گزارش اخیر دانشگاه سازمان ملل متحد (UNU) درباره اثرات مخرب و ملموس هوش مصنوعی بر محیطزیست، بازتاب گستردهای در رسانههای جهان داشته است. کاوه مدنی، پژوهشگر ارشد و یکی از نویسندگان اصلی این مطالعه، در گفتگوی زنده با شبکه سیانان (CNN) ابعاد تکاندهندهای از مصرف نجومی آب و برق توسط دیتاسنترهای هوش مصنوعی را فاش کرد.
به گزارش انصاف نیوز، او ضمن به چالش کشیدن ادعای سام آلتمن (مدیرعامل OpenAI) درباره بهینهبودن مصرف انرژی هوش مصنوعی نسبت به انسان، هشدار داد که اضافه شدن این بار مصرف به سبد انرژی جهان، روند کربنزدایی را مختل کرده و منازعات محلی شدیدی را میان جوامع بومی و غولهای فناوری شعلهور ساخته است.
متن کامل گزارش مصاحبه سیانان با کاوه مدنی:
مجری سیانان: دونالد ترامپ برنامههای خود را برای میزبانی از رهبران شرکتهای بزرگ هوش مصنوعی در کاخ سفید اعلام کرده است. او اخیراً فرمان اجرایی جدیدی را در زمینه هوش مصنوعی و امنیت سایبری امضا کرد که از شرکتهای فناوری میخواهد مدلهای جدید خود را قبل از عرضه عمومی، به طور داوطلبانه برای بررسی به دولت فدرال ارائه دهند.
اما همزمان در این هفته، گزارش جدید دانشگاه سازمان ملل متحد نگرانیهای جدی را در مورد تأثیرات واقعی هوش مصنوعی بر محیطزیست ایجاد کرده است. این تحقیق نشان میدهد که دیتاسنترهای هوش مصنوعی بهطور متوسط بیشتر از اکثر کشورهای جهان برق مصرف میکنند و به حجم عظیمی از آب نیاز دارند. پروفسور کاوه مدنی، نویسنده مسئول و محقق ارشد این مطالعه همراه ماست. آقای مدنی، خیلی ممنوع از حضورتان. من میخواهم با آمار شگفتانگیز این گزارش شروع کنم که اکنون روی تصویر میبینیم:
- میزان مصرف برق دیتاسنترهای جهانی: ۴۴۸ میلیارد کیلووات ساعت (۴۴۸ تراوات ساعت).
- میزان تولید دیاکسید کربن ناشی از این برق: حدود ۲۰۸ میلیون تن.
- میزان مصرف آب دیتاسنترها: حدود ۱.۲ تریلیون گالن.
- پیشبینی برای آینده: دو برابر شدن مصرف آب و انرژی هوش مصنوعی تا سال ۲۰۳۰.
با توجه به این ارقام، لطفاً درباره تأثیرات محیطزیستی این حجم خارقالعاده از مصرف توضیح دهید.
کاوه مدنی: این آمار تنها نوک کوه یخ است
دکتر کاوه مدنی: بگذارید به شما بگویم که این اعداد تنها نوک کوه یخ هستند؛ زیرا این ارقام فقط مربوط به مصرف مستقیم برق، آب مورد نیاز برای تولید این برق و برخی قطعات دیگر فرآیند است. این آمار شامل آبی که در طول استخراج مواد معدنی بحرانی برای ساخت زیرساختهای پایه و سختافزارهای هوش مصنوعی آلوده و مصرف میشود، نیست. همچنین انرژی و آبی که در پایان چرخه عمر این تجهیزات برای بازیافت یا دفن زبالههای الکترونیکی (E-waste) نیاز داریم نیز در این آمار نیامده است. در واقع هیچ بخشی از این فرآیند «خشک» نیست و همهچیز به آب نیاز دارد.
چرا این موضوع اهمیت دارد؟ چون در ذهن بیشتر مردم جهان و در گفتمان غالب جامعه، هوش مصنوعی صرفاً یک پدیده «مجازی» و دیجیتال تلقی میشود. مردم آن را با زیرساختهای عظیم فیزیکی، فیزیک پشت این فناوری و زنجیرههای تأمین مواد اولیه پیوند نمیزنند. هدف ما از این گزارش این نبود که بگوییم هوش مصنوعی بد است یا دولتها نباید روی آن سرمایهگذاری کنند؛ بلکه خواستیم به آنها یادآوری کنیم که باید نگران این تأثیرات هم باشند.
ما همین حالا هم میدانیم که جهان دچار «ورشکستگی آبی» است و در بسیاری از مناطق دنیا آب کافی نداریم. میزان انتشار کربن بالا است و اضافه کردن بار تقاضای جدید برای برق به این سبد، به معنای به خطر افتادن فرآیند کربنزدایی (Decarbonization) و ایجاد مشکلات فراوان است. به همین دلیل است که اکنون در بسیاری از نقاط جهان، از جمله ایالات متحده، شاهد درگیری و مناقشه مردم بر سر احداث این دیتاسنترها هستیم؛ زیرا کشاورزان، ساکنان شهرها و جوامع بومی نگران آمدن این مراکز به محل زندگی خود هستند؛ چرا که آنها فقط باید هزینههای محیطزیستی آن را متحمل شوند، بدون اینکه از مزایای آن سهمی ببرند.
پاسخ مدنی به ادعای جنجالی سام آلتمن
مجری سیانان: بله، حتی برخی جوامع محلی تلاش میکنند جلوی ورود این دیتاسنترها را به منطقهشان بگیرند. در بخش دیگری از گزارش به میلیاردها وات ساعت انرژی که صرفاً برای «آموزش» (Training) این مدلها نیاز است اشاره شده. میخواهم به بخشی از صحبتهای سام آلتمن، مدیرعامل OpenAI گوش کنیم که معتقد است این مقایسهها منصفانه نیست:
سام آلتمن (ویدئوی آرشیوی): «یکی از چیزهایی که همیشه در این مقایسهها غیرمنصفانه است، این است که مردم درباره میزان انرژی مصرفی برای آموزش یک مدل هوش مصنوعی در مقایسه با هزینه انرژی یک انسان برای پاسخ به یک سوال صحبت میکنند. اما واقعیت این است که آموزش دادن به یک انسان هم انرژی بسیار زیادی میبرد! حدود ۲۰ سال طول میکشد تا یک انسان با خوردن غذا در این مدت بزرگ و باهوش شود. نه تنها این، بلکه فرآیند تکامل ۱۰۰ میلیارد انسانی که تا به حال روی زمین زندگی کردهاند، یاد گرفتهاند که شکار درندگان نشوند، علم را کشف کنند و… صرف شده تا شما به اینجا برسید. بنابراین مقایسه منصفانه این است: اگر از چتجیپیتی سوالی بپرسید، بعد از اینکه مدلش آموزش دید، چقدر انرژی برای پاسخ به آن سوال مصرف میکند و یک انسان چقدر؟ اگر اینطور اندازه بگیریم، احتمالاً هوش مصنوعی همین حالا هم از نظر بهینهسازی انرژی به انسان رسیده است.»
مجری سیانان: آقای مدنی، شما با این چارچوب و استدلال موافقید؟ به نظرتان مقایسه او منصفانه است؟
دکتر کاوه مدنی: چارچوب ذهنی او بازتابدهنده بخشی از مشکل است. روایت او درست است اما لزوماً «کامل» نیست. بله، این واقعیت دارد و نباید فقط روی مرحله آموزش (Training) تمرکز کرد. آموزش مدلها انرژی بسیار زیادی مصرف میکند و ردپای آب، کربن و زمین شدیدی دارد، اما ما در این گزارش نشان دادیم که مرحله آموزش تنها حدود ۱۰ درصد از کل مصرف هوش مصنوعی را شامل میشود.
آنچه اهمیت دارد، یک پرسش و پاسخ ساده من یا شما نیست؛ بلکه موضوع اصلی، میلیاردها پرسش و تلاشی است که روزانه از سوی کاربران به هوش مصنوعی واگذار میشود. گزارش ما نشان میدهد که بین ۸۰ تا ۹۰ درصد از کل مصرف آب و انرژی هوش مصنوعی، مربوط به «استنتاجهای انباشتهشده» (Cumulative Inferences) و وظایف تجمیعی است که روزانه به عهده هوش مصنوعی میگذاریم.
مشکل دیگر این است که ما داریم به شدت مصرفگرا و اسرافکار میشویم. ما در حال عادت کردن به خدماتی هستیم که پیش از این اصلاً بخشی از زندگی ما نبودهاند. ما دیگر از هوش طبیعی و مغز خودمان استفاده نمیکنیم و برای هر کار سادهای به سراغ هوش مصنوعی میرویم؛ میپرسیم ساعت چند است؟ دستور پخت غذا میخواهیم و سادهترین مسائل را پلتفرمها میپرسیم. ما عاشق ماشینها شدهایم و هر روز بیشتر با ابزارهایی درگیر میشویم که اصلاً برای درگیر کردنِ بیشتر ما طراحی شدهاند.
این گزارش تأکید میکند که همه ما مسئولیم؛ مصرفکنندگان میتوانند بهتر عمل کنند، توسعهدهندگان میتوانند سیستمهای بهینهتری بسازند و در نهایت، دولتها باید برای کنترل این اثرات مخرب و تضمین شفافیت غولهای فناوری، اقدامات بسیار بهتری انجام دهند.
انتهای پیام
