ما مقدار الطاقة التي يستهلكها الذكاء الاصطناعي؟

ما مقدار الطاقة التي يستهلكها الذكاء الاصطناعي؟

الإجابة: يمكن للذكاء الاصطناعي استهلاك كمية قليلة جدًا من الكهرباء لمهمة نصية بسيطة، لكنه يستهلك كمية أكبر بكثير عندما تكون التعليمات طويلة، أو تكون المخرجات متعددة الوسائط، أو تعمل الأنظمة على نطاق واسع. عادةً ما يمثل التدريب الجزء الأكبر من استهلاك الطاقة الأولي، بينما يصبح الاستدلال اليومي مهمًا مع تراكم الطلبات.

أهم النقاط المستفادة:

السياق : حدد المهمة والنموذج والأجهزة والنطاق قبل تقديم أي تقدير للطاقة.

التدريب : اعتبر تدريب النموذج الحدث الرئيسي الأولي للطاقة عند تخطيط الميزانيات.

الاستدلال : راقب الاستدلال المتكرر عن كثب، لأن التكاليف الصغيرة لكل طلب تتراكم بسرعة عند التوسع.

البنية التحتية : يجب تضمين التبريد والتخزين والشبكات والقدرة الخاملة في أي تقدير واقعي.

الكفاءة : استخدم نماذج أصغر، ومطالبات أقصر، والتخزين المؤقت، والتجميع لتقليل استهلاك الطاقة.

ما مقدار الطاقة التي يستهلكها الذكاء الاصطناعي؟ (إنفوغرافيك)

مقالات قد ترغب في قراءتها بعد هذه المقالة:

🔗 كيف يؤثر الذكاء الاصطناعي على البيئة
يشرح هذا التقرير البصمة الكربونية للذكاء الاصطناعي، واستهلاكه للطاقة، والمفاضلات المتعلقة بالاستدامة.

🔗 هل الذكاء الاصطناعي ضار بالبيئة؟
يكشف عن التكاليف البيئية الخفية لنماذج الذكاء الاصطناعي ومراكز البيانات.

🔗 هل الذكاء الاصطناعي جيد أم سيئ؟ الإيجابيات والسلبيات
نظرة متوازنة على فوائد الذكاء الاصطناعي ومخاطره وأخلاقياته وتأثيراته الحقيقية.

🔗 ما هو الذكاء الاصطناعي؟ دليل مبسط
تعلم أساسيات الذكاء الاصطناعي والمصطلحات الرئيسية والأمثلة اليومية في دقائق.

لماذا يُعد هذا السؤال أكثر أهمية مما يعتقد الناس؟ 🔍

لا يقتصر استخدام الذكاء الاصطناعي للطاقة على كونه مجرد نقاش بيئي، بل إنه يمسّ عدة أمور واقعية للغاية:

  • تكلفة الكهرباء - خاصة بالنسبة للشركات التي تدير الكثير من طلبات الذكاء الاصطناعي

  • التأثير الكربوني - يعتمد على مصدر الطاقة الذي يدعم الخوادم

  • إجهاد الأجهزة - تستهلك الرقائق القوية طاقة عالية

  • قرارات التوسع - يمكن أن يتحول طلب بسيط واحد إلى ملايين الطلبات المكلفة

  • تصميم المنتج - الكفاءة غالباً ما تكون ميزة أفضل مما يدركه الناس ( جوجل كلاود ، الذكاء الاصطناعي الأخضر )

يتساءل الكثيرون: "كم يستهلك الذكاء الاصطناعي من الطاقة؟" رغبةً منهم في الحصول على رقمٍ ضخم، رقمٍ يجذب الانتباه. لكن السؤال الأهم هو: ما نوع استخدام الذكاء الاصطناعي الذي نتحدث عنه؟ لأن ذلك يُغيّر كل شيء. ( وكالة الطاقة الدولية )

اقتراح واحد للإكمال التلقائي؟ أمرٌ بسيط.
تدريب نموذج رائد على مجموعات بيانات ضخمة؟ أمرٌ أكبر بكثير.
سير عمل ذكاء اصطناعي مؤسسي يعمل باستمرار ويؤثر على ملايين المستخدمين؟ نعم، هذا يُكلّف الكثير... تمامًا كتحويل البنسات إلى إيجار شهري. ( وزارة الطاقة الأمريكية ، جوجل كلاود )

ما مقدار الطاقة التي يستهلكها الذكاء الاصطناعي؟ الإجابة المختصرة ⚡

إليكم النسخة العملية.

يمكن للذكاء الاصطناعي أن يستهلك كميات هائلة من الطاقة، تتراوح بين جزء ضئيل من الواط/ساعة للمهام البسيطة، وكميات هائلة للتدريب والنشر على نطاق واسع. قد يبدو هذا النطاق واسعًا بشكلٍ مبالغ فيه، ولكنه كذلك بالفعل. ( جوجل كلاود ، ستروبيل وآخرون )

باختصار:

  • مهام الاستدلال البسيطة - غالبًا ما تكون متواضعة نسبيًا على أساس كل استخدام

  • المحادثات الطويلة، والإنتاج الضخم، وتوليد الصور، وتوليد الفيديو - كلها أمور تستهلك طاقة أكبر بشكل ملحوظ.

  • تدريب النماذج الكبيرة - بطل استهلاك الطاقة الثقيل

  • تشغيل الذكاء الاصطناعي على نطاق واسع طوال اليوم - حيث يصبح "الطلب الصغير لكل طلب" "فاتورة إجمالية كبيرة" ( Google Cloud ، وزارة الطاقة الأمريكية )

القاعدة العامة الجيدة هي كالتالي:

لذا عندما يسأل أحدهم: ما مقدار الطاقة التي يستهلكها الذكاء الاصطناعي؟، تكون الإجابة المباشرة: "ليس مقداراً واحداً، ولكن ما يكفي لجعل الكفاءة مهمة، وما يكفي لتغيير الحجم كل شيء". ( وكالة الطاقة الدولية ، الذكاء الاصطناعي الأخضر )

أعلم أن هذا ليس جذاباً كما يريد الناس، لكنه صحيح.

ما الذي يجعل نسخة جيدة من تقدير استهلاك الطاقة باستخدام الذكاء الاصطناعي؟ 🧠

التقدير الجيد ليس مجرد رقم مبالغ فيه يُعرض على رسم بياني. التقدير العملي يتضمن السياق. وإلا فهو أشبه بوزن الضباب بميزان حمام. قريب بما يكفي ليبدو مثيرًا للإعجاب، لكنه ليس قريبًا بما يكفي للوثوق به. ( وكالة الطاقة الدولية ، جوجل كلاود )

ينبغي أن يتضمن تقدير الطاقة الجيد للذكاء الاصطناعي ما يلي:

  • نوع المهمة - نص، صورة، صوت، فيديو، تدريب، ضبط دقيق

  • حجم النموذج - عادةً ما تحتاج النماذج الأكبر إلى قدرة حاسوبية أكبر

  • الأجهزة المستخدمة - ليست كل الرقائق بنفس الكفاءة

  • مدة الجلسة - تختلف المطالبات القصيرة عن سير العمل الطويل متعدد الخطوات اختلافًا كبيرًا

  • الاستخدام - الأنظمة الخاملة لا تزال تستهلك الطاقة

  • التبريد والبنية التحتية - الخادم ليس هو كل شيء

  • الموقع ومزيج الطاقة - الكهرباء ليست نظيفة بنفس القدر في كل مكان ( جوجل كلاود ، وكالة الطاقة الدولية )

لهذا السبب قد يتجادل شخصان حول استخدام الذكاء الاصطناعي للكهرباء، ويبدو كلاهما واثقًا من نفسه بينما يتحدثان عن موضوعين مختلفين تمامًا. أحدهما يقصد ردًا واحدًا من روبوت محادثة، والآخر يقصد تدريبًا مكثفًا. لكن بمجرد أن يقول كلاهما "الذكاء الاصطناعي"، ينحرف الحوار فجأة عن مساره 😅

جدول مقارنة - أفضل الطرق لتقدير استهلاك الطاقة للذكاء الاصطناعي 📊

إليكم جدولًا عمليًا لأي شخص يحاول الإجابة على السؤال دون تحويله إلى فن أدائي.

أداة أو طريقة أفضل جمهور سعر لماذا ينجح؟
تقدير بسيط باستخدام قاعدة عامة أيها القراء الفضوليون، أيها الطلاب حر سريع وسهل، وغير دقيق بعض الشيء - ولكنه جيد بما يكفي لإجراء مقارنات تقريبية
مقياس الطاقة الموجود على جانب الجهاز بناة منفردون، هواة قليل يقيس سحب الماكينة الفعلي، وهو أمر ملموس ومنعش
لوحة بيانات قياس وحدة معالجة الرسومات مهندسون، فرق تعلم الآلة واسطة تفاصيل أفضل حول المهام التي تتطلب قدرة حاسوبية عالية، على الرغم من أنها قد تغفل التكاليف التشغيلية الأكبر للمنشأة
فوترة السحابة + سجلات الاستخدام الشركات الناشئة، فرق العمليات متوسط ​​إلى مرتفع يربط استخدام الذكاء الاصطناعي بالإنفاق الفعلي - ليس مثاليًا، ولكنه لا يزال ذا قيمة كبيرة
تقارير استهلاك الطاقة في مراكز البيانات فرق المؤسسة عالي يُتيح ذلك رؤية تشغيلية أوسع، ويبدأ التبريد والبنية التحتية في الظهور هنا
تقييم دورة الحياة الكاملة فرق الاستدامة، المنظمات الكبيرة مرتفع نوعًا ما، ومؤلم أحيانًا الأفضل للتحليل الجاد لأنه يتجاوز الشريحة نفسها... لكنه بطيء وقوي نوعًا ما

لا توجد طريقة مثالية. هذا هو الجانب المُحبط بعض الشيء. لكن هناك مستويات مختلفة من القيمة. وعادةً ما يكون الشيء العملي أفضل من المثالي. ( جوجل كلاود )

العامل الأهم ليس السحر، بل الحوسبة والأجهزة 🖥️🔥

عندما يتصور الناس استهلاك الذكاء الاصطناعي للطاقة، غالبًا ما يتخيلون النموذج نفسه على أنه الشيء الذي يستهلك الطاقة. لكن النموذج عبارة عن منطق برمجي يعمل على جهاز. والجهاز هو الذي تظهر عليه فاتورة الكهرباء. ( ستروبل وآخرون ، جوجل كلاود )

تشمل المتغيرات الرئيسية عادةً ما يلي:

يستطيع النظام عالي الكفاءة إنجاز المزيد من العمل باستهلاك طاقة أقل. أما النظام غير المُحكم فيُهدر الكهرباء بثقة مُذهلة. كما تعلمون، بعض الأنظمة تُضاهي سيارات السباق، وبعضها الآخر أشبه بعربات التسوق المُثبت عليها صواريخ مُلصقة بشريط لاصق 🚀🛒

نعم، حجم النموذج مهم. تميل النماذج الأكبر حجمًا إلى استهلاك ذاكرة أكبر وقدرة حسابية أعلى، خاصةً عند توليد مخرجات طويلة أو التعامل مع عمليات استدلال معقدة. لكن حيل الكفاءة يمكن أن تُغير الصورة: ( الذكاء الاصطناعي الأخضر ، والتكميم، والتجميع، واستراتيجيات التقديم في استخدام الطاقة في إدارة دورة حياة المنتج ).

لذا فإن السؤال ليس فقط "ما حجم النموذج؟" بل أيضاً "ما مدى ذكاء إدارته؟"

التدريب مقابل الاستدلال - هذان أمران مختلفان تماماً 🐘🐇

هذا هو الانقسام الذي يُربك الجميع تقريباً.

تمرين

التدريب هو عملية تعلم النموذج للأنماط من مجموعات بيانات ضخمة. وقد يتطلب تشغيل العديد من الرقاقات لفترات طويلة، لمعالجة كميات هائلة من البيانات. هذه المرحلة تستهلك طاقة كبيرة، وأحيانًا بشكل مفرط. ( ستروبل وآخرون )

تعتمد طاقة التدريب على:

  • حجم النموذج

  • حجم مجموعة البيانات

  • عدد جولات التدريب

  • تجارب فاشلة

  • عمليات الضبط الدقيق

  • كفاءة الأجهزة

  • التبريد العلوي ( ستروبيل وآخرون ، بحث جوجل )

وهنا يكمن الجانب الذي يغفل عنه الكثيرون - يتصور الجمهور عادةً عملية تدريب واحدة شاملة، تُجرى مرة واحدة، وتنتهي القصة. في الواقع، قد يشمل التطوير عمليات متكررة، وضبطًا، وإعادة تدريب، وتقييمًا، وكل تلك التكرارات الروتينية ولكن المكلفة التي تسبق الحدث الرئيسي. ( ستروبل وآخرون ، الذكاء الاصطناعي الأخضر )

الاستدلال

الاستدلال هو النموذج الذي يجيب على طلبات المستخدمين الفعلية. قد لا يبدو طلب واحد ذا أهمية كبيرة، لكن الاستدلال يتكرر مرارًا وتكرارًا، ملايين المرات، وأحيانًا مليارات المرات. ( أبحاث جوجل ، وزارة الطاقة الأمريكية )

تزداد طاقة الاستدلال مع:

إذن، التدريب هو الزلزال، والاستدلال هو المدّ. أحدهما مؤثر، والآخر مستمر، وكلاهما قادر على تغيير الوضع قليلاً. ربما يكون هذا تشبيهاً غير مألوف، ولكنه متماسك... إلى حد ما.

تكاليف الطاقة الخفية التي يغفل عنها الناس 😬

عندما يُقدّر أحدهم استهلاك الطاقة في الذكاء الاصطناعي بالنظر إلى الشريحة فقط، فإنه عادةً ما يُقلّل من التقدير. ليس بالضرورة بشكل كارثي، ولكنه كافٍ ليُحدث فرقًا. ( جوجل كلاود ، وكالة الطاقة الدولية )

إليكم الأجزاء الخفية:

تبريد ❄️

تُنتج الخوادم حرارةً، وتُنتج أجهزة الذكاء الاصطناعي القوية كمياتٍ كبيرةً منها. لذا، فإن التبريد ليس خيارًا، فكل واط يُستهلك في عمليات الحوسبة يُؤدي إلى استهلاك المزيد من الطاقة للحفاظ على درجات حرارة معقولة. ( وكالة الطاقة الدولية ، جوجل كلاود )

حركة البيانات 🌐

يتطلب نقل البيانات عبر وحدات التخزين والذاكرة والشبكات طاقةً أيضاً. فالذكاء الاصطناعي لا يقتصر على "التفكير" فحسب، بل يقوم أيضاً بتبادل المعلومات باستمرار. ( وكالة الطاقة الدولية )

الطاقة الخاملة 💤

لا تعمل الأنظمة المصممة لتلبية ذروة الطلب دائمًا عند ذروة الطلب. فالبنية التحتية الخاملة أو قليلة الاستخدام تستهلك الكهرباء أيضًا. ( جوجل كلاود )

التكرار والموثوقية 🧱

النسخ الاحتياطية، وأنظمة تجاوز الأعطال، والمناطق المكررة، وطبقات الأمان - كلها عناصر قيّمة، وجزء لا يتجزأ من الصورة الأكبر للطاقة. ( وكالة الطاقة الدولية )

التخزين 📦

بيانات التدريب، والتضمينات، والسجلات، ونقاط التحقق، والمخرجات المُولَّدة - جميعها موجودة في مكان ما. التخزين أرخص من الحوسبة، بالتأكيد، ولكنه ليس مجانيًا من حيث الطاقة. ( وكالة الطاقة الدولية )

لهذا السبب، لا يمكن الإجابة بدقة على سؤال " كم تستهلك تقنيات الذكاء الاصطناعي من الطاقة؟" جوجل كلاود ، وكالة الطاقة الدولية )

لماذا قد يكون أحد توجيهات الذكاء الاصطناعي صغيرًا جدًا، بينما قد يكون التوجيه التالي ضخمًا جدًا؟ 📝➡️🎬

ليست كل الطلبات متساوية. فطلب إعادة صياغة جملة قصيرة لا يُقارن بطلب تحليل مطوّل، أو جلسة برمجة متعددة الخطوات، أو إنشاء صورة عالية الدقة. ( جوجل كلاود )

الأمور التي تميل إلى زيادة استهلاك الطاقة لكل تفاعل:

قد يكون الرد النصي البسيط رخيصًا نسبيًا. أما سير العمل الضخم متعدد الوسائط، فقد يكون مكلفًا للغاية. الأمر أشبه بطلب القهوة مقابل طلب الطعام لحفل زفاف. كلاهما يُعتبر "خدمة طعام" من الناحية الفنية. لكن أحدهما مختلف عن الآخر ☕🎉

هذا الأمر بالغ الأهمية لفرق تطوير المنتجات على وجه الخصوص. فالميزة التي تبدو غير ضارة عند استخدامها بشكل محدود قد تصبح مكلفة عند استخدامها على نطاق واسع إذا أصبحت كل جلسة مستخدم أطول وأكثر تعقيدًا وتتطلب موارد حاسوبية أكبر. ( وزارة الطاقة الأمريكية ، جوجل كلاود )

الذكاء الاصطناعي للمستهلكين والذكاء الاصطناعي للمؤسسات ليسا شيئًا واحدًا 🏢📱

قد يظن الشخص العادي الذي يستخدم الذكاء الاصطناعي بشكل عرضي أن التنبيهات التي تظهر له بين الحين والآخر هي المشكلة الكبرى. لكن في العادة، لا يكمن جوهر المشكلة في ذلك. ( جوجل كلاود )

استخدام المؤسسات يغير المعادلة:

  • آلاف الموظفين

  • مساعدو طيارين متواجدون دائماً

  • معالجة المستندات الآلية

  • ملخص المكالمات

  • تحليل الصور

  • أدوات مراجعة التعليمات البرمجية

  • عملاء الخلفية يعملون باستمرار

هنا تبدأ أهمية إجمالي استهلاك الطاقة. ليس لأن كل فعل كارثي، بل لأن التكرار يُضاعف الأثر. ( وزارة الطاقة الأمريكية ، وكالة الطاقة الدولية )

في اختباراتي ومراجعاتي لسير العمل، هذا هو ما يُفاجئ الناس. يركزون على اسم النموذج، أو العرض التوضيحي الجذاب، ويتجاهلون حجم المبيعات. غالبًا ما يكون حجم المبيعات هو المحرك الحقيقي - أو الحل الأمثل، اعتمادًا على ما إذا كنت تُصدر فواتير للعملاء أو تدفع فاتورة المرافق 😅

بالنسبة للمستهلكين، قد يبدو التأثير مجرداً. أما بالنسبة للشركات، فيصبح ملموساً بسرعة كبيرة:

  • مشاريع قوانين البنية التحتية الأكبر

  • مزيد من الضغط لتحقيق التحسين

  • هناك حاجة أكبر إلى نماذج أصغر حجماً كلما أمكن ذلك

  • إعداد التقارير الداخلية للاستدامة

  • مزيد من الاهتمام بالتخزين المؤقت والتوجيه ( جوجل كلاود ، الذكاء الاصطناعي الأخضر )

كيفية تقليل استهلاك الطاقة للذكاء الاصطناعي دون التخلي عنه 🌱

هذا الجانب مهم لأن الهدف ليس "التوقف عن استخدام الذكاء الاصطناعي". عادةً ما يكون هذا غير واقعي، بل وغير ضروري. الاستخدام الأمثل هو الخيار الأذكى.

إليكم أهم العوامل المؤثرة:

1. استخدم أصغر نموذج يفي بالغرض

لا تتطلب كل مهمة خيارًا معقدًا. يمكن لنموذج أخف وزنًا للتصنيف أو التلخيص أن يقلل الهدر بسرعة. ( الذكاء الاصطناعي الأخضر ، جوجل كلاود )

2. تقصير الرسائل والمخرجات

المدخلات المطولة تؤدي إلى مخرجات مطولة. زيادة عدد الكلمات تعني زيادة العمليات الحسابية. أحيانًا يكون اختصار التعليمات هو الحل الأمثل. ( استراتيجيات التكميم والتجميع والتقديم في برنامج ماجستير استخدام الطاقة ، جوجل كلاود )

3. تخزين النتائج المتكررة مؤقتًا

إذا استمر ظهور نفس الاستعلام، فلا تقم بإعادة إنشائه في كل مرة. هذا أمر بديهي للغاية، ومع ذلك يتم تجاهله. ( جوجل كلاود )

4. قم بتشغيل المهام على دفعات كلما أمكن ذلك

يمكن أن يؤدي تشغيل المهام على دفعات إلى تحسين الاستخدام وتقليل الهدر. ( استراتيجيات التحديد الكمي والتجميع والتقديم في استخدام الطاقة في إدارة دورة حياة المنتج )

5. توجيه المهام بذكاء

استخدم النماذج الكبيرة فقط عندما تنخفض الثقة أو يزداد تعقيد المهمة. ( الذكاء الاصطناعي الأخضر ، جوجل كلاود )

6. تحسين البنية التحتية

تحسين الجدولة، وتحسين الأجهزة، وتحسين استراتيجية التبريد - أمور بسيطة، لكنها تُحقق عائدًا هائلاً. ( جوجل كلاود ، وزارة الطاقة الأمريكية )

7. قِس قبل أن تفترض

تظنّ العديد من الفرق أنها تعرف أين تذهب الطاقة. ثمّ تقيس، فتجد أنّ الجزء المكلف موجود في مكان آخر. ( جوجل كلاود )

إنّ العمل على تحسين الكفاءة ليس بالأمر البراق، ونادراً ما يحظى بالثناء. لكنه من أفضل الطرق لجعل الذكاء الاصطناعي أكثر فعالية من حيث التكلفة وأكثر قابلية للدفاع عنه على نطاق واسع 👍

خرافات شائعة حول استخدام الذكاء الاصطناعي للكهرباء 🚫

دعونا نزيل بعض الخرافات لأن هذا الموضوع يصبح معقداً بسرعة.

الخرافة الأولى - كل استعلام من الذكاء الاصطناعي يُعدّ تبذيرًا هائلاً للموارد

ليس بالضرورة. بعضها متواضع. الحجم ونوع المهمة مهمان للغاية. ( جوجل كلاود )

الخرافة الثانية - التدريب هو الشيء الوحيد المهم

لا. قد يهيمن الاستدلال بمرور الوقت عندما يكون الاستخدام هائلاً. ( أبحاث جوجل ، وزارة الطاقة الأمريكية )

الخرافة الثالثة - النموذج الأكبر يعني دائمًا نتيجة أفضل

أحيانًا نعم، وأحيانًا أخرى لا على الإطلاق. العديد من المهام تُنجز بشكل جيد باستخدام أنظمة أصغر. ( الذكاء الاصطناعي الأخضر )

الخرافة الرابعة - استخدام الطاقة يساوي التأثير الكربوني تلقائياً

ليس تماماً. يعتمد الكربون أيضاً على مصدر الطاقة. ( وكالة الطاقة الدولية ، ستروبيل وآخرون )

الخرافة الخامسة - يمكنك الحصول على رقم عالمي واحد لاستهلاك الطاقة في الذكاء الاصطناعي

لا يمكنك ذلك، على الأقل ليس بشكل يحافظ على معناه. أو يمكنك ذلك، لكنه سيصبح مُعمماً لدرجة أنه يفقد قيمته. ( وكالة الطاقة الدولية )

لهذا السبب يُعد السؤال " كم من الطاقة يستخدم الذكاء الاصطناعي؟" سؤالاً ذكياً - ولكن فقط إذا كنت مستعداً لإجابة متعددة المستويات بدلاً من مجرد شعار.

إذن... ما مقدار الطاقة التي يستهلكها الذكاء الاصطناعي فعلاً؟ 🤔

إليكم الاستنتاج المنطقي.

يستخدم الذكاء الاصطناعي ما يلي:

  • قليلاً ، لبعض المهام البسيطة

  • وأكثر من ذلك بكثير ، لتوليد الوسائط المتعددة الثقيلة

  • كمية كبيرة جدًا ، لتدريب النماذج واسعة النطاق

  • كمية هائلة إجمالاً ، عندما تتراكم ملايين الطلبات بمرور الوقت ( جوجل كلاود ، وزارة الطاقة الأمريكية ).

هذا هو شكلها.

الأمر الأساسي هو عدم اختزال القضية برمتها إلى مجرد رقم مخيف أو تجاهلها. استهلاك الطاقة في الذكاء الاصطناعي أمر واقعي، وله أهمية، ويمكن تحسينه. وأفضل طريقة لمناقشته هي في سياقه الصحيح، لا في سياق استعراضي. ( وكالة الطاقة الدولية ، الذكاء الاصطناعي الأخضر )

يتأرجح الكثير من النقاش العام بين طرفين متناقضين: فمن جهة، يُنظر إلى الذكاء الاصطناعي على أنه "مجاني تقريبًا"، ومن جهة أخرى، يُنظر إليه على أنه "كارثة كهربائية". لكن الواقع أكثر بساطة، مما يجعله أكثر إفادة. إنها مشكلة أنظمة، تشمل الأجهزة والبرمجيات والاستخدام والتوسع والتبريد وخيارات التصميم. قد يبدو الأمر عاديًا، لكنه في غاية الأهمية. ( وكالة الطاقة الدولية ، جوجل كلاود )

أهم النقاط ⚡🧾

إذا أتيت إلى هنا متسائلاً: ما مقدار الطاقة التي يستهلكها الذكاء الاصطناعي؟، فإليك الخلاصة:

  • لا يوجد رقم واحد يناسب الجميع

  • عادةً ما يستهلك التدريب معظم الطاقة في البداية

  • يصبح الاستدلال عاملاً رئيسياً على نطاق واسع

  • حجم النموذج، والأجهزة، وعبء العمل، والتبريد كلها أمور مهمة

  • يمكن أن تُحدث التحسينات الصغيرة فرقًا كبيرًا بشكلٍ مدهش

  • إن السؤال الأكثر ذكاءً ليس فقط "كمية" بل أيضاً "لأي مهمة، وعلى أي نظام، وبأي نطاق؟" ( وكالة الطاقة الدولية ، جوجل كلاود )

نعم، يستخدم الذكاء الاصطناعي طاقة حقيقية. طاقة كافية لتستحق الاهتمام. طاقة كافية لتبرير هندسة أفضل. لكن ليس بطريقة كرتونية، أو برقم واحد فقط.

التعليمات

ما مقدار الطاقة التي يستهلكها الذكاء الاصطناعي لتنفيذ طلب واحد؟

لا يوجد رقم موحد لاستهلاك الطاقة عند تنفيذ طلب واحد، لأن استهلاك الطاقة يعتمد على الطراز، والمكونات المادية، وطول الطلب، وطول المخرجات، وأي أدوات إضافية مستخدمة. قد يكون استهلاك الطاقة لرد نصي قصير معقولًا نسبيًا، بينما قد يستهلك رد متعدد الوسائط طويل طاقة أكبر بشكل ملحوظ. والإجابة الأكثر دلالة ليست رقمًا واحدًا في العنوان، بل السياق المحيط بالمهمة.

لماذا تختلف تقديرات استخدام الطاقة في الذكاء الاصطناعي إلى هذا الحد؟

تتفاوت التقديرات لأن الناس غالبًا ما يقارنون أشياءً مختلفة تمامًا تحت مسمى الذكاء الاصطناعي. فقد يصف أحد التقديرات ردًا بسيطًا لروبوت محادثة، بينما قد يشمل تقدير آخر توليد الصور أو الفيديو أو تدريب نماذج واسعة النطاق. ولكي يكون التقدير ذا معنى، يحتاج إلى سياق يتضمن نوع المهمة وحجم النموذج والأجهزة والاستخدام والتبريد والموقع.

هل تكلفة الطاقة الأكبر تكمن في تدريب الذكاء الاصطناعي أم في تشغيله يومياً؟

عادةً ما يُمثّل التدريب عمليةً مُكلفةً للغاية من حيث استهلاك الطاقة، إذ قد يتطلب تشغيل العديد من الرقاقات لفترات طويلة عبر مجموعات بيانات ضخمة. أما الاستدلال، فهو التكلفة المستمرة التي تظهر في كل مرة يُرسل فيها المستخدمون طلبات، وقد تصبح هذه التكلفة باهظةً للغاية عند التوسع. عمليًا، كلاهما مهم، وإن كان ذلك بطرق مختلفة.

ما الذي يجعل أحد طلبات الذكاء الاصطناعي أكثر استهلاكاً للطاقة من طلب آخر؟

تؤدي فترات السياق الأطول، والمخرجات الأطول، وعمليات الاستدلال المتكررة، واستدعاءات الأدوات، وخطوات الاسترجاع، وتوليد الوسائط المتعددة، إلى زيادة استهلاك الطاقة لكل تفاعل. كما أن أهداف زمن الاستجابة مهمة أيضاً، لأن متطلبات الاستجابة الأسرع قد تقلل من الكفاءة. ببساطة، لا يمكن مقارنة طلب إعادة كتابة صغير بعملية ترميز أو سير عمل طويل للصور.

ما هي تكاليف الطاقة الخفية التي يغفل عنها الناس عند سؤالهم عن مقدار الطاقة التي يستهلكها الذكاء الاصطناعي؟

يركز الكثيرون على الشريحة فقط، متجاهلين بذلك التبريد، ونقل البيانات، والتخزين، وسعة التخزين في وضع الخمول، وأنظمة الموثوقية مثل النسخ الاحتياطية أو مناطق تجاوز الأعطال. هذه الطبقات الداعمة قادرة على تغيير البصمة الكلية بشكل ملحوظ. ولذلك، نادراً ما يعكس معيار قياس الأداء وحده الصورة الكاملة لاستهلاك الطاقة.

هل يستهلك نموذج الذكاء الاصطناعي الأكبر حجماً طاقة أكبر دائماً؟

تتطلب النماذج الأكبر عادةً قدرة حاسوبية وذاكرة أكبر، خاصةً للمخرجات الطويلة أو المعقدة، لذا فهي تستهلك طاقة أكبر في كثير من الأحيان. لكن الحجم الأكبر لا يعني بالضرورة أداءً أفضل في كل مهمة، ويمكن للتحسين أن يغير الصورة بشكل كبير. فالنماذج المتخصصة الأصغر، والتكميم، والتجميع، والتخزين المؤقت، والتوجيه الذكي، كلها عوامل تُحسّن الكفاءة.

هل يُعد استخدام الذكاء الاصطناعي من قبل المستهلكين هو المشكلة الرئيسية في مجال الطاقة، أم أن الذكاء الاصطناعي في المؤسسات هو المشكلة الأكبر؟

قد يتراكم استهلاك الطاقة لدى المستهلكين العاديين، لكنّ المشكلة الأكبر تكمن غالبًا في تطبيقات المؤسسات. فبرامج المساعدين التي تعمل باستمرار، ومعالجة المستندات، وتلخيص المكالمات، ومراجعة التعليمات البرمجية، والبرمجيات الخلفية، كلها عوامل تُولّد طلبًا متكررًا على الطاقة لدى قواعد المستخدمين الكبيرة. وعادةً ما لا يتعلق الأمر بإجراء واحد كبير، بل بحجم الاستهلاك المستمر على مدى فترة زمنية.

ما مقدار الطاقة التي يستهلكها الذكاء الاصطناعي عند احتساب مراكز البيانات والتبريد؟

بمجرد تضمين النظام الأوسع، يصبح الجواب أكثر واقعية، وعادةً ما يكون أكبر مما تشير إليه التقديرات التي تعتمد على الشريحة فقط. تحتاج مراكز البيانات إلى الطاقة ليس فقط للحوسبة، بل أيضًا للتبريد والشبكات والتخزين والحفاظ على سعة احتياطية. لهذا السبب، يُعد تصميم البنية التحتية وكفاءة المرافق بنفس أهمية تصميم النموذج تقريبًا.

ما هي الطريقة الأكثر عملية لقياس استهلاك الطاقة للذكاء الاصطناعي في سير عمل حقيقي؟

تعتمد أفضل طريقة على الجهة التي تقوم بالقياس والغرض منه. يمكن لقاعدة عامة تقريبية أن تساعد في المقارنات السريعة، بينما توفر عدادات الطاقة، وبيانات قياس أداء وحدة معالجة الرسومات، وسجلات فواتير الحوسبة السحابية، وتقارير مراكز البيانات، رؤية تشغيلية أكثر دقة. أما بالنسبة لمشاريع الاستدامة الجادة، فإنّ النظرة الشاملة لدورة حياة المنتج تُعدّ أكثر فعالية، على الرغم من أنها أبطأ وأكثر تطلبًا.

كيف يمكن للفرق تقليل استهلاك الطاقة للذكاء الاصطناعي دون التخلي عن ميزات الذكاء الاصطناعي المفيدة؟

تتحقق أكبر المكاسب عادةً من استخدام أصغر نموذج يؤدي الغرض المطلوب، وتقصير التعليمات والمخرجات، وتخزين النتائج المتكررة مؤقتًا، وتجميع العمل، وتوجيه المهام الأكثر تعقيدًا فقط إلى نماذج أكبر. كما أن تحسين البنية التحتية مهم أيضًا، لا سيما الجدولة وكفاءة الأجهزة. في العديد من مسارات العمل، يساعد القياس المسبق في منع الفرق من تحسين الجانب الخاطئ.

مراجع

  1. الوكالة الدولية للطاقة (IEA) - الطلب على الطاقة من الذكاء الاصطناعي - iea.org

  2. وزارة الطاقة الأمريكية (DOE) - أصدرت وزارة الطاقة تقريرًا جديدًا يُقيّم مراكز بيانات زيادة الطلب على الكهرباء - energy.gov

  3. جوجل كلاود - قياس الأثر البيئي للاستدلال بالذكاء الاصطناعي - cloud.google.com

  4. أبحاث جوجل - أخبار سارة حول البصمة الكربونية لتدريب التعلم الآلي - research.google

  5. بحث جوجل - ستستقر البصمة الكربونية لتدريب التعلم الآلي ثم تنخفض - research.google

  6. arXiv - الذكاء الاصطناعي الأخضر - arxiv.org

  7. أرخايف - ستروبيل وآخرون. - arxiv.org

  8. arXiv - استراتيجيات التكميم والتجميع والتقديم في استخدام الطاقة في برنامج ماجستير إدارة الأعمال - arxiv.org

اكتشف أحدث تقنيات الذكاء الاصطناعي في متجر مساعدي الذكاء الاصطناعي الرسمي

معلومات عنا

العودة إلى المدونة