آیا چت‌بات‌های هوش مصنوعی به اندازه شایعات برق مصرف می‌کنند؟

چت‌بات‌های هوش مصنوعی با صدها میلیون کاربر روزانه در حال رونق گرفتن هستند، اما در پشت این راحتی، مصرف برق بسیار زیادی نهفته است که نگرانی‌هایی را در مورد پایداری ایجاد می‌کند.

تنها در چند سال گذشته، ChatGPT محبوبیت زیادی پیدا کرده است و نزدیک به ۲۰۰ میلیون کاربر روزانه بیش از یک میلیارد درخواست وارد می‌کنند. این پاسخ‌ها که ظاهراً «از هیچ» پردازش می‌شوند، در واقع مقدار زیادی انرژی را در پشت صحنه مصرف می‌کنند.

در سال ۲۰۲۳، مراکز داده - جایی که هوش مصنوعی آموزش دیده و اداره می‌شود - ۴.۴ درصد از مصرف برق در ایالات متحده را به خود اختصاص دادند. در سطح جهانی، این رقم حدود ۱.۵ درصد از کل تقاضای برق بود. پیش‌بینی می‌شود که با افزایش تقاضا برای هوش مصنوعی، مصرف تا سال ۲۰۳۰ دو برابر شود.

الکس دِ وریس-گائو، محقق پایداری فناوری‌های جدید در دانشگاه وریج آمستردام و بنیانگذار دیجی‌کانومیست، پلتفرمی که پیامدهای ناخواسته روندهای دیجیتال را تجزیه و تحلیل می‌کند، گفت: «فقط سه سال پیش، ما حتی ChatGPT نداشتیم. و اکنون ما در مورد فناوری‌ای صحبت می‌کنیم که می‌تواند تقریباً نیمی از برق مصرفی مراکز داده در سراسر جهان را به خود اختصاص دهد.»

پرسیدن یک سوال از یک مدل زبان بزرگ (LLM) حدود 10 برابر بیشتر از یک جستجوی معمولی در گوگل برق مصرف می‌کند. (تصویر: چی یانگ/گتی ایمیجز)

چه چیزی باعث می‌شود چت‌بات‌های هوش مصنوعی تا این حد انرژی‌بر باشند؟ پاسخ در مقیاس عظیم آنها نهفته است. به گفته‌ی مشرف چادوری، استاد علوم کامپیوتر در دانشگاه میشیگان، دو مرحله‌ی به‌خصوص پرمصرف وجود دارد: فرآیند آموزش و فرآیند استنتاج.

پروفسور مشرف چودوری در مصاحبه با Live Science توضیح داد: «با این حال، مشکل این است که مدل‌های امروزی آنقدر بزرگ هستند که نمی‌توانند روی یک پردازنده گرافیکی واحد اجرا شوند، چه برسد به اینکه در یک سرور واحد جای بگیرند.»

برای نشان دادن این مقیاس، یک مطالعه در سال ۲۰۲۳ توسط دِ وریس-گائو نشان داد که یک سرور Nvidia DGX A100 می‌تواند تا ۶.۵ کیلووات برق مصرف کند. آموزش یک LLM معمولاً به چندین سرور نیاز دارد که هر کدام به طور متوسط ​​۸ پردازنده گرافیکی دارند و به طور مداوم برای هفته‌ها یا حتی ماه‌ها کار می‌کنند. در مجموع، مصرف برق بسیار زیاد است: آموزش GPT-4 OpenAI به تنهایی ۵۰ گیگاوات ساعت مصرف کرد، معادل برق کافی برای تأمین انرژی کل سانفرانسیسکو به مدت سه روز.

فرآیند آموزش GPT-4 شرکت OpenAI برای تأمین برق کل سانفرانسیسکو به مدت سه روز کافی بود. (تصویر: Jaap Arriens/NurPhoto/Rex/Shutterstock)

فرآیند استنتاج نیز بسیار پرمصرف است. این زمانی است که چت‌بات هوش مصنوعی از دانش آموخته‌شده خود برای ارائه پاسخ به کاربر استفاده می‌کند. اگرچه استنتاج به منابع محاسباتی کمتری نسبت به مرحله آموزش نیاز دارد، اما به دلیل حجم زیاد درخواست‌های ارسالی به چت‌بات، همچنان بسیار پرمصرف است.

OpenAI تخمین می‌زند که تا جولای ۲۰۲۵، کاربران ChatGPT روزانه بیش از ۲.۵ میلیارد درخواست ارسال می‌کنند. برای پاسخ فوری، سیستم باید سرورهای زیادی را که همزمان کار می‌کنند، بسیج کند. و این فقط مربوط به ChatGPT است؛ این شامل پلتفرم‌های دیگری که به طور گسترده محبوب می‌شوند، مانند Gemini گوگل نمی‌شود که انتظار می‌رود به زودی به انتخاب پیش‌فرض کاربران هنگام دسترسی به جستجوی گوگل تبدیل شود.

چادوری اظهار داشت: «حتی در مرحله استنتاج، شما واقعاً نمی‌توانید در مصرف انرژی صرفه‌جویی کنید. مشکل دیگر حجم عظیم داده‌ها نیست. مدل از قبل هم بزرگ است، اما مسئله بزرگتر تعداد کاربران است.»

محققانی مانند چادوری و دی وریس-گائو اکنون به دنبال راه‌هایی برای اندازه‌گیری دقیق‌تر مصرف انرژی هستند تا از این طریق راه‌حل‌هایی برای کاهش آن پیدا کنند. به عنوان مثال، چادوری یک جدول رتبه‌بندی به نام جدول رتبه‌بندی انرژی ML دارد که مصرف انرژی را در استنتاج‌های مدل‌های متن‌باز ردیابی می‌کند.

با این حال، بسیاری از داده‌های مربوط به پلتفرم‌های هوش مصنوعی که از نظر تجاری قابل استفاده هستند، «مخفی» باقی مانده‌اند. شرکت‌های بزرگی مانند گوگل، مایکروسافت و متا یا آن را محرمانه نگه می‌دارند یا فقط آمار بسیار مبهمی را منتشر می‌کنند که نمی‌تواند به طور دقیق تأثیر زیست‌محیطی را منعکس کند. این امر تعیین میزان مصرف برق هوش مصنوعی، میزان تقاضا در سال‌های آینده و اینکه آیا جهان می‌تواند آن را تأمین کند یا خیر، بسیار دشوار می‌کند.

با این وجود، کاربران قطعاً می‌توانند برای شفافیت فشار بیاورند. این امر نه تنها به افراد کمک می‌کند هنگام استفاده از هوش مصنوعی انتخاب‌های مسئولانه‌تری داشته باشند، بلکه به ترویج سیاست‌هایی که کسب‌وکارها را پاسخگو نگه می‌دارند نیز کمک می‌کند.

محقق دی وریس-گائو تأکید کرد: «یکی از مشکلات اصلی برنامه‌های دیجیتال این است که تأثیر زیست‌محیطی آنها همیشه پنهان است. اکنون توپ در دست سیاست‌گذاران است: آنها باید شفافیت داده‌ها را تشویق کنند تا کاربران بتوانند اقدام کنند.»

نگوک نگوین (Live Science)

منبع: https://vtcnews.vn/chatbot-ai-co-ngon-dien-nhu-loi-don-ar965919.html