روزنامه اطلاعات استان اصفهان روزنامه اطلاعات استان اصفهان
شاید این مطالب برایتان مفید باشد
مقدار تقاضای برق پلتفرم‌های هوش مصنوعی
مولد نامعلوم است. شرکت‌های بزرگی مثل گوگل،
مایکروسافت و متا این ارقام را به‌طور خصوصی و
محفوظ نگه می‌دارند یا آماری که اعلام می‌کنند
اطلاعات کمی از تأثیر زیست‌محیطی واقعی این
اپلیکیشن‌ها به‌دست می‌دهند
ضمیمه دانش روزنامه اطلاعات نوشت: چند سالی است که محبوبیت چت‌جی‌پی‌تی به حد انفجار رسیده است.
هر روز نزدیک به ۲۰۰ میلیون کاربر در مجموع بیش از یک میلیارد خط فرمان (prompt)به این اپلیکیشن وارد می‌کنند.
شاید این گونه به نظر برسد که این خط فرمان‌ها به طرزی جادویی اجرا می‌شوند
اما در پشت صحنه، این چت‌بات‌های هوش مصنوعی هستند که با مصرف مقادیر بسیار زیادی انرژی، درخواست‌های کاربران را اجرا می‌کنند.
در سال ۲۰۲۳ مراکز داده‌ای که برای آموزش دادن و پردازش هوش مصنوعی به‌کار می‌روند، ۴/۴ درصد از کل برق مصرفی در ایالات‌متحده را مصرف می‌کردند.
عامل مصرف حدود ۵/۱ درصد از برق مصرفی سراسر دنیا نیز مراکز داده هستند.
با توجه به رشد تقاضا برای هوش مصنوعی، پیش‌بینی می‌شود این اعداد همچنان به سرعت بالا بروند و تا سال ۲۰۳۰ دست‌کم دو برابر شوند.
همین سه سال پیش چت‌جی‌پی‌تی هنوز وجود خارجی نداشت اما حالا صحبت از یک فناوری است که طولی نمی‌کشد به خاطرش مراکز داده به عنوان عامل مصرف تقریباً نیمی از مقدار برق مصرف‌شده در سراسر دنیا شناخته شوند.
علت پرمصرف بودن چت‌بات‌ها، مقیاس بزرگ چت‌بات‌های هوش مصنوعی است.
به‌طور خاص، دو بخش از هوش مصنوعی هستند که بیشترین میزان برق را مصرف می‌کنند:
آموزش و استنتاج.برای تعلیم دادن چت‌بات‌های هوش مصنوعی، مدل‌های زبانی بزرگ (LLMs)را با مجموعه دادگان فوق‌العاده حجیمی تغذیه می‌کنند تا هوش مصنوعی بتواند یاد بگیرد، الگوها را تشخیص دهد و پیش‌بینی کند.
به‌طور کلی، در حوزه آموزش به هوش مصنوعی باوری با مضمون «هر چه بزرگ‌تر، بهتر» حاکم است؛
بدین معنی که تصور می‌شود مدل‌های زبانی بزرگ‌تر که داده‌های بیشتری را دریافت می‌کنند، پیش‌بینی‌های بهتری را ارائه می‌دهند.
بنابراین اتفاقی که هنگام تعلیم دادن به مدل‌های زبانی بزرگ می‌افتد، این است که آن‌ها آن‌قدر پرحجم شده‌اند که دیگر فقط در یک واحد پردازش گرافیکی (GPU)جا نمی‌شوند؛
نمی‌توان آن‌ها را فقط در یک سِروِر جا داد. برای این که تصویری از مقیاس بزرگی آن‌ها داده شود، در سال ۲۰۲۳ پژوهشی انجام شد
که برآورد کرد فقط یک سِروِر DGX A۱۰۰متعلق به شرکت فناور «انویدیا» تا ۵/۶ کیلووات برق مصرف می‌کند.
به‌طور معمول برای آموزش دادن به یک مدل زبانی بزرگ چند سرور مورد نیاز است که هر کدامشان به‌طور متوسط ۸ واحد پردازش گرافیکی دارند که هر کدام از آن‌ها نیز هفته‌ها یا ماه‌ها کار می‌کنند.
همه این‌ها در مجموع مقادیر بی‌نهایتی برق مصرف می‌کنند. برآورد شده است که برای آموزش به GPT-۴شرکت اوپِن‌اِی‌آی ۵۰ گیگاوات ـ ساعت برق مصرف شده‌است که معادل تأمین برق یک شهر به مدت سه روز است.
همان‌طور که گفته شد، علاوه بر آموزش، استنتاج نیز فرآیندی پرمصرف است.
طی استنتاج، چت‌بات هوش مصنوعی از چیزی که یاد گرفته نتیجه‌گیری می‌کند و از درخواستی که به آن می‌شود، یک داده خروجی تولید می‌کند.
اگرچه پس از تعلیم یک مدل زبانی بزرگ برای راه انداختنش منابع محاسباتی بسیار کم‌تری مورد نیاز هستند،
اما فرآیند استنتاج صرفاً به دلیل تعداد درخواست‌هایی که به چت‌بات‌های هوش مصنوعی می‌شوند همچنان پرمصرف است.
در ماه جولای ۲۰۲۵ شرکت اوپِن‌اِی‌آی اعلام کرد که کاربران چت‌جی‌پی‌تی هر روز بیش از ۵/۲ میلیارد خط فرمان (prompt)ارسال می‌کنند.
این بدان معنا است که چندین سرور به منظور تولید پاسخ‌های لحظه‌ای به آن دستورها مشغول به کار هستند.
این بدون در نظر گرفتن چت‌بات‌های دیگری مثل جمینای ساخت شرکت گوگل است که بسیار متداول هستند و کاربرهای خیلی زیادی دارند.
حتی گفته می‌شود جمینای به زودی گزینه پیش‌فرض جستجوی گوگل خواهد شد.
بنابراین حتی در مرحله استنتاج نیز امکان صرفه‌جویی در مصرف برق وجود ندارد.
فقط داده‌ها نیستند که حجم زیادی دارند، این مدل خودش حجیم است و از سوی دیگر، تعداد افرادی که از آن استفاده می‌کنند نیز بسیار زیاد است.
پژوهشگران تلاش می‌کنند کمیت تقاضا برای برق را بهتر تعیین کنند تا بفهمند چگونه می‌توانند این حجم از میزان مصرف را کاهش دهند.
برای مثال، آن‌ها به کمک ML Energy Leaderboardکه مبتنی بر یادگیری ماشین است، مقدار مصرف برق فرآیند استنتاج در مدل‌های متن باز را دنبال می‌کنند.
با همه این‌ها، مقدار تقاضای برق دیگر پلتفرم‌های هوش مصنوعی مولد نامعلوم است.
شرکت‌های بزرگی مثل گوگل، مایکروسافت و متا این ارقام را به‌طور خصوصی و محفوظ نگه می‌دارند یا آماری که اعلام می‌کنند اطلاعات کمی از تأثیر زیست‌محیطی واقعی این اپلیکیشن‌ها به‌دست می‌دهند.
این موارد باعث می‌شوند تعیین مقدار برقی که هوش مصنوعی در واقعیت مصرف می‌کند، تعیین تقاضا برای انرژی الکتریکی هوش مصنوعی در سال‌های پیش‌رو و نیز پی بردن به این که آیا دنیا توان همگام شدن با آن را دارد یا خیر، دشوار شود.
کاربرانی که از این چت‌بات‌ها استفاده می‌کنند نیز می‌توانند مدیران شرکت‌های سازنده آن‌ها را تحت فشار بگذارند تا درباره مصرف برق شفاف‌سازی کنند.
این کار نه‌تنها به کاربران کمک می‌کند هنگام کار با هوش مصنوعی انتخاب‌هایی کنند که در آن‌ها مصرف انرژی کمتر مد نظر قرار گرفته است، بلکه می‌تواند به ایجاد سیاست‌های سختگیرانه برای مسئول دانستن شرکت‌های فناور بیانجامد.
یکی از مشکلات اساسیِ اپلیکیشن‌های هوش مصنوعی این است که تأثیر آن‌ها بر محیط‌زیست هرگز شفاف‌سازی نمی‌شود. این سیاست‌گذاران هستند که باید دیگران را به افشاسازی واقعیت تشویق کنند تا کاربران دست‌به‌کار شوند و گامی بردارند.
**************************************************
