
برای تنظیم رابطه بین عملکرد هوش مصنوعی و مصرف انرژی، به استانداردهای بیشتری نیاز است.
در ۲۳ ژوئن ۲۰۲۵، نویسندهای به نام کامرین گریسر در مقالهای با عنوان «دستورالعملهای هوش مصنوعی شما ممکن است تأثیر منفی بر محیط زیست داشته باشد» جنبهای کمتر شناختهشده اما بهطور فزایندهای نگرانکننده از توسعه سریع هوش مصنوعی مولد (AI) و هزینههای بالقوه زیستمحیطی آن را افشا کرد.
هوش مصنوعی راحتی ایجاد میکند اما بر محیط زیست تأثیر میگذارد
مدلهای هوش مصنوعی مولد به طور فزایندهای توسط افراد و سازمانها به عنوان ابزاری برای حل مشکلات روزمره مورد استفاده قرار میگیرند. اما در پشت این راحتی، یک واقعیت تلخ نهفته است: هر مشکلی که هوش مصنوعی حل میکند، هزینههای زیستمحیطی پنهانی دارد که به طور فزایندهای در حال افزایش هستند و راز این هزینهها در نحوه عملکرد هوش مصنوعی نهفته است.
هر کلمه در اعلانی که کاربر وارد میکند به خوشههایی از اعداد به نام «شناسههای توکن» تقسیم میشود. سپس این شناسهها به مراکز داده عظیم، که برخی از آنها بزرگتر از یک زمین فوتبال هستند، ارسال میشوند.
در اینجا، کامپیوترهای بزرگ دهها محاسبه سریع را برای تولید پاسخ انجام میدهند.
این مراکز اغلب توسط نیروگاههای زغالسنگ یا گاز طبیعی، سوختهای فسیلی که باعث آلودگی جدی محیط زیست میشوند، تغذیه میشوند.
طبق تخمینی که اغلب از موسسه تحقیقات برق ذکر میشود، کل فرآیند محاسبات میتواند ۱۰ برابر بیشتر از یک جستجوی معمولی در گوگل انرژی مصرف کند که این موضوع، به ویژه با توجه به فراوانی و مقیاس استفاده از هوش مصنوعی در دنیای امروز، نگرانکننده است.
برای سنجش میزان خسارت به استانداردهایی نیاز است
برای تعیین میزان «خسارت» ناشی از هر درخواست هوش مصنوعی، محققان در آلمان مطالعهی گستردهای انجام دادند.
آنها ۱۴ سیستم مدل زبان بزرگ (LLM) را با پرسیدن سوالات آزاد و چند گزینهای آزمایش کردند. نتایج این مطالعه که در مجله Frontiers in Communication منتشر شده است، چندین یافته کلیدی را آشکار کرد:
طبق گفته Tuoi Tre Online ، سوالات پیچیده شش برابر بیشتر از سوالاتی با پاسخهای مختصر، دی اکسید کربن تولید میکنند. این نشان میدهد که استفاده متفکرانه از هوش مصنوعی، با سوالات واضح و دقیق، میتواند به کاهش تأثیرات زیستمحیطی کمک کند.
معمولاً این LLM های «باهوشتر» و پرمصرفتر از نظر انرژی، دهها میلیارد پارامتر - وزنهایی که برای پردازش توکنهای شناسه استفاده میشوند - بیشتر از مدلهای کوچکتر و مختصرتر دارند.
داونر این را به یک شبکه عصبی در مغز تشبیه میکند: «هرچه اتصالات عصبی بیشتری داشته باشید، میتوانید برای پاسخ به یک سوال بیشتر فکر کنید.»
در حالی که تواناییها و عملکرد استدلال آنها بیش از حد مطلوب است، اما انرژی قابل توجهی مصرف میکنند و چالشی برای توسعه پایدار هوش مصنوعی ایجاد میکنند.
فراخوان برای اقدام و راهکارهای آینده
به گفته Tuoi Tre Online، محبوبیت ادغام هوش مصنوعی در کارهای روزانه، در زمینه بحران فزاینده و شدید آب و هوا، مسئلهای بغرنج ایجاد کرده است.
همچنین میتواند به عنوان یادآوری مسئولیتهای زیستمحیطی ما هنگام استفاده از فناوری تلقی شود. کاربران باید از هزینههای بالقوه زیستمحیطی استفاده از هوش مصنوعی مطلع شوند.
صنعت هوش مصنوعی باید تحقیق و توسعه مدلها و معماریهای کممصرفتر را در اولویت قرار دهد. این میتواند شامل بهینهسازی الگوریتمها، استفاده از مراکز داده سبزتر یا بررسی روشهای محاسباتی کممصرفتر باشد.
علاوه بر این، توسعهدهندگان و ارائهدهندگان خدمات هوش مصنوعی باید در مورد ردپای کربن مرتبط با استفاده از محصولات خود شفافتر باشند. این امر به کاربران و مشاغل اجازه میدهد تا انتخابهای آگاهانهتری داشته باشند.
علاوه بر این، تحقیقات بیشتری برای درک بهتر رابطه بین عملکرد هوش مصنوعی و مصرف انرژی و همچنین یافتن راهحلهایی برای کاهش اثرات زیستمحیطی مورد نیاز است. همکاری بین دانشمندان ، مهندسان و سیاستگذاران ضروری است.
وقت آن رسیده است که در مورد نحوه تعامل خود با فناوری هوش مصنوعی تجدید نظر کنیم و سوالات مهمی در مورد پایداری آن در آینده بپرسیم. با ادامه توسعه و قدرتمندتر شدن هوش مصنوعی، پرداختن به بار انرژی و انتشار کربن دیگر یک گزینه نخواهد بود، بلکه یک الزام فوری برای اطمینان از این است که پیشرفت فناوری به قیمت تخریب محیط زیست تمام نشود.
منبع: https://tuoitre.vn/moi-cau-lenh-cho-ai-deu-gay-o-nhiem-moi-truong-20250625114142376.htm






نظر (0)