هوش مصنوعی
هوش مصنوعی چگونه می‌تواند به محیط‌زیست آسیب بزند؟
هوش مصنوعی با وجود استفاده‌های فراوانی که دارد، می‌تواند به محیط‌زیست هم آسیب بزند؛ اما چگونه؟
هوش مصنوعی یکی از مهم‌ترین فناوری‌های حال‌حاضر محسوب می‌شود و رشد سریعی را تجربه می‌کند؛ اما همین رشد سریع می‌تواند به ضرر محیط‌زیست تمام شود. برای مثال، با افزایش استفاده از هوش مصنوعی، میزان کربن تولیدی افزایش می‌یابد و روی محیط‌زیست اثر می‌گذارد.
هوش مصنوعی استفاده‌های زیادی دارد و می‌تواند در بسیاری از زمینه‌ها کاربردی باشد، بااین‌حال توسعه مدل‌های هوش مصنوعی به انرژی زیادی نیاز دارد. همچنین رقابت بر سر توسعه هرچه سریع‌تر الگوریتم‌ها، باعث افزایش تلفات انرژی می‌شود و حتی بسیاری از شرکت‌ها فقط برای اینکه شاید در آینده به سخت‌افزارهایی مانند GPU نیاز داشته باشند، شمار بالایی از آن‌ها را خریداری می‌کنند.
در این مطلب می‌خواهیم نگاهی به تأثیر مخرب هوش مصنوعی روی محیط‌زیست داشته باشیم.
محاسبات هوش مصنوعی به انرژی زیادی نیاز دارد
علت اصلی انتشار کربن توسط هوش مصنوعی مولد، میزان مصرف انرژی آن است. برای مثال، چت‌بات‌هایی مانند ChatGPT به‌خاطر محدودیت بالای توکن و ورودی‌های زیاد، انرژی زیادی مصرف می‌کنند. اکثر کاربران از میزان منابعی که مدل‌های هوش مصنوعی برای پردازش اطلاعات استفاده می‌کنند، اطلاعی ندارند و هرچقدر که بخواهند از آن‌ها سؤال می‌پرسند.
طبق یک تحلیل، شرکت OpenAI برای پاسخ به میلیون‌ها درخواست روزانه کاربران، از 3617 سرور HGX A100 استفاده می‌کند. مصرف انرژی هر سرور 3000 وات‌ساعت است؛ البته با فرض یکسان‌بودن با انویدیا HGX A100. با توجه به این عدد، اگر 3617 سرور هر روز به‌صورت 24 ساعته کار کنند، به 95,054,760,000 وات‌ساعت یا 95,054.76 مگاوات‌ساعت انرژی نیاز دارند. بد نیست بدانید شهری مانند نیویورک روزانه حداکثر 10 هزار مگاوات‌ساعت انرژی مصرف می‌کند.
هوش مصنوعی سبک زندگی افراد را تغییر می‌دهد
با رشد سریع هوش مصنوعی، بسیاری از کاربران به‌سمت خرید سیستم‌های جدید می‌روند؛ بدون توجه به این موضوع که آیا به آن‌ها نیاز دارند یا خیر. همین خریدهای بی‌مورد باعث افزایش ضایعات الکترونیکی و هدررفتن منابع می‌شود که به ضرر محیط‌زیست خواهد بود.
در این میان نباید نقش شرکت‌ها را دست‌کم بگیریم. زمانی که یک کمپانی بزرگ از یک ابزار هوش مصنوعی جدید مانند ChatGPT رونمایی می‌کند، شرکت‌های دیگر هم به چنین سمتی حرکت می‌کنند. بنابراین با افزایش چنین مدل‌هایی، کاربران بیشتر نسبت به خرید دستگاه‌های جدید تمایل پیدا می‌کنند.
هوش مصنوعی بازدهی را بر سلامت اکوسیستم کشاورزی ترجیح می‌دهد
مدتی می‌شود که صنعت کشاورزی به‌دنبال استفاده از سیستم‌های هوش مصنوعی برای افزایش بهره‌وری است. این سیستم‌ها می‌توانند رشد محصول را به حداکثر برساند، تعداد نیروهای انسانی را کاهش دهند و با حداقل هزینه، به جنگ بلایای طبیعی بروند. درحقیقت کشاورزی مبتنی بر هوش مصنوعی یک صنعت رو به رشد است و پیش‌بینی می‌شود که ارزش بازار آن تا سال 2032 به بیش از 10.2 میلیارد دلار برسد.
با وجود چنین مزایایی، سیستم‌های هوش مصنوعی مورد استفاده در صنعت کشاورزی برای آموزش به انرژی زیادی نیاز دارند. علاوه‌براین، اولویت‌دادن به رشد محصول و روش‌های برداشت کارآمد می‌تواند به ضرر اکوسیستم تمام شود. رشد چشمگیر هوش مصنوعی می‌تواند به‌طور ناخواسته شیوه‌های جدیدی را برای کشاورزی به‌وجود بیاورد؛ رویکردهایی که به زمین فشار می‌آورند و حتی شاید باعث خشکسالی شوند.
آموزش هوش مصنوعی با آزمون و خطا
آموزش پلتفرم‌های هوش مصنوعی با میلیاردها پارامتر به منابع زیادی نیاز دارد. فرایند آموزش مدل‌های هوش مصنوعی می‌تواند میلیون‌ها وات‌ساعت انرژی لازم داشته باشد. علاوه‌براین، داده‌های مورد استفاده می‌توانند شامل آزمون و خطا باشند. بنابراین توسعه مدل‌ها و اصلاح آن‌ها می‌تواند مصرف انرژی فوق‌العاده بالایی داشته باشد.
طبق مطالعه‌ای که توسط دانشگاه کرنل انجام شده، شرکت OpenAI برای ساخت ChatGPT گویی به مدت 405 سال از یک پردازشگر گرافیکی V100 استفاده کرده است. این پردازشگر گرافیکی مصرفی برابر 300 وات‌ساعت دارد که در مدت 405 سال به 1,064,340,000 وات‌ساعت می‌رسد. با توجه به اینکه خانه‌ها معمولاً روزانه 30,000 وات‌ساعت انرژی مصرف می‌کنند، OpenAI به‌جای ساخت ChatGPT می‌توانست برای مدت 24 ساعت، برق 35,478 خانه را تأمین کند.
ساخت سخت‌افزارهای هوش مصنوعی با فلزات کمیاب زمین
سخت‌افزارهای موردنیاز برای ساخت، آموزش و تجاری‌سازی مدل‌های هوش مصنوعی از فلزات مختلفی استفاده می‌کنند. برای مثال، در ساخت GPUها از مس، قلع، نقره، روی و سایر مواد خام کمیاب استفاده می‌شود و شرکت‌ها برای ادامه فعالیت مدل‌های هوش مصنوعی خود به هزاران GPU نیاز دارند.
توسعه‌دهندگان و سازندگان GPUها باید به‌دنبال روش‌های جایگزین برای تأمین مواد خام باشند. در غیر این صورت، با افزایش تقاضا برای سخت‌افزارهای مرتبط با هوش مصنوعی، استخراج فلزات آسیب زیادی به محیط‌زیست خواهد زد. حتی بزرگ‌ترین معادن جهان پس از چندین دهه دیگر فلزی برای استخراج نخواهند داشت.
افزایش ضایعات الکترونیکی
رشد سریع و تحول هوش مصنوعی به‌معنای آن است که توسعه‌دهندگان به عرضه سخت‌افزارها و نرم‌افزارهای جدید ادامه می‌دهد و می‌خواهد بازار جهانی را در دست بگیرند. این جاه‌طلبی باعث می‌شود که کاربران شروع به خرید بیهوده لوازم الکترونیکی جدید کنند که نتیجه‌اش افزایش ضایعات الکترونیکی خواهد بود.
باید به این موضوع اشاره کنیم که نگهداری سیستم‌های هوش مصنوعی به هزاران GPU و سرور نیاز دارد و اکثر آن‌ها بازیافت نمی‌شوند. این سخت‌افزارها همچنین دارای عناصر سمی هم هستند که می‌توانند به محیط‌زیست آسیب وارد کنند. بنابراین افزایش ضایعات الکترونیکی یکی از مشکلات رشد چشمگیر هوش مصنوعی محسوب می‌شود.
در حالت کلی، در پایان باید گفت با وجود اثرات منفی که هوش مصنوعی می‌تواند روی محیط‌زیست داشته باشد، بازهم با طراحی‌های انسانی می‌توان این اثرات سوء را کاهش داد. بنابراین می‌توان در کنار استفاده‌های مفید چشمگیری که از هوش مصنوعی داشت، اثرات محیط‌زیستی آن را به حداقل رساند.