غزال زیاری: هر بار که هوش مصنوعی مولد ایمیل یا تصویری را ایجاد میکند، سیارهمان هزینه آن را میپردازد. ساخت دو تصویر با هوش مصنوعی مولد بهاندازه شارژ یک گوشی هوشمند انرژی مصرف میکند و تنها یک تبادل با ChatGPT ، سرور را آنچنان گرم میکند که برای خنک شدنش معادل یک بطری آب نیاز است؛ با همین مقیاس ما شاهد افزایش هزینهها نیز خواهیم بود.
براساس نتایج برآورد اخیر تا سال ۲۰۲۷، بخش جهانی هوش مصنوعی سالانه بهاندازه هلند برق مصرف خواهد کرد و در یک مطالعه جدید، نگرانی دیگری مطرحشده است: سهم بزرگ هوش مصنوعی در انبوه فزاینده زبالههای الکترونیکی در سراسر جهان.
تولید زباله توسط هوش مصنوعی مولد
این مطالعه نشان داد که برنامههای کاربردی هوش مصنوعی مولد تا سال ۲۰۳۰ و بسته بهسرعت رشد صنعت، بهتنهایی ۱.۲ میلیون تا پنج میلیون تن از این زبالههای خطرناک را به سیاره زمین اضافه خواهند کرد.
کافی است این رقم را به دهها میلیون تن محصولات الکترونیکی که سالانه در سراسر دنیا دور ریخته میشود اضافه کنید؛ تلفنهای همراه، دستگاههای ماکروویو، کامپیوترها و سایر محصولات دیجیتال که اکثراً حاوی جیوه، سرب یا دیگر مواد سمی هستند، وقتی بهطور نامناسب دور ریخته شوند، باعث آلودگی هوا، آبوخاک خواهند شد.
طبق گزارش سازمان ملل متحد، در سال ۲۰۲۲ حدود ۷۸ درصد از زبالههای الکترونیکی جهان در محلهای دفن زباله یا مکانهای بازیافت غیررسمی یعنی مکانهایی که در آنها کارگران سلامتشان را به خطر میاندازند تا فلزات کمیاب را بیابند، جمعآوری میشوند.
آغاز تحقیق و بررسیها
رونق جهانی هوش مصنوعی بهسرعت باعث تحولاتی در دستگاههای ذخیرهسازی فیزیکی دادهها، واحدهای پردازش گرافیکی و سایر مؤلفههای با کارایی بالا که برای پردازش هزاران محاسبات همزمان لازم است، گردید. این سختافزار بین دو تا پنج سال دوام میآورد و اغلب بهمحض در دسترس قرار گرفتن نسخههای جدیدتر، جایگزین میشود. در اینبین عاصف زاچور، محقق پایداری دانشگاه رایشمن و یکی از نویسندگان مطالعه جدید دراینباره گفته که یافتههای آنها بر نیاز به نظارت و کاهش اثرات زیستمحیطی این فناوری تأکید دارد.
او و همکارانش برای محاسبه میزان کمک هوش مصنوعی مولد برای حل این مشکل، نوع و حجم سختافزار مورداستفاده برای اجرای مدلهای زبان بزرگ، زمان ماندگاری این اجزا و نرخ رشد بخش هوش مصنوعی را بررسی کردند. البته محققان هشدار دادهاند که پیشبینی آنها تخمین ناخالصی است که بر اساس چند عامل اضافی تغییر میکند. مثلاً ممکن است افراد بیشتری نسبت به پیشبینی مدلهای نویسندگان، از هوش مصنوعی مولد استفاده کنند.
در همین حال، نوآوریهای طراحی سختافزار ممکن است باعث کاهش زبالههای الکترونیکی در یک سیستم هوش مصنوعی معین شود؛ اما سایر پیشرفتهای تکنولوژیکی میتواند سیستمها را برای عموم ارزانتر و در دسترستر کرده و درنتیجه تعداد موارد استفاده را افزایش دهد.
شائولی رن، محقق دانشگاه کالیفرنیا که به مطالعه درباره هوش مصنوعی مسئول میپردازد و در این تحقیقات نقشی نداشته معتقد است که بزرگترین ارزش این مطالعه، توجه آن به اثرات زیستمحیطی گسترده هوش مصنوعی است: «ممکن است بخواهیم شرکتهای هوش مصنوعی مولد کمی کندتر پیش بروند.»
سیاستهایی که اجرایی نمیشود
تعداد کمی از کشورهای دنیا، دفع مناسب زبالههای الکترونیکی را اجباری کردهاند و حتی کشورهایی که این کار را انجام میدهند هم اغلب قوانین موجود دراینباره را اجرا نمیکنند.
بیستوپنج ایالت آمریکا سیاست مدیریت زبالههای الکترونیکی را پیشگرفتهاند؛ اما هیچ قانون فدرالی وجود ندارد که بازیافت وسایل الکترونیکی را اجباری کند. اخیراً لایحهای ارائه شد که سازمانهای فدرال را ملزم به مطالعه و توسعه استانداردهایی برای اثرات زیستمحیطی هوش مصنوعی، ازجمله زبالههای الکترونیکی میکرد که البته این لایحه نیز توسعهدهندگان هوش مصنوعی را مجبور به همکاری با سیستم گزارشدهی داوطلبانه آن نکرده است.
البته برخی شرکتها ادعا میکنند که اقدامات مستقلی در این راستا انجام میدهند. مثلاً مایکروسافت و گوگل متعهد شدهاند تا سال ۲۰۳۰ به ضایعات خالص صفر و انتشار خالص صفر برسند که احتمالاً شامل کاهش یا بازیافت زبالههای الکترونیکی مرتبط با هوش مصنوعی است.
شرکتهایی که از هوش مصنوعی استفاده میکنند گزینههای متعددی برای محدود کردن زبالههای الکترونیکی دارند. مثلاً با تعمیر و نگهداری منظم و بهروزرسانی یا تغییر دستگاههای فرسوده به برنامههای کمتر فشرده که از این طریق میتوان عمر سرورها را طولانیتر کرد.
زاچور و همکارانش در مطالعه جدید به این نکته اشاره کردند که بازسازی و استفاده مجدد از قطعات سختافزاری منسوخشده، میتواند ضایعات را تا ۴۲% کاهش دهد و با طراحی تراشه و الگوریتم کارآمدتر میتوان تقاضای هوش مصنوعی مولد برای سختافزار و برق را کاهش داد. نویسندگان مطالعه تخمین میزنند که ترکیب همه این استراتژیها باعث کاهش ۸۶ درصدی زبالههای الکترونیکی خواهد شد.
کیس بالد، محقق زبالههای الکترونیکی مؤسسه آموزش و تحقیقات سازمان ملل دراینباره یادآور شد که یک ماجرای دیگر نیز وجود دارد: بازیافت محصولات هوش مصنوعی نسبت به وسایل الکترونیکی استاندارد دشوارتر است؛ چراکه مورد اول، عموماً حاوی اطلاعات حساس مشتریان است و با مطالعه جدید درگیر نیست. البته به گفته او، شرکتهای بزرگ فناوری میتوانند هم این دادهها را پاک کنند و هم وسایل الکترونیکی را بهدرستی از بین ببرند و در مورد بازیافت زبالههای الکترونیکی گستردهتر میگوید: «بله هزینه زیادی دارد، اما دستاوردهای جامعه بسیار بزرگتر است.»
منبع: livescience
