كيف يؤثر الذكاء الاصطناعي على البيئة؟

كيف يؤثر الذكاء الاصطناعي على البيئة؟

باختصار، يؤثر الذكاء الاصطناعي على البيئة بشكل رئيسي من خلال استهلاك الكهرباء في مراكز البيانات (سواءً للتدريب أو للاستدلال اليومي)، بالإضافة إلى المياه المستخدمة للتبريد، فضلاً عن الآثار المترتبة على تصنيع الأجهزة والنفايات الإلكترونية. إذا وصل الاستخدام إلى مليارات الاستعلامات، فقد يفوق الاستدلال استهلاك التدريب؛ وإذا كانت شبكات الكهرباء أنظف والأنظمة أكثر كفاءة، فإن الآثار السلبية تتراجع بينما تزداد الفوائد.

أهم النقاط المستفادة:

الكهرباء : تتبع استخدام الحوسبة؛ تنخفض الانبعاثات عندما تعمل أحمال العمل على شبكات أنظف.

الماء : خيارات التبريد تُغير التأثيرات؛ وتُعدّ الطرق القائمة على الماء أكثر أهمية في المناطق التي تعاني من ندرة المياه.

الأجهزة : تحمل الرقائق والخوادم آثارًا جوهرية كبيرة؛ لذا يجب إطالة عمرها الافتراضي وإعطاء الأولوية لعملية التجديد.

الارتداد : يمكن للكفاءة أن تزيد الطلب الإجمالي؛ قم بقياس النتائج، وليس فقط المكاسب لكل مهمة.

أدوات التشغيل : تحديد حجم النماذج بشكل مناسب، وتحسين الاستدلال، والإبلاغ عن مقاييس كل طلب بشفافية.

كيف يؤثر الذكاء الاصطناعي على البيئة؟ رسم بياني

مقالات قد ترغب في قراءتها بعد هذه المقالة:

🔗 هل الذكاء الاصطناعي ضار بالبيئة؟
استكشف البصمة الكربونية للذكاء الاصطناعي، واستهلاكه للكهرباء، ومتطلبات مراكز البيانات.

🔗 لماذا يعتبر الذكاء الاصطناعي سيئاً للمجتمع؟
انظر إلى التحيز، واضطراب الوظائف، والمعلومات المضللة، وتفاقم عدم المساواة الاجتماعية.

🔗 لماذا يُعتبر الذكاء الاصطناعي سيئاً؟ الجانب المظلم للذكاء الاصطناعي
فهم المخاطر مثل المراقبة والتلاعب وفقدان السيطرة البشرية.

🔗 هل تجاوز الذكاء الاصطناعي الحد المسموح به؟
مناقشات حول الأخلاقيات واللوائح التنظيمية، وأين ينبغي أن ترسم الابتكارات حدودها.

كيف يؤثر الذكاء الاصطناعي على البيئة: لمحة سريعة ⚡🌱

إذا كنت ستتذكر بضع نقاط فقط، فاجعلها هذه النقاط:

ثمّة جانبٌ يغفل عنه الكثيرون: النطاق . قد يبدو استعلام الذكاء الاصطناعي الواحد صغيرًا، لكن مليارات الاستعلامات تُشكّل ظاهرةً مختلفةً تمامًا... ككرة ثلج صغيرة تتحوّل فجأةً إلى انهيار جليدي بحجم أريكة. (هذا التشبيه ليس دقيقًا تمامًا، لكن الفكرة واضحة). وكالة الطاقة الدولية: الطاقة والذكاء الاصطناعي

إن البصمة البيئية للذكاء الاصطناعي ليست شيئًا واحدًا، بل هي مجموعة من العوامل 🧱🌎

عندما يتجادل الناس حول الذكاء الاصطناعي والاستدامة، فإنهم غالباً ما يتحدثون في وادٍ آخر لأنهم يشيرون إلى مستويات مختلفة:

1) حساب الكهرباء

2) تكاليف مركز البيانات

3) الماء والحرارة

4) سلسلة توريد الأجهزة

5) السلوك وتأثيرات الارتداد

لذلك عندما يسأل أحدهم كيف يؤثر الذكاء الاصطناعي على البيئة، فإن الإجابة المباشرة هي: يعتمد ذلك على الطبقة التي تقيسها، وماذا يعني "الذكاء الاصطناعي" في تلك الحالة.

التدريب مقابل الاستدلال: الفرق الذي يغير كل شيء 🧠⚙️

يُحب الناس الحديث عن التدريب لأنه يبدو مثيرًا - "استخدم نموذج واحد كمية X من الطاقة". لكن الاستدلال هو العملاق الصامت. وكالة الطاقة الدولية: الطاقة والذكاء الاصطناعي

التدريب (البناء الكبير)

التدريب أشبه ببناء مصنع. تدفع التكلفة الأولية: موارد حاسوبية ضخمة، أوقات تشغيل طويلة، الكثير من التجارب والأخطاء (وبالطبع، الكثير من المحاولات الفاشلة). يمكن تحسين التدريب، لكنه قد يظل كبيرًا. وكالة الطاقة الدولية: الطاقة والذكاء الاصطناعي

الاستدلال (الاستخدام اليومي)

الاستدلال أشبه بمصنع يعمل كل يوم، للجميع، وعلى نطاق واسع:

  • روبوتات الدردشة تجيب على الأسئلة

  • توليد الصور

  • ترتيب البحث

  • التوصيات

  • تحويل الكلام إلى نص

  • كشف الاحتيال

  • مساعدو الطيارين في أدوات المستندات والبرمجة

حتى لو كان كل طلب صغيرًا نسبيًا، فإن حجم الاستخدام قد يفوق بكثير حجم التدريب. إنها الحالة الكلاسيكية "قشة واحدة لا تُشكل شيئًا، ومليون قشة تُشكل مشكلة". وكالة الطاقة الدولية: الطاقة والذكاء الاصطناعي

ملاحظة صغيرة: بعض مهام الذكاء الاصطناعي تتطلب موارد أكثر بكثير من غيرها. فمثلاً، توليد الصور أو مقاطع الفيديو الطويلة يستهلك طاقة أكبر من تصنيف النصوص القصيرة. لذا، فإن تصنيف الذكاء الاصطناعي في خانة واحدة يشبه إلى حد ما مقارنة الدراجة الهوائية بسفينة شحن وتسميتهما معًا "وسيلة نقل". وكالة الطاقة الدولية: الطاقة والذكاء الاصطناعي

مراكز البيانات: الطاقة، والتبريد، وقصة المياه الهادئة 💧🏢

مراكز البيانات ليست بجديدة، لكن الذكاء الاصطناعي يُغيّر من طبيعتها. فالمعالجات عالية الأداء تستهلك كميات هائلة من الطاقة في مساحات ضيقة، ما يُحوّلها إلى حرارة، الأمر الذي يستلزم إدارتها. (مختبر لورانس بيركلي الوطني، 2024): تقرير استخدام الطاقة في مراكز البيانات بالولايات المتحدة (ملف PDF) الوكالة الدولية للطاقة: الطاقة والذكاء الاصطناعي

أساسيات التبريد (مبسطة، ولكنها عملية)

هذا هو المقابل: يمكنك أحيانًا خفض استهلاك الكهرباء بالاعتماد على التبريد المائي. اعتمادًا على ندرة المياه محليًا، قد يكون ذلك مناسبًا... أو قد يُشكّل مشكلة حقيقية. لي وآخرون (2023): جعل الذكاء الاصطناعي أقل استهلاكًا للطاقة (ملف PDF)

كما أن البصمة البيئية تعتمد بشكل كبير على:

بصراحة: غالباً ما يُنظر إلى "مركز البيانات" في النقاش العام على أنه صندوق أسود. إنه ليس شراً، وليس سحراً. إنه بنية تحتية. ويتصرف كبنية تحتية.

الرقائق والأجهزة: الجزء الذي يتجاهله الناس لأنه أقل جاذبية 🪨🔧

تعتمد تقنيات الذكاء الاصطناعي على الأجهزة. وللأجهزة دورة حياة، وقد تكون آثار هذه الدورة كبيرة. وكالة حماية البيئة الأمريكية: صناعة أشباه الموصلات ، الاتحاد الدولي للاتصالات: المرصد العالمي للنفايات الإلكترونية 2024

أين يظهر الأثر البيئي

النفايات الإلكترونية والخوادم "السليمة تمامًا"

لا ينجم الكثير من الضرر البيئي عن وجود جهاز واحد، بل عن استبداله مبكرًا لعدم جدواه الاقتصادية. يُسرّع الذكاء الاصطناعي هذه العملية نظرًا للقفزات الكبيرة في الأداء. إن إغراء تحديث الأجهزة حقيقي. (الاتحاد الدولي للاتصالات: المرصد العالمي للنفايات الإلكترونية 2024)

نقطة عملية: إن إطالة عمر الأجهزة، وتحسين استخدامها، وتجديدها قد يكون بنفس أهمية أي تعديل فاخر على الطراز. أحيانًا يكون أفضل معالج رسومات صديق للبيئة هو الذي لا تشتريه. (يبدو هذا كشعار، ولكنه أيضًا... صحيح إلى حد ما)

كيف يؤثر الذكاء الاصطناعي على البيئة: حلقة سلوك "ينسى الناس هذا" 🔁😬

وهنا يكمن الجانب الاجتماعي المحرج: الذكاء الاصطناعي يُسهّل الأمور، فيُنجز الناس المزيد من المهام. وهذا أمرٌ رائع - إنتاجية أعلى، وإبداع أكبر، وإمكانية وصول أوسع. لكنه قد يعني أيضاً استهلاكاً أكبر للموارد بشكل عام. منظمة التعاون الاقتصادي والتنمية (2012): الفوائد المتعددة لتحسين كفاءة الطاقة (ملف PDF)

أمثلة:

  • إذا جعل الذكاء الاصطناعي إنتاج الفيديو رخيصاً، فسينتج الناس المزيد من الفيديوهات.

  • إذا جعل الذكاء الاصطناعي الإعلان أكثر فعالية، فسيتم عرض المزيد من الإعلانات، وستدور المزيد من حلقات التفاعل.

  • إذا ساهم الذكاء الاصطناعي في جعل الخدمات اللوجستية للشحن أكثر كفاءة، فسيتمكن قطاع التجارة الإلكترونية من التوسع بشكل أكبر.

هذا ليس سبباً للذعر. إنه سبب لقياس النتائج، وليس الكفاءة فقط.

تشبيه غير مثالي ولكنه طريف: كفاءة الذكاء الاصطناعي أشبه بإعطاء مراهق ثلاجة أكبر - نعم، تتحسن سعة تخزين الطعام، ولكن بطريقة ما، تُفرغ الثلاجة مرة أخرى في غضون يوم. ليس تشبيهًا مثاليًا، ولكن... ربما رأيت ذلك يحدث 😅

الجانب الإيجابي: يمكن للذكاء الاصطناعي أن يساعد البيئة فعلاً (عند توجيهه بالشكل الصحيح) 🌿✨

والآن ننتقل إلى الجزء الذي يُستهان به: يمكن للذكاء الاصطناعي أن يقلل الانبعاثات والنفايات في الأنظمة الحالية التي هي... بصراحة، غير فعّالة. وكالة الطاقة الدولية: الذكاء الاصطناعي لتحسين الطاقة والابتكار

المجالات التي يمكن أن يساعد فيها الذكاء الاصطناعي

ملاحظة هامة: لا يُعوّض "مساعدة" الذكاء الاصطناعي تلقائيًا أثره البيئي. يعتمد ذلك على ما إذا كان الذكاء الاصطناعي يُطبّق ويُستخدم فعليًا، وما إذا كان يُؤدي إلى تخفيضات حقيقية بدلًا من مجرد تحسين لوحات المعلومات. لكن نعم، الإمكانات حقيقية. وكالة الطاقة الدولية: الذكاء الاصطناعي لتحسين الطاقة والابتكار

ما الذي يجعل نسخة جيدة من الذكاء الاصطناعي صديقة للبيئة؟ ✅🌍

هذا هو قسم "حسنًا، ماذا يجب أن نفعل؟". عادةً ما يتضمن نظام الذكاء الاصطناعي الجيد والمسؤول بيئيًا ما يلي:

إذا كنت لا تزال تتابع كيف يؤثر الذكاء الاصطناعي على البيئة، فهذه هي النقطة التي يتوقف فيها الجواب عن كونه فلسفيًا ويصبح عمليًا: إنه يؤثر عليها بناءً على خياراتك.

جدول مقارنة: الأدوات والأساليب التي تقلل التأثير فعلياً 🧰⚡

فيما يلي جدول عملي سريع. إنه ليس مثالياً، ونعم، بعض الخلايا تعكس وجهة نظر شخصية... لأن هذه هي الطريقة التي يتم بها اختيار الأدوات في الواقع.

الأداة / النهج جمهور سعر لماذا ينجح؟
مكتبات تتبع الكربون/الطاقة (مُقدِّرات وقت التشغيل) فرق التعلم الآلي شبه مجاني يمنح ذلك وضوحاً - وهو نصف المعركة، حتى لو كانت التقديرات غير دقيقة بعض الشيء.. كودكربون
مراقبة استهلاك الطاقة للأجهزة (قياس بيانات وحدة معالجة الرسومات/وحدة المعالجة المركزية عن بُعد) البنية التحتية + التعلم الآلي حر يقيس الاستهلاك الحقيقي؛ جيد لإجراء اختبارات الأداء (غير مبهر ولكنه ممتاز)
تقطير النموذج مهندسو التعلم الآلي مجاني (تكلفة الوقت 😵) غالباً ما تحقق نماذج الطلاب الأصغر حجماً أداءً مماثلاً بتكلفة استدلال أقل بكثير هينتون وآخرون (2015): استخلاص المعرفة في الشبكة العصبية
التكميم (استدلال أقل دقة) منتج ML + حر يقلل من زمن الاستجابة واستهلاك الطاقة؛ أحيانًا مع تنازلات طفيفة في الجودة، وأحيانًا بدون أي تنازلات غلامي وآخرون (2021): مسح لأساليب التكميم (ملف PDF)
التخزين المؤقت + الاستدلال الدفعي المنتج + المنصة حر يقلل من العمليات الحسابية الزائدة؛ وهو مفيد بشكل خاص للمطالبات المتكررة أو الطلبات المماثلة
التوليد المعزز بالاسترجاع (RAG) فرق التطبيقات مختلط يُخفف عبء "الذاكرة" على عملية الاسترجاع؛ مما يقلل الحاجة إلى نوافذ سياقية ضخمة لويس وآخرون (2020): التوليد المعزز بالاسترجاع
جدولة أحمال العمل حسب كثافة الكربون البنية التحتية/العمليات مختلط يُحوّل هذا العمل المرن إلى تنظيف النوافذ الكهربائية - ولكنه يتطلب التنسيق مؤشر كثافة الكربون (المملكة المتحدة)
التركيز على كفاءة مراكز البيانات (الاستخدام، التوحيد) قيادة تكنولوجيا المعلومات مدفوع (عادةً) أقل الوسائل جاذبية، ولكنها غالباً ما تكون الأهم - التوقف عن تشغيل الأنظمة نصف الفارغة الشبكة الخضراء: PUE
مشاريع إعادة استخدام الحرارة مرافق الأمر يعتمد يحوّل الحرارة المهدرة إلى قيمة؛ ليس ذلك ممكناً دائماً، ولكن عندما يكون كذلك، يكون الأمر جميلاً نوعاً ما
هل نحتاج إلى الذكاء الاصطناعي هنا أصلاً؟ تحقق الجميع حر يمنع الحسابات غير الضرورية. إن أقوى أساليب التحسين هو قول "لا" (أحيانًا)

هل لاحظت ما هو مفقود؟ "اشترِ ملصقًا أخضر سحريًا". هذا الملصق غير موجود 😬

دليل عملي: تقليل تأثير الذكاء الاصطناعي دون الإضرار بالمنتج 🛠️🌱

إذا كنت تقوم ببناء أو شراء أنظمة الذكاء الاصطناعي، فإليك تسلسل واقعي يعمل في الممارسة العملية:

الخطوة الأولى: ابدأ بالقياس

الخطوة الثانية: ضبط حجم النموذج بما يتناسب مع المهمة

  • استخدم نماذج أصغر للتصنيف والاستخراج والتوجيه.

  • احتفظ بالطراز الثقيل للحقائب الصلبة.

  • ضع في اعتبارك "تسلسل النماذج": نموذج صغير أولاً، ونموذج أكبر فقط إذا لزم الأمر.

الخطوة 3: تحسين الاستدلال (وهنا تكمن المشكلة في الحجم)

  • التخزين المؤقت : تخزين الإجابات للاستعلامات المتكررة (مع ضوابط خصوصية دقيقة).

  • التجميع : تجميع الطلبات لتحسين كفاءة الأجهزة.

  • المخرجات الأقصر : المخرجات الطويلة تكلف أكثر - أحيانًا لا تحتاج إلى المقال.

  • الانضباط في استخدام المطالبات : المطالبات غير المنظمة تؤدي إلى مسارات حسابية أطول... ونعم، المزيد من الرموز المميزة.

الخطوة الرابعة: تحسين جودة البيانات

قد يبدو هذا غير ذي صلة، ولكنه ليس كذلك:

  • يمكن لمجموعات البيانات الأنظف أن تقلل من معدل إعادة التدريب.

  • تقليل الضوضاء يعني تقليل عدد التجارب وتقليل عدد المحاولات الضائعة.

الخطوة 5: تعامل مع الأجهزة كأصل، وليس كسلعة يمكن التخلص منها

الخطوة السادسة: اختر طريقة النشر بحكمة

نعم... أحيانًا يكون الحل الأمثل هو ببساطة: عدم تشغيل النموذج الأكبر تلقائيًا لكل إجراء يقوم به المستخدم. هذه العادة تُشبه بيئيًا ترك جميع الأضواء مضاءة لأن الذهاب إلى المفتاح مزعج.

الخرافات الشائعة (وما هو أقرب إلى الحقيقة) 🧠🧯

خرافة: "الذكاء الاصطناعي أسوأ دائماً من البرمجيات التقليدية"

الحقيقة: قد يتطلب الذكاء الاصطناعي قدرة حاسوبية أكبر، ولكنه قادر أيضاً على استبدال العمليات اليدوية غير الفعالة، والحد من الهدر، وتحسين الأنظمة. الأمر يعتمد على الظروف. وكالة الطاقة الدولية: الذكاء الاصطناعي لتحسين الطاقة والابتكار

خرافة: "التدريب هو المشكلة الوحيدة"

الحقيقة: قد يهيمن الاستدلال على نطاق واسع بمرور الوقت. إذا ازداد استخدام منتجك بشكل كبير، فسيصبح هذا هو الحدث الأبرز. وكالة الطاقة الدولية: الطاقة والذكاء الاصطناعي

خرافة: "الطاقة المتجددة تحل المشكلة فوراً"

الحقيقة: الكهرباء الأنظف تُساعد كثيراً، لكنها لا تُزيل البصمة البيئية للأجهزة، أو استهلاك المياه، أو الآثار المترتبة على ذلك. مع ذلك، تبقى هذه الأمور مهمة. وكالة الطاقة الدولية: الطاقة والذكاء الاصطناعي

خرافة: "إذا كان فعالاً، فهو مستدام"

الحقيقة: حتى مع رفع كفاءة الطاقة دون التحكم في الطلب، قد يزداد الأثر الإجمالي. وهذا ما يُعرف بفخ الارتداد. منظمة التعاون الاقتصادي والتنمية (2012): الفوائد المتعددة لتحسين كفاءة الطاقة (ملف PDF)

الحوكمة والشفافية، وعدم المبالغة في الأمر 🧾🌍

إذا كنت شركة، فهذا هو المكان الذي تُبنى فيه الثقة أو تُفقد.

هذا هو الجزء الذي قد يثير استياء البعض، لكنه مهم. فالتكنولوجيا المسؤولة لا تقتصر على الهندسة الذكية فحسب، بل تعني أيضاً عدم تجاهل المفاضلات.

ملخص ختامي: عرض موجز لكيفية تأثير الذكاء الاصطناعي على البيئة 🌎✅

كيف يؤثر الذكاء الاصطناعي على البيئة؟ يكمن التأثير في زيادة الأحمال: الكهرباء، والمياه (أحيانًا)، والطلب على الأجهزة. وكالة الطاقة الدولية: الطاقة والذكاء الاصطناعي . لي وآخرون (2023): جعل الذكاء الاصطناعي أقل استهلاكًا للطاقة (ملف PDF). كما يوفر أدوات فعّالة للحد من الانبعاثات والنفايات في قطاعات أخرى. وكالة الطاقة الدولية: الذكاء الاصطناعي لتحسين الطاقة والابتكار. تعتمد النتيجة النهائية على النطاق، ونظافة الشبكة، وخيارات الكفاءة، وما إذا كان الذكاء الاصطناعي يحل مشاكل حقيقية أم أنه مجرد ابتكار لمجرد الابتكار. وكالة الطاقة الدولية: الطاقة والذكاء الاصطناعي

إذا كنت تريد أبسط استنتاج عملي:

  • يقيس.

  • الحجم المناسب.

  • تحسين الاستدلال.

  • إطالة عمر الأجهزة.

  • كن صريحاً بشأن المفاضلات.

وإذا كنت تشعر بالإرهاق، فإليك حقيقة تبعث على الطمأنينة: القرارات التشغيلية الصغيرة، إذا تكررت ألف مرة، عادةً ما تكون أفضل من بيان استدامة واحد كبير. يشبه الأمر تنظيف أسنانك. ليس بالأمر الجذاب، ولكنه فعال... 😄🪥

التعليمات

كيف يؤثر الذكاء الاصطناعي على البيئة في الاستخدام اليومي، وليس فقط في مختبرات الأبحاث الكبيرة؟

يستمد الذكاء الاصطناعي معظم بصمة استهلاكه للطاقة من الكهرباء التي تُشغل مراكز البيانات التي تُدير وحدات معالجة الرسومات ووحدات المعالجة المركزية أثناء التدريب والاستدلال اليومي. قد يبدو الطلب الواحد بسيطًا، لكن مع ازدياد حجم الطلبات، تتراكم بسرعة. كما يعتمد التأثير على موقع مركز البيانات، وكفاءة شبكة الكهرباء المحلية، وكفاءة تشغيل البنية التحتية.

هل تدريب نموذج الذكاء الاصطناعي أسوأ للبيئة من استخدامه (الاستدلال)؟

قد يتطلب التدريب جهدًا حاسوبيًا كبيرًا في البداية، لكن الاستدلال قد يستحوذ على الجزء الأكبر من هذا الجهد بمرور الوقت نظرًا لتشغيله المستمر وعلى نطاق واسع. إذا كان ملايين الأشخاص يستخدمون أداة ما يوميًا، فقد تفوق الطلبات المتكررة تكلفة التدريب لمرة واحدة. لهذا السبب، غالبًا ما يركز التحسين على كفاءة الاستدلال.

لماذا يستخدم الذكاء الاصطناعي الماء، وهل يمثل ذلك مشكلة دائماً؟

يمكن للذكاء الاصطناعي استخدام الماء بشكل رئيسي لأن بعض مراكز البيانات تعتمد على التبريد المائي، أو لأن الماء يُستهلك بشكل غير مباشر من خلال توليد الكهرباء. في بعض المناخات، قد يُقلل التبريد التبخيري من استهلاك الكهرباء ولكنه يزيد من استهلاك الماء، مما يخلق مفاضلة حقيقية. يعتمد تحديد ما إذا كان هذا "سيئًا" على ندرة المياه المحلية، وتصميم نظام التبريد، وما إذا كان يتم قياس استهلاك الماء وإدارته.

ما هي أجزاء البصمة البيئية للذكاء الاصطناعي التي تأتي من الأجهزة والنفايات الإلكترونية؟

يعتمد الذكاء الاصطناعي على الرقائق والخوادم ومعدات الشبكات والمباني وسلاسل التوريد، ما يعني عمليات التعدين والتصنيع والشحن والتخلص النهائي. يُعدّ تصنيع أشباه الموصلات عملية كثيفة الاستهلاك للطاقة، وقد تؤدي دورات التحديث السريعة إلى زيادة الانبعاثات والنفايات الإلكترونية. ويمكن لإطالة عمر الأجهزة وتجديدها وتحسين استخدامها أن يقلل من هذا التأثير بشكل كبير، حتى أنه قد يُضاهي في بعض الأحيان التغييرات التي تُجرى على مستوى النماذج.

هل يساهم استخدام الطاقة المتجددة في حل مشكلة التأثير البيئي للذكاء الاصطناعي؟

يمكن للكهرباء النظيفة أن تقلل الانبعاثات الناتجة عن الحوسبة، لكنها لا تمحو آثارًا أخرى مثل استهلاك المياه، وتصنيع الأجهزة، والنفايات الإلكترونية. كما أنها لا تعالج تلقائيًا "آثار الارتداد"، حيث يؤدي انخفاض تكلفة الحوسبة إلى زيادة استخدامها بشكل عام. تُعدّ مصادر الطاقة المتجددة عاملًا مهمًا، لكنها ليست سوى جزء واحد من منظومة إدارة البصمة الكربونية.

ما هو تأثير الارتداد، ولماذا هو مهم بالنسبة للذكاء الاصطناعي والاستدامة؟

يحدث تأثير الارتداد عندما تؤدي مكاسب الكفاءة إلى جعل شيء ما أرخص أو أسهل، فيزيد الناس من استخدامه، مما قد يؤدي أحيانًا إلى تبديد الوفورات. مع الذكاء الاصطناعي، يمكن أن يؤدي انخفاض تكلفة الإنتاج أو الأتمتة إلى زيادة الطلب الإجمالي على المحتوى والحوسبة والخدمات. لهذا السبب، يُعد قياس النتائج عمليًا أكثر أهمية من الاحتفاء بالكفاءة بمعزل عن غيرها.

ما هي الطرق العملية لتقليل تأثير الذكاء الاصطناعي دون الإضرار بالمنتج؟

يتمثل أحد الأساليب الشائعة في البدء بالقياس (تقديرات الطاقة وانبعاثات الكربون، والاستخدام)، ثم تعديل النماذج لتناسب المهمة وتحسين الاستدلال من خلال التخزين المؤقت، والتجميع، وتقليل حجم المخرجات. ويمكن لتقنيات مثل التكميم، والتقطير، والتوليد المعزز بالاسترجاع أن تقلل من متطلبات الحوسبة. أما الخيارات التشغيلية - مثل جدولة أحمال العمل حسب كثافة الكربون وإطالة عمر الأجهزة - فغالباً ما تحقق مكاسب كبيرة.

كيف يمكن للذكاء الاصطناعي أن يساعد البيئة بدلاً من أن يضرها؟

يمكن للذكاء الاصطناعي أن يقلل الانبعاثات والنفايات عند استخدامه لتحسين الأنظمة الحقيقية، مثل التنبؤ بشبكة الكهرباء، والاستجابة للطلب، والتحكم في أنظمة التدفئة والتهوية وتكييف الهواء في المباني، وتوجيه الخدمات اللوجستية، والصيانة التنبؤية، وكشف التسربات. كما يمكنه دعم الرصد البيئي، مثل التنبيهات المتعلقة بإزالة الغابات وكشف غاز الميثان. يكمن جوهر الأمر في قدرة النظام على تغيير القرارات وتحقيق تخفيضات ملموسة، وليس مجرد تحسين لوحات المعلومات.

ما هي المقاييس التي يجب على الشركات الإبلاغ عنها لتجنب "التسويق الأخضر" لمزاعم الذكاء الاصطناعي؟

من الأجدى الإبلاغ عن مقاييس كل مهمة أو طلب على حدة بدلاً من الاكتفاء بالأرقام الإجمالية، لأن ذلك يُظهر الكفاءة على مستوى الوحدة. كما أن تتبع استهلاك الطاقة، وتقديرات انبعاثات الكربون، والاستخدام، وتأثيرات المياه (عند الاقتضاء) يُعزز المساءلة. ومن المهم أيضاً تحديد نطاق القياس (ما يشمله) وتجنب استخدام مصطلحات مبهمة مثل "الذكاء الاصطناعي الصديق للبيئة" دون أدلة كمية.

مراجع

  1. الوكالة الدولية للطاقة (IEA) - الطاقة والذكاء الاصطناعي - iea.org

  2. الوكالة الدولية للطاقة (IEA) - الذكاء الاصطناعي لتحسين الطاقة والابتكار - iea.org

  3. الوكالة الدولية للطاقة (IEA) - التحول الرقمي - iea.org

  4. مختبر لورانس بيركلي الوطني (LBNL) - تقرير استخدام الطاقة لمراكز البيانات في الولايات المتحدة (2024) (ملف PDF) - lbl.gov

  5. لي وآخرون - جعل الذكاء الاصطناعي أقل "عطشًا" (2023) (ملف PDF) - arxiv.org

  6. ASHRAE (TC 9.9) - ظهور وتوسع التبريد السائل في مراكز البيانات الرئيسية (ملف PDF) - ashrae.org

  7. الشبكة الخضراء - مؤشر فعالية استخدام الطاقة - دراسة شاملة للمقياس - thegreengrid.org

  8. وزارة الطاقة الأمريكية (DOE) - برنامج إدارة الطاقة الفيدرالية (FEMP) - فرص تحسين كفاءة مياه التبريد لمراكز البيانات الفيدرالية - energy.gov

  9. وزارة الطاقة الأمريكية (DOE) - برنامج إدارة الطاقة الفيدرالي (FEMP) - كفاءة الطاقة في مراكز البيانات - energy.gov

  10. وكالة حماية البيئة الأمريكية (EPA) - صناعة أشباه الموصلات - epa.gov

  11. الاتحاد الدولي للاتصالات (ITU) - المرصد العالمي للنفايات الإلكترونية 2024 - itu.int

  12. منظمة التعاون الاقتصادي والتنمية - الفوائد المتعددة لتحسين كفاءة الطاقة (2012) (ملف PDF) - oecd.org

  13. واجهة برمجة تطبيقات كثافة الكربون (بريطانيا العظمى) - carbonintensity.org.uk

  14. imec - الحد من الأثر البيئي في تصنيع الرقائق الإلكترونية - imec-int.com

  15. برنامج الأمم المتحدة للبيئة - كيف يعمل نظام MARS - unep.org

  16. مراقبة الغابات العالمية - تنبيهات GLAD بشأن إزالة الغابات - globalforestwatch.org

  17. معهد آلان تورينج - الذكاء الاصطناعي والأنظمة المستقلة لتقييم التنوع البيولوجي وصحة النظام البيئي - turing.ac.uk

  18. CodeCarbon - المنهجية - mlco2.github.io

  19. غلامي وآخرون - دراسة استقصائية لأساليب التكميم (2021) (ملف PDF) - arxiv.org

  20. لويس وآخرون - التوليد المعزز بالاسترجاع (2020) - arxiv.org

  21. هينتون وآخرون - استخلاص المعرفة في الشبكة العصبية (2015) - arxiv.org

  22. كود كاربون - codecarbon.io

اكتشف أحدث تقنيات الذكاء الاصطناعي في متجر مساعدي الذكاء الاصطناعي الرسمي

معلومات عنا

العودة إلى المدونة