هزینه پنهان هوش مصنوعی: از برق تا آب، چالشهای زیستمحیطی AI
هزینه پنهان هوش مصنوعی: از برق تا آب، چالشهای زیستمحیطی AI
به گزارش gsxr، همزمان، شرکت «OpenAI» با پشتیبانی «دونالد ترامپ»، رئیسجمهور پیشین ایالات متحده، از پروژهای بلندپروازانه به نام «استارگیت» با بودجهای پنجاهمیلیارد دلاری رونمایی کرده که هدف آن، ایجاد حدود ده مرکز داده است؛ به طوری که هر یک از این مراکز، میتوانند انرژی بیشتری نسبت به کل ایالت «نیوهمپشایر» مصرف نمایند.
همچنین، شرکت «اپل» در نظر دارد در طول چهار سال آینده، مبلغ پنجاهمیلیارد دلار در زمینه احداث کارخانههای تولید و مراکز داده در ایالات متحده هزینه کند. از سوی دیگر، پیشبینی میشود شرکت «گوگل»، تنها در سال ۲۰۲۵، حدود هفتادوپنجمیلیارد دلار صرف توسعه زیرساختهای هوش مصنوعی خواهد کرد.
این سطح از سرمایهگذاری، پدیدهای منحصر بهفرد در حوزه هوش مصنوعی است و با روند گذشته صنعت فناوری تفاوت چشمگیری دارد. گزارشها حاکی از آن است که در فاصله سالهای ۲۰۰۵ تا ۲۰۱۷، مصرف برق مراکز داده علیرغم گسترش عظیم سرویسهای اینترنتی مانند «فیسبوک» و «نتفلیکس»، بهدلیل بهبود مستمر در بازدهی انرژی، تقریباً ثابت باقی مانده بود.
اما از سال ۲۰۱۷ و همزمان با ظهور جدی فناوری هوش مصنوعی، این روند دگرگون شده است. مراکز داده به سمت استفاده از سختافزارهای پرمصرف حرکت کردهاند و مصرف انرژی آنها تا سال دوهزاروبیستوسه (۲۰۲۳)، دو برابر افزایش یافته است. بر اساس پژوهشهای اخیر منتشر شده در «eScholarship»، هماکنون ۴.۴٪ از کل مصرف انرژی ایالات متحده، به مراکز داده اختصاص دارد.
با توجه به شتاب روزافزون توسعه هوش مصنوعی که به سمت تخصصیتر شدن و توانایی حل مسائل پیچیده پیش میرود، به نظر میرسد مصرف کنونی انرژی در قیاس با آینده، ناچیز باشد. مطابق پیشبینیهای آزمایشگاه ملی «لارنس برکلی» در دسامبر گذشته، انتظار میرود تا سال ۲۰۲۸، بیش از نیمی از برق تخصیصیافته به مراکز داده، صرف اجرای برنامههای هوش مصنوعی شود. این امر بدان معناست که هوش مصنوعی بهتنهایی میتواند سالانه معادل ۲۲٪ از کل مصرف انرژی خانگی در ایالات متحده را به خود اختصاص دهد.
علل نیاز به منابع گسترده برای آموزش مدلهای هوش مصنوعی
آموزش مدلهای هوش مصنوعی به دلیل نیاز به تنظیم میلیاردها پارامتر از طریق محاسبات بسیار پیچیده و تکراری، مستلزم صرف مقادیر عظیمی از انرژی و منابع است. این فرآیند، زیرساختهای پردازشی بسیار قدرتمندی (HPC) متشکل از هزاران واحد پردازش گرافیکی (GPU)، پردازنده مرکزی (CPU) و واحدهای پردازش تخصصی هوش مصنوعی (TPU) میطلبد.
تمامی این سختافزارها بهصورت موازی و برای هفتهها یا حتی ماهها بهمنظور آموزش یک مدل، به فعالیت میپردازند که در طول این مدت، انرژی الکتریکی قابلتوجهی مصرف میکنند. به دلیل هزینههای گزاف مربوط به سختافزار، برق، سیستمهای خنککننده و نگهداری، تنها تعداد محدودی از شرکتها توان مالی آموزش مدلهای بزرگ هوش مصنوعی را دارند. شرکتهای کوچکتر با منابع محدود، مدت زمان بسیار بیشتری را صرف آموزش مدلهای خود میکنند که این خود منجر به مصرف تجمعی بیشتر انرژی میشود.
برای درک بهتر این موضوع، آموزش مدلهای بزرگی مانند «ChatGPT-4» را در نظر بگیرید. بر اساس پژوهشهای انجامشده، آموزش مدل «GPT-3» حدود یکهزار و دویست و هشتاد و هفت (۱۲۸۷) مگاواتساعت برق مصرف کرده و ۵۰۲ تن دیاکسیدکربن منتشر کرده است که معادل آلایندگی تولیدشده توسط ۱۱۲ خودروی بنزینی در طول یک سال است.
شایان توجه است که مدلهای هوش مصنوعی برای حفظ دقت و ارتباط خود نیاز به آموزشهای مکرر و بهروزرسانی دارند که این نیز بار مضاعفی بر مصرف انرژی تحمیل میکند. علاوه بر این، عواملی همچون خرابیهای زیرساختی، ناکارآمدی در نرمافزارها و افزایش پیچیدگی مدلها، موجب شده تا آموزش هوش مصنوعی به یکی از پرمصرفترین فعالیتهای پردازشی دوران معاصر تبدیل شود.
مصرف انرژی در مقیاس جهانی
بر اساس گزارش آژانس بینالمللی انرژی (IEA)، مراکز داده در سراسر جهان در سال ۲۰۲۲، چهارصد و شصت (۴۶۰) تراواتساعت برق مصرف کردهاند و پیشبینی میشود این رقم تا سال ۲۰۲۶ از مرز یکهزار تراواتساعت فراتر رود. این میزان مصرف، معادل یکسوم تولید سالانه انرژی تمامی راکتورهای هستهای جهان و تقریباً برابر با کل مصرف برق کشور ژاپن است.
در چین، انتظار میرود مصرف انرژی مراکز داده تا سال۲۰۳۰ در مقایسه با سال دوهزاروبیست ۲۰۲۰، دو برابر شده و به ۴۰۰ تراواتساعت برسد. همچنین در شمال شرقی ایالات متحده، پیشبینی میشود مراکز داده به عامل اصلی افزایش تقاضای برق تبدیل شوند.
وضعیت در اروپا نیز مشابه است. برای مثال، در کشور ایرلند، مراکز داده در سال ۲۰۲۲، حدود ۵.۳ تراواتساعت برق مصرف کردهاند که ۱۷درصد از کل مصرف برق این کشور را شامل میشود. در صورت تداوم این روند، انتظار میرود سهم مراکز داده از کل تقاضای برق ایرلند تا سال ۲۰۲۶ به ۳۲ درصد برسد.
مصرف سایر منابع: آب و زمین
مراکز داده هوش مصنوعی تنها مصرفکننده انرژی الکتریکی نیستند؛ آنها به سیستمهای عظیم خنککننده نیز برای عملکرد ایمن سختافزارهای خود نیاز مبرم دارند. سرورها و روترها ضمن پردازش دادهها، گرمای زیادی تولید میکنند که دفع آن مستلزم وجود سیستمهای خنککننده بسیار کارآمد است. جالب است بدانید که این سیستمهای خنککننده میتوانند تا ۴۰درصد از کل انرژی مصرفی یک مرکز داده را به خود اختصاص دهند.
این مراکز برای خنکسازی بهینه، به مقادیر زیادی آب وابسته هستند و از سیستمهای پیچیده تهویه مطبوع، چیلرها و رطوبتسازها استفاده میکنند. اگرچه خنکسازی مستقیم سرورها با آب بازدهی بهتری نسبت به خنکسازی کلی فضای سالن دارد، اما این مصرف بالای آب میتواند فشار زیادی بر منابع آلی محلی وارد کند.
نمونه بارز این مسئله در شهر «دالس» ایالت «اورگان» رخ داده است، جایی که مراکز داده شرکت گوگل بیش از ۲۵ درصد از آب این شهر را مصرف میکنند. با توسعه بیشتر هوش مصنوعی، انتظار میرود مصرف آب شیرین در این بخش بهطور قابلتوجهی افزایش یابد.
علاوه بر انرژی و آب، مراکز داده به فضای فیزیکی بسیار بزرگی نیاز دارند. یک مرکز داده استاندارد typically حدود ۹,۰۰۰ متر مربع وسعت دارد، در حالی که یکی از بزرگترین مراکز داده در ایالات متحده به نام «Switch Tahoe Reno»، با مساحتی معادل ششصد و شصت و نههزار (۶۶۹,۰۰۰) متر مربع، حتی از ساختمان پنتاگون نیز بزرگتر است.
در سطح جهانی، تعداد مراکز داده از کمتر از هشتهزار (۸,۰۰۰) مورد در ژانویه 2021 به ۱۰,۹۷۸ مورد در نوامبر November افزایش یافته است. پیشبینی میشود این روند صعودی با افزایش تقاضا برای هوش مصنوعی ادامه یابد که به معنای نیاز روزافزون به زمین، انرژی و آب است.
