به‌نظر می‌رسد که تکنولوژی هوش مصنوعی خواهد توانست بسیاری از امور را دستخوش تغییر و دگرگونی سازد. بیشتر بحث‌های جاری دربارهٔ هوش مصنوعی بر مالکیت معنوی، عامل انسانی (مشاغل و نقش‌ها) و بهره‌وری تمرکز دارند. با این همه نباید اثرات هوش مصنوعی را بر منابع، به‌ویژه منابع گرانبهای آب دست‌کم گرفت.

رشد شگفت‌انگیز تکنولوژی‌ هوش مصنوعی، پیشرفت‌های مهمی را به‌همراه داشته است، اما پیامدهایی نیز دارد که نادیده گرفته شده است: افزایش مصرف آب و انرژی. بر اساس گزارش جدید مایکروسافت، مصرف جهانی آب این شرکت از سال 2021 تا 2022 به میزان 34 درصد افزایش یافته است. دلیل اصلی این افزایش، طرح‌های پژوهشی‌ مایکروسافت در موضوع هوش مصنوعی بوده است. با توجه به کمیاب‌ترشدن منابع آب، مدیریت این قبیل اثرات غیرمستقیم هوش مصنوعی برای جلوگیری از فشار بر اکوسیستم‌ها و افزایش تنش‌های ژئوپلیتیکی به سبب تشدید رقابت بر سر منابع کمیاب آب اهمیت زیادی خواهد داشت.

هزینهٔ تربیت هوش مصنوعی

تربیت مدل‌های بزرگ‌مقیاس هوش مصنوعی مانند GPT-4 نیازمند توان محاسباتی بالا و بنابراین انرژی زیاد است. برای نمونه، مرکز ابرمحاسباتی هوش مصنوعی مایکروسافت در «آیووا» ایالات متحده، با بیش از ۲۸۵ هزار هستهٔ نیمه‌هادی متعارف و ۱۰ هزار پردازندهٔ گرافیکی، به تدابیر خنک‌سازی نیاز دارد تا عملکرد این سامانه را در شرایط مطلوب نگاه دارد. وقتی دما از ۲۹ درجهٔ سانتی‌گراد فراتر رود، این مرکز آب را از رودخانه‌های محلی برداشت می‌کند. تنها در جولای ۲۰۲۲، مایکروسافت حدود ۵۰ هزار مترمکعب آب برای مرکز آیووا پمپاژ کرد. این مقدار شش درصد کل مصرف آب محدوده‌ای است که این مرکز در آن قرار دارد. این مقدار تنها برای یک مرکز داده است، تصور کنید با احتساب مراکز دیگر، چه مقدار آب مصرف خواهد شد.

برآورد محققان دانشگاه کالیفرنیا نشان می‌دهد که ChatGPT در پاسخ به پنج تا ۵۰ درخواست کاربر در یک وعده تعامل، تقریباً ۵۰۰ میلی‌لیتر آب مصرف می‌کند. میزان تجمعی مصرف، با توجه به شمار درخواست‌های روزانه بسیار زیاد خواهد بود. این برآورد همچنین شامل مصرف غیرمستقیم آب مانند خنک‌کردن نیروگاه‌هایی است که برق مراکز داده را تأمین می‌کنند. اگر روندهای کنونی ادامه یابد، کمبود آب می‌تواند به یک چالش مهم تبدیل شود، به‌ویژه در مناطقی که در حال حاضر دچار تنش آبی هستند.

برخلاف تصور بسیاری، «مصرف آب» یک اصطلاح فنی است و تفاوت زیادی با برداشت آب دارد. وقتی از مصرف آب حرف می‌زنیم، منظور آبی است که با تبخیر (ورود به اتمسفر) از دسترس خارج شده است. ساختمان‌های اداری معمولی و واحدهای مسکونی نیز از آب استفاده می‌کنند، اما مقدار زیادی از آن را تبخیر نمی‌کنند. برای نمونه، شرکت «متا» Meta مالک «فیس‌بوک»، ۱۰ درصد برداشت آب را برای برآورد مصرف آب دفاتر خود استفاده می‌کند.

استراتژی‌های کاهش اثرات: از تحقیق تا واقعیت

برای کاهش اثرات محیط‌زیستی مصرف بالای آب، شرکت‌ها و محققان باید تدابیر غیرمنفعلانه را در پیش گیرند:

جانمایی بهینه: به گفتهٔ محققان، تربیت هوش مصنوعی در آیووا در مقایسه با آریزونا، به‌دلیل تفاوت‌های اقلیمی، آب کمتری مصرف می‌کند. مکان‌یابی هوشمندانهٔ مراکز داده می‌تواند به کاهش مصرف آب و انرژی کمک کند.

بهبود کارایی: شرکت‌ها باید در پژوهش دربارهٔ بهبود کارایی استفادهٔ انرژی و آب در سیستم‌های هوش مصنوعی و مراکز داده سرمایه‌گذاری کنند. در این زمینه می‌توان با تکنولوژی‌های پیشرفتهٔ خنک‌سازی و تراشه‌های کم‌مصرف آغاز کرد.

شفافیت و پاسخگویی: افزایش شفافیت دربارهٔ مصرف منابع نه‌تنها افکار عمومی را آگاه می‌کند، بلکه شرکت‌ها را به اتخاذ شیوه‌های پایدار ترغیب می‌کند. انتشار بهنگام اطلاعات میزان مصرف آب و انرژی می‌تواند پاسخگویی عمومی را ارتقا دهد.

سیاست و مقررات: دولت‌ها باید سیاست‌هایی را تدوین کنند که انگیزهٔ بهتری را برای کاهش مصرف فراهم آورد.

راه‌حل‌های امیدوارکننده

خوشبختانه شماری راه‌حل‌ نوآورانه در حال ظهور است که همزمان به نفع اقتصاد و محیط‌زیست است. نمونه‌ٔ خوب آن، استارتاپ Salad است که از واحدهای پردازش گرافیکی توزیع‌شده برای کاهش بار محاسباتی استفاده می‌کند. به گفتهٔ «پراشانت شانکارا» (Prashanth Shankara)، مدیر ارشد این استارتاپ «سیستم‌های ابری پراکنده، آب کمتری استفاده می‌کنند، زیرا از تنوع منابع انرژی تجدیدپذیر و موجودی آب در مکان‌های مختلف استفاده می‌کنند.»

فشار مهم دیگری که بر سیستم وارد می‌شود، شمار کلاهبرداری‌ها با استفاده از هوش مصنوعی است. این قبیل کلاهبرداری‌ها، فشار غیرضروری بر منابع محاسباتی وارد می‌کنند. با این همه، این چالش‌ها منحصر به هوش مصنوعی نیست. راه‌حل‌های مبتنی بر «بلاک‌چین» می‌کوشند حریم خصوصی را حفظ کنند و اصالت کاربر را تضمین می‌کنند.

راه پیش رو

با توجه کمیابی روزافزون منابع به‌ویژه آب، اشتهای زیاد هوش مصنوعی به مصرف منابع نگران‌کننده است. پیشرفت هوش مصنوعی نباید هزینه‌های برگشت‌ناپذیر محیط‌زیستی را تحمیل کند. شرکت‌ها، دانشگاه‌ها و سیاست‌گذاران باید با یکدیگر همکاری کنند تا راه‌حل‌هایی بیابند که پیشرفت در هوش مصنوعی را همگام با مدیریت مسئولانهٔ ردپای منابع امکان‌پذیر سازد. با توسعهٔ سنجیدهٔ هوش مصنوعی می‌توان به فرصت‌های بهبود بهره‌وری انرژی و بهینه‌سازی تخصیص منابع آب نیز دست یافت، اما ابتدا باید تأثیر آن را بر منابع درک کنیم.