لزوم حرکت از هوش مصنوعی قرمز به هوش مصنوعی سبز

هوش مصنوعی اغلب به دو صورت در فرهنگ عمومی و تحلیل سیاسی ارائه می‌شود. یا نشان ‌دهنده کلید یک مدینه فاضله آینده گرا است که با ادغام هوش انسانی و توانایی‌های تکنولوژیکی تعریف می‌شود، یا نخستین گام به سوی ظهور ویرانه سرای ماشین‌ها است. تمرکز انحصاری صنعت فناوری بر نقش هوش مصنوعی در ایجاد یک مدینه فاضله منتج از فناوری جدید، راه‌هایی را که هوش مصنوعی می‌تواند تخریب محیط ‌زیست را تشدید کند، پنهان می‌کند که اغلب به طور مستقیم به جمعیت حاشیه ‌نشین آسیب می‌رساند.
از یک طرف هوش مصنوعی می‌تواند ابزار قدرتمندی برای مبارزه با تغییرات آب و هوایی باشد. به عنوان مثال، در مورد خودروهای خودران با کمک هوش مصنوعی ممکن است با شناسایی کارآمدترین مسیرها، انتشار گازهای گلخانه‌ای را تا سال 2050 به میزان 50 درصد کاهش دهند. استفاده از هوش مصنوعی در کشاورزی نیز بازدهی بالاتری را به همراه دارد. به عنوان مثال کشاورزان در هند با استفاده از فناوری هوش مصنوعی 30 درصد برداشت بیشتری از بادام زمینی به دست آوردند. علاوه بر این، هوش مصنوعی می‌تواند تجزیه و تحلیل سریع‌تر و دقیق‌تری از تصاویر ماهواره‌ای ارائه نماید و مناطق فاجعه‌ زده را که نیاز به کمک دارند را شناسایی کند. تجزیه و تحلیل داده‌های مبتنی بر هوش مصنوعی همچنین می‌تواند به پیش ‌بینی الگوهای پرخطر آب‌ و هوایی و پاسخگویی سریع ضمن نظارت دقیق بر تعهد دولت‌ها و شرکت‌ها به جهت کاهش میزان انتشار گازهای گلخانه‌ای کمک کند.
از طرف دیگر هوش مصنوعی و صنعت اینترنت و ارتباطات گسترده‌تر به دلیل استفاده از مقادیر گزاف انرژی به‌طور فزاینده‌ای مورد انتقاد قرار گرفته‌اند. برای مثال پردازش داده را در نظر بگیرید. ابر رایانه‌هایی که برای اجرای برنامه‌های هوش مصنوعی پیشرفته مورد استفاده قرار می‌گیرند از شبکه برق عمومی تغذیه می‌شوند و توسط ژنراتورهایی با موتور دیزلی پشتیبانی می‌شوند. همچنین آموزش یک سیستم هوش مصنوعی می‌تواند بیش از 250 هزار پوند[1] دی‌اکسید کربن منتشر کند‌. درواقع، استفاده از فناوری هوش مصنوعی در تمام بخش‌ها، انتشار دی‌اکسید کربن را در سطحی هم‌تراز با صنعت هوانوردی تولید می‌کند­. این انتشارات مازاد به‌طور نامتناسبی بر جوامعی که در طول تاریخ به حاشیه رانده شده و اغلب در مناطق بسیار آلوده زندگی می‌کنند و مستقیماً تحت تأثیر خطرات بهداشتی ناشی از آلودگی قرار می‌گیرند، تأثیر می‌گذارد. بنابراین، متخصصان خواستار اولویت قرار دادن تلاش‌ها برای داشتن هوش مصنوعی سبز[2](Green AI) هستند که بر روی بازدهی انرژی سیستم‌های هوش مصنوعی متمرکز است. موسسه هوش مصنوعی آلن[3]، مفهوم هوش مصنوعی قرمز(Red AI) را معرفی می‌کند. آن‌ها آن را به‌عنوان «خرید» نتایج قوی‌تر با صرف محاسبات بیشتر در مدل تعریف می‌کنند. بنابراین هوش مصنوعی قرمز منجر به افزایش سریع هزینه‌های محاسباتی و در نتیجه انتشار کربن شده است. طبق گزارش موسسه آلن ردپای دی‌اکسید کربنی یک آمریکایی به‌طور متوسط در یک سال معادل 36000 پوند است، درحالی‌که مدل جستجوی معماری عصبی ([4]NAS) با یادگیری عمیق تقریباً 626000 پوند CO2 هزینه دارد. این ردپا بیش از 17 برابر میانگین ردپای آمریکایی‌ها در یک سال است. علاوه بر این، هزینه آموزش در محیط ابری بین 1 تا 3 میلیون دلار است. بنابراین پیشرفت واقعی این خواهد بود که این بهبود را انجام دهیم و درعین‌حال استفاده از منابع خود را متعادل کنیم.
اخیراً دانشمندان و مهندسان هوش مصنوعی به این انتقادات پاسخ داده‌اند و در حال بررسی منابع جدیدی برای تقویت مراکز داده هستند. البته باید بیان نمود حتی منابع انرژی جدید و ظاهراً پایدارتر مانند باتری‌های قابل شارژ نیز خود می‌توانند تغییرات آب و هوایی را تشدید کنند و به جوامع آسیب برسانند. به‌عنوان‌مثال بیشتر باتری‌های قابل شارژ از لیتیوم یک فلز خاکی کمیاب ساخته می‌شوند که از سویی استخراج آن می‌تواند اثرات منفی برای جوامع حاشیه ‌نشین داشته باشد و از سویی دیگر نیاز به مصرف آب زیادی دارد که این میزان برابر با 500 هزار گالن آب به ازای هر تن لیتیوم استخراج شده می‌باشد . در شیلی، دومین کشور تولید کننده بزرگ لیتیوم در جهان، جوامع بومی مانند مردم کوپیاپو در شمال اغلب با شرکت‌های معدنکاری بر سر حقوق زمین و آب درگیر می‌شوند‌. این فعالیت‌های معدنکاری بسیار آب بَر هستند. همچنین مؤسسه تحقیقات انرژی شیلی گزارش داده که معدنکاری در منطقه سالار د آتاکاما 65 درصد آب منطقه را مصرف می‌کنند و این هدررفت آب به تالاب‌ها و منابع آبی آسیب می‌رساند که باعث شده گونه‌های بومی گیاهی و جانوری در معرض خطر انقراض قرار گیرند و جمعیت محلی را تحت تأثیر قرار دهند. بنابراین باید بیان نمود به تصویر کشیدن لیتیوم به عنوان انرژی "پاک" صرفاً به این دلیل که از نظر زیست محیطی کمتر از گازوئیل یا زغال سنگ مخرب است نیز یک دوگانگی نادرست است که ذینفعان را از دنبال کردن منابع انرژی جدیدتر و سبزتر بر حذر می‌دارد. توسعه فناوری هوش مصنوعی نمادی از پیشرفت غیر قابل باور است. با این حال، اثرات پیشرفت برای همه یکسان نیست و شرکت‌هایی که این فناوری‌ها را توسعه می‌دهند، این مسئولیت دارند تا اطمینان حاصل کنند که جوامع به حاشیه رانده شده، بار عمده عواقب منفی ناشی از انقلاب هوش مصنوعی را متحمل نمی‌شوند.
شرکت‌های بزرگ تولید داده می‌توانند با استفاده از باتری‌های فیزیکی از خطرات باتری‌های لیتیومی جلوگیری کنند. این باتری‌ها که از بتن ساخته شده‌اند، انرژی پتانسیل گرانشی را در بلوک‌های بتنی مرتفع ذخیره می‌کنند که می‌توان آن را در هر نقطه مهار کرد. به عنوان نمونه در یکی از دره‌های سوئیس دو بلوک بتنی 35 تنی توسط یک برج 246 فوتی معلق است. اینها یک نمونه اولیه از آنچه که یک باتری فیزیکی می‌تواند به نظر برسد هستند، و با هم، انرژی کافی برای تأمین انرژی دو هزار خانه (دو مگاوات) را در خود دارند. باتری‌های فیزیکی یک جایگزین بالقوه برای باتری‌های لیتیومی با هزینه کمتر برای محیط زیست و جوامع حاشیه‌ای هستند و می‌توانند از مواد معمولی در دسترس مانند بتن ساخته شوند. شرکت‌های فناوری باید برای کمک به حل مشکلات مصرف انرژی و ذخیره سازی ناشی از هوش مصنوعی تلاش بیشتری کنند. برخی از مراکز داده به سمت عملکرد با انرژی کاملاً پاک رفته‌اند. به عنوان مثال، مراکز داده ایسلند عمدتاً با انرژی پاکی که از منابع برق آبی و زمین گرمایی جزیره بدست می‌آید، فعالیت می‌کنند و این کشور به مکانی محبوب برای مراکز داده جدید تبدیل شده است. این مراکز داده به دلیل آب و هوای سرد ایسلند همچنین نیازی به خنک شدن با فن‌های پر انرژی یا تهویه مطبوع ندارند. با این حال، ایسلند منحصراً برای میزبانی از مراکز پردازش داده مناسب است و باید متذکر شد اکثر کشورها قادر به فراهم ساختن شرایط مطلوب محیطی نیستند.
هوش مصنوعی چندین مزیت را برای حل بحران آب و هوای فعلی ارائه می‌دهد، اما نادیده گرفتن اثرات جانبی محیطی بالقوه دشوار است. از آنجاییکه شرکت‌های فناوری اغلب به خاطر خلاقیت و نبوغ خود مورد تحسین قرار گرفته‌اند و آنها باید از این مهارت‌ها برای حل مشکلات مرتبط با هوش مصنوعی استفاده کنند.

نتیجه گیری
مراکز داده کارخانه‌های عصر دیجیتال هستند که بخش مهمی از زیرساخت‌های داده را تشکیل می‌دهند. اتکای جهانی به خدمات ابری و اینترنت باعث رشد مداوم بازار مراکز داده می­شودکه این منجر به افزایش مصرف انرژی و انتشار کربن شده است و بدین وسیله هم تراز با صنعت خطوط هوایی CO2 تولید می­گردد و علیرغم اهمیت فزاینده آنها، این غول‌های اطلاعاتی تحت فشار قابل توجهی در جهت کاهش اثرات زیست محیطی مرکز داده هستند. از اینرو تغییر مصرف از سوخت‌های فسیلی به سوخت‌های جایگزین غیر قابل اجتناب می‌باشد.
عوامل متعددی وجود دارد که بر این میزان مصرف انرژی تأثیر می‌گذارد، اما با بررسی دقیق انرژی، از جمله اولویت ‌بندی منابع انرژی تجدیدپذیر یا سایر منابع انرژی با تولید کربن کمتر و ایجاد تغییرات جزئی در رویکردهای فعلی، مراکز داده می‌توانند به سمت خنثی سازی 100% کربن پیش روند، که این کاهش انتشار کربن منجر به کاهش هزینه‌ها نیز خواهند شد؛ زیرا با کاهش مصرف انرژی می‌توان مستقیماً به نتیجه نهایی دست یافت. بنابراین می‌توان تأثیرات زیست ‌محیطی مرکز داده را با کمک مواردی همچون موارد زیر کاهش داد:
1- استفاده از انرژی‌های تجدید پذیر پیشرفته؛ 2- بهره‌گیری از تکنیک‌های خنک کننده طبیعی، مانند آب و باد؛ 3- نصب سیستم‌های مدیریت کیفیت مؤثر، برای شناسایی هر چه سریع‌تر عامل ایجاد کننده مشکل و اقدام در جهت رفع آن؛ 4- نصب و استفاده از تجهیزات جدید، جهت بهبود عملکرد و جلوگیری از هدررفت انرژی.

نویسنده: نسیم حسینی، کارشناس ارشد منابع طبیعی، دانشگاه فردوسی مشهد
گروه کشاورزی و محیط زیست پژوهشگاه فضای مجازی


منبع