود ۴۱۴ تراوات‌ساعت برق در سال مصرف می‌کنند که معادل حدود ۱.۵ درصد مصرف برق جهان است.

این میزان مصرف در سال ۲۰۲۵ با سرعت بیشتری رشد کرده و آژانس بین‌المللی انرژی پیش‌بینی می‌کند تقاضای برق مراکز داده تا سال ۲۰۳۰ بیش از دو برابر شود. علاوه بر برق، مصرف آب برای خنک‌سازی تجهیزات و انتشار گازهای گلخانه‌ای نیز از پیامدهای زیست‌محیطی توسعه زیرساخت‌های هوش مصنوعی محسوب می‌شود.

البته کارشناسان تأکید دارند سهم استفاده فردی از هوش مصنوعی در ردپای زیست‌محیطی یک شخص معمولاً کوچک است؛ مسئله اصلی، مقیاس عظیم استفاده از این فناوری در سراسر جهان است.

۴ روش کاهش اثرات زیست‌محیطی هوش مصنوعی

راهکار تأثیر
استفاده از جست‌وجوی معمولی برای پرسش‌های ساده کاهش پردازش غیرضروری
استفاده از مدل‌های کوچک و تخصصی تا ۹۰ درصد کاهش مصرف انرژی در برخی کاربردها
کوتاه کردن پاسخ‌های هوش مصنوعی کاهش محاسبات و مصرف انرژی
تولید تصویر و ویدئو با وضوح موردنیاز کاهش پردازش و مصرف منابع

یکی از ساده‌ترین راه‌ها، استفاده نکردن از هوش مصنوعی برای کارهایی است که موتورهای جست‌وجوی معمولی می‌توانند به‌راحتی انجام دهند؛ برای مثال، پرسیدن وضعیت آب‌وهوا یا پیدا کردن یک صفحه اینترنتی الزاماً به یک مدل زبانی بزرگ نیاز ندارد.

راهکار مهم دیگر، استفاده از مدل‌های کوچک و تخصصی است. یک مطالعه در سال ۲۰۲۵ نشان داد مدل‌های کوچک‌تر در بعضی وظایف مشخص مانند ترجمه و خلاصه‌سازی می‌توانند بین ۱۵ تا ۵۰ برابر انرژی کمتری مصرف کنند. در همان پژوهش، جایگزینی مدل‌های بزرگ با مدل‌های تخصصی باعث کاهش کلی ۹۰ درصدی مصرف انرژی شد.

میزان خروجی نیز اهمیت زیادی دارد. مدل‌های هوش مصنوعی برای تولید هر کلمه محاسبات بیشتری انجام می‌دهند؛ بنابراین درخواست پاسخ کوتاه می‌تواند مصرف انرژی را کاهش دهد. پژوهشگران دریافتند نصف کردن حجم پاسخ مدل در یک آزمایش، مصرف انرژی را حدود ۵۰ درصد کاهش داده است، در حالی که کوتاه کردن متن ورودی تأثیر بسیار کمتری داشت.

تولید تصویر و ویدئو نیز معمولاً از متن پرمصرف‌تر است. کارشناسان پیشنهاد می‌کنند تصاویر ابتدا با وضوح پایین تولید شوند و تنها در صورت مناسب بودن نتیجه، وضوح آن‌ها افزایش یابد، همچنین تولید چند تصویر در یک درخواست می‌تواند نسبت به ارسال درخواست‌های جداگانه کارآمدتر باشد.

در نهایت، هرچند مسئولیت اصلی کاهش مصرف انرژی و آب بر عهده شرکت‌های فناوری و توسعه‌دهندگان زیرساخت‌های هوش مصنوعی است، انتخاب ابزار مناسب و استفاده هدفمند از آن می‌تواند بخشی از فشار روزافزون این فناوری بر منابع انرژی و محیط‌زیست را کاهش دهد.

کد مطلب 994757

برچسب‌ها

نظر شما

شما در حال پاسخ به نظر «» هستید.