هنگامی که استارت‌آپ هوش مصنوعی چینی DeepSeek از یک ربات گفتگوی هوش مصنوعی رونمایی کرد که عملکردی مشابه مدل‌های پیشرفته‌ای مانند ChatGPT داشت، اما با بخشی از قدرت محاسباتی، جرقه‌ای از امید ایجاد شد که هوش مصنوعی ممکن است کمتر از آنچه مردم می‌ترسیدند انرژی‌بر باشد.
اما ارزان‌تر و کارآمدتر کردن هوش مصنوعی می‌تواند مردم را به استفاده بیشتر از آن ترغیب کند، به این معنی که مراکز داده همچنان برق بیشتری مصرف خواهند کرد، به گفته دانشمندان علوم کامپیوتر، کارشناسان انرژی و سرمایه‌گذاران فناوری.
ویجی گادپالی، دانشمند ارشد در آزمایشگاه لینکلن MIT که به بررسی راه‌های پایدارتر کردن هوش مصنوعی می‌پردازد، گفت: «مردم می‌پرسند، "آیا می‌توانیم این موضوع را فراموش کنیم؟ آیا هوش مصنوعی هنوز یک مشکل انرژی است؟" پاسخ قاطع "بله، هست" است.»
گادپالی گفت، یک راه حل این است که شرکت‌های فناوری از انرژی پاک‌تری استفاده کنند. در ایالات متحده، بیشتر برق هنوز توسط سوخت‌های فسیلی تولید می‌شود، اما مراکز داده می‌توانند شبکه‌های برق محلی را نظارت کرده و هنگامی که نیروگاه‌ها سوخت‌های آلوده‌تر را می‌سوزانند، سرعت خود را کاهش دهند. شرکت‌های فناوری، از جمله Google و Microsoft، شروع به آزمایش این ایده کرده‌اند.
چرا کارایی مشکل انرژی هوش مصنوعی را حل نخواهد کرد
مراکز داده‌ای که الگوریتم‌های هوش مصنوعی را آموزش داده و اجرا می‌کنند، می‌توانند به اندازه شهرهای کوچک برق مصرف کنند — و شرکت‌های فناوری در حال مسابقه برای ساخت هزاران مورد دیگر در چند سال آینده هستند، که شرکت‌های برق را بر آن داشته تا برای تامین نیاز، سوخت‌های فسیلی گرم کننده سیاره بیشتری بسوزانند.
حتی اگر هوش مصنوعی در طول زمان کارآمدتر شده باشد، مصرف انرژی آن تنها افزایش یافته است.
این پدیده قبلاً نیز رخ داده است. در قرن نوزدهم، ویلیام استنلی جونس، اقتصاددان، مستند کرد که چگونه مصرف زغال سنگ انگلستان پس از اختراع یک موتور بخار که زغال سنگ کمتری مصرف می‌کرد، افزایش یافت. فناوری جدید به قدری ارزان بود که شرکت‌ها در سراسر انگلستان شروع به استفاده از آن کردند و تقاضای بیشتری برای سوخت ایجاد کردند.
از زمان رونمایی DeepSeek از ربات گفتگوی فوق‌العاده کارآمد خود در این ماه، کارشناسان فناوری و انرژی — از جمله ساتیا نادلا، مدیرعامل مایکروسافت — به پارادوکس جونس به عنوان دلیلی اشاره کرده‌اند که مصرف انرژی هوش مصنوعی تغییر نخواهد کرد. مایکروسافت بزرگترین سرمایه‌گذار OpenAI، سازنده ChatGPT است.
صرف نظر از اینکه این پیش‌بینی محقق شود یا خیر، مدیران عامل فناوری پشت رونق مراکز داده هیچ نشانه‌ای از کاهش سرعت ساخت و سازهای برنامه‌ریزی شده نشان نمی‌دهند — از جمله پروژه Stargate، برنامه‌ای به رهبری OpenAI برای سرمایه‌گذاری 500 میلیارد دلاری در حداکثر 20 مرکز داده جدید در طول چهار سال آینده.
برنامه‌ها برای اولین پردیس مرکز داده Stargate شامل یک نیروگاه گاز طبیعی 360 مگاواتی است، که می‌تواند برق کافی برای حداکثر 170000 خانه متوسط ایالات متحده و به همان اندازه آلودگی گرم کننده سیاره مانند حدود 75000 خودرو تولید کند، بر اساس میانگین‌های صنعت از اداره اطلاعات انرژی و آژانس حفاظت از محیط زیست ایالات متحده.
مراکز داده در حال حاضر بیش از 4 درصد از کل برق ایالات متحده را مصرف می‌کنند، طبق اعلام آزمایشگاه ملی لارنس برکلی. حتی اگر هوش مصنوعی کارآمدتر منجر به رشد تعداد مراکز داده در سمت کندتر پیش‌بینی‌های کارشناسان شود، آنها همچنان در چند سال آینده برق بیشتری مصرف خواهند کرد.
گادپالی گفت: «هر کاری هم که انجام دهیم، احتمالاً مصرف انرژی افزایش خواهد یافت. این قطار از ایستگاه خارج شده است.»
کاهش انتشار کربن هوش مصنوعی
بزرگترین شرکت‌های فناوری — از جمله آمازون، گوگل و مایکروسافت — برای جبران مصرف انرژی خود، هزینه اعتبارات انرژی پاک را پرداخت می‌کنند و در پروژه‌های انرژی سبز سرمایه‌گذاری می‌کنند، مانند راه‌اندازی مجدد نیروگاه هسته‌ای تری مایل آیلند، توسعه نوع جدیدی از انرژی زمین گرمایی یا ساخت راکتورهای همجوشی. اما، در بیشتر موارد، آنها هنوز از همان برقی استفاده می‌کنند که بقیه استفاده می‌کنند، که اغلب از سوخت‌های فسیلی می‌آید.
شرکت‌های فناوری می‌توانند با کاهش سرعت مراکز داده خود در لحظاتی که انرژی سوخت فسیلی زیادی در شبکه محلی وجود دارد، یا انتقال کار به مراکز داده در بخش‌هایی از جهان که در آن لحظه انرژی تجدیدپذیر بیشتری دارند، این مشکل را دور بزنند. آنها همچنین می‌توانند از نسخه‌های قدرتمندتر و انرژی‌برتر مدل‌های هوش مصنوعی خود زمانی که شبکه پاک است و از مدل‌های کم‌قدرت‌تر زمانی که شبکه کثیف است، استفاده کنند.
در یک مطالعه در سال 2023، گادپالی این ایده را روی یک مدل هوش مصنوعی تشخیص تصویر آزمایش کرد. وقتی خورشید می‌تابید و باد می‌وزید، گادپالی از یک نسخه پیشرفته از هوش مصنوعی استفاده کرد. اما وقتی شبکه از سوخت‌های فسیلی بیشتری استفاده می‌کرد، او به یک نسخه قدیمی‌تر تغییر می‌کرد که عملکرد کمی بدتری دارد اما انرژی کمتری مصرف می‌کند. او عملکرد این رویکرد سبز را با آنچه در صورت استفاده از سیستم پیشرفته انرژی‌بر به طور دائم اتفاق می‌افتاد، مقایسه کرد.
در طول دو روز، هوش مصنوعی سبز 80 درصد در مقایسه با نسخه استاندارد، انتشار کربن را کاهش داد — و نمرات آن در تست‌های تشخیص تصویر تنها 3 درصد بدتر بود. او سال گذشته یک آزمایش مشابه با استفاده از یک مدل زبان انجام داد و دریافت که نسخه سبز 40 درصد انتشار کربن را کاهش داده است بدون تغییری در عملکرد.
بنجامین لی، استاد مهندسی برق و سیستم‌ها در دانشگاه پنسیلوانیا که در این تحقیق شرکت نداشت، گفت که شرکت‌ها می‌توانند با استفاده از این استراتژی‌ها در انتشار کربن هوش مصنوعی تأثیر بگذارند — اما فقط در صورتی که مایل باشند بپذیرند که هوش مصنوعی آنها ممکن است کمی بدتر عمل کند یا زمان بیشتری برای آموزش صرف کند.
او گفت: «چالش اجرای این تکنیک‌ها نیست، بلکه متقاعد کردن شرکت‌ها و کاربران هوش مصنوعی است که برخی از دست دادن دقت … ارزش صرفه‌جویی در کربن را دارد.»