شرکتها به ندرت ردپای کربن هوش مصنوعی مولد را در نظر میگیرند
مقیاس نادیده گرفتهشده انتشار کربن هوش مصنوعی مولد
هوش مصنوعی مولد در حال دگرگونی صنایع است، اما هزینه زیستمحیطی آن همچنان نقطه کوری برای بسیاری از کسبوکارها باقی مانده است. ردپای کربنی آن حیرتآور است: طبق تحقیقی که توسط الکس دو وریس گائو برجسته شده، آموزش مدلهایی مانند GPT-3 تقریباً به اندازه شهر نیویورک در سال ۲۰۲۵ دیاکسید کربن منتشر کرد. این فقط یک ضربه یکباره نیست؛ پیشبینی میشود مراکز دادهای که هوش مصنوعی را تغذیه میکنند، انتشارات خود را تا سال ۲۰۳۰ سه برابر کنند و سالانه میلیاردها تن اضافه کنند.
در حالی که شرکتها برای ادغام هوش مصنوعی برای دستیابی به بهرهوری عجله میکنند، اغلب از این واقعیت چشمپوشی میکنند که یک پرسوجوی واحد ChatGPT تقریباً ده برابر یک جستجوی گوگل برق مصرف میکند. اثر تجمعی آن عظیم است و پیشبینیها حاکی از آن است که رشد هوش مصنوعی میتواند تا سال ۲۰۳۰ سالانه ۲۴ تا ۴۴ میلیون تن متریک دیاکسید کربن به جو زمین وارد کند – معادل ۵ تا ۱۰ میلیون خودروی بیشتر در جادههای ایالات متحده. این غفلت ناشی از تمرکز بر نوآوری به هر قیمتی است، اما دادهها تصویری واضح ترسیم میکنند: نادیده گرفتن ردپای کربن دیگر پایدار نیست.
چرا اولویتهای شرکتی پایداری را به حاشیه میرانند
در مسابقه برای بهرهگیری از هوش مصنوعی مولد، شرکتها سرعت، هزینه و مزیت رقابتی را بر معیارهای زیستمحیطی اولویت میدهند. گزارشها نشان میدهند که علیرغم انتشارات جمعی بالا، بسیاری از شرکتها مصرف انرژی هوش مصنوعی را امری ثانویه میدانند، که ناشی از این تصور نادرست است که تکتک درخواستها ناچیز هستند. به عنوان مثال، در حالی که یک درخواست متوسط Gemini انرژیای معادل تماشای نه ثانیه تلویزیون مصرف میکند، تریلیونها پرسوجو این را به بار قابل توجهی تبدیل میکنند.
این غفلت با حسابداری خلاقانه تشدید میشود، جایی که انتشارات واقعی مراکز داده میتواند بیش از ۷.۶ برابر میزان گزارششده باشد، همانطور که تحلیل گاردین آشکار میکند. شرکتها اغلب فاقد شفافیت هستند و گزارشدهی داوطلبانه تأثیر واقعی را پنهان میکند. بدون فشار نظارتی یا تقاضای مصرفکننده، ردپای CO2 از شکافها میلغزد و چرخهای را تداوم میبخشد که در آن سود کوتاهمدت بر سلامت بلندمدت سیاره غالب است.
مراکز داده: موتورهای پنهان تأثیر هوش مصنوعی
مراکز داده ستون فقرات هوش مصنوعی مولد هستند و هزینه زیستمحیطی آنها به طور تصاعدی در حال افزایش است. پیشبینی میشود تا سال ۲۰۳۰، آنها سه برابر سطح قبل از رونق هوش مصنوعی دیاکسید کربن منتشر کنند و همانطور که مورگان استنلی خاطرنشان میکند، ۴۰٪ از انتشارات سالانه فعلی ایالات متحده را تشکیل دهند. چگالی توان مورد نیاز برای خوشههای آموزش هوش مصنوعی میتواند هفت تا هشت برابر بارهای کاری محاسباتی معمولی باشد که شبکههای برق را تحت فشار قرار میدهد و وابستگی به سوختهای فسیلی را افزایش میدهد.
اثر موجی بر انتشارات جهانی
این موضوع منزوی نیست؛ در سال ۲۰۲۵، انتشار گازهای گلخانهای ایالات متحده برای اولین بار در دو سال افزایش یافت که بخشی از آن به دلیل مراکز دادهای بود که تقاضای هوش مصنوعی را تغذیه میکردند. در سطح جهانی، مصرف برق مراکز داده در سال ۲۰۲۲ به ۴۶۰ تراواتساعت رسید که با کشورهایی مانند فرانسه رقابت میکند. همانطور که نعمان بشیر از MIT اشاره میکند، سرعت ناپایدار ساخت مراکز داده جدید به این معنی است که بخش عمدهای از این نیرو از منابع غیرقابل تجدید میآید و اهداف اقلیمی را تضعیف میکند.
پیشرفتهای کارایی: نشانهای از امید در میان تاریکی
علیرغم آمار ناامیدکننده، پیشرفتهای فناوری در حال کاهش ردپای هر درخواست هوش مصنوعی هستند. گوگل گزارش میدهد که به لطف مدلهای بهینهشده و انرژی پاک، کاهش ۳۳ برابری انرژی و کاهش ۴۴ برابری کربن برای درخواستهای متنی متوسط در یک سال اخیر حاصل شده است. نوآوریهایی مانند معماریهای Mixture-of-Experts و TPUهای سفارشی، محاسبات را ۱۰ تا ۱۰۰ برابر کاهش میدهند و استنتاجهای فردی را کمکربنتر میکنند.
این بهبودها نشان میدهد که با تلاش متمرکز، هوش مصنوعی میتواند سبزتر شود. به عنوان مثال، کمکربنترین مدلهای متنی ۶۸۳۳ برابر کمتر از مدلهای تصویری کربن تولید میکنند و استقرارهای کارآمد میتوانند مصرف آب را به چند قطره در هر پرسوجو کاهش دهند. با این حال، این دستاوردها اغلب به غولهای فناوری محدود میشود و شرکتهای کوچکتر را در پذیرش و آگاهی عقب میگذارد.
نقش دوگانه هوش مصنوعی: تشدیدکننده و تسکیندهنده تغییرات آبوهوایی
هوش مصنوعی مولد شمشیری دولبه برای محیط زیست است. از یک سو، از طریق آموزش و استنتاج پرمصرف انرژی، انتشارات را تشدید میکند؛ از سوی دیگر، طبق گروه مشاوره بوستون، در صورت اعمال هوشمندانه، پتانسیل کاهش ۵ تا ۱۰ درصدی انتشار گازهای گلخانهای را تا سال ۲۰۳۰ دارد. هوش مصنوعی میتواند شبکههای انرژی را بهینه کند، آلودگی را پیشبینی کند و مدیریت پسماند را بهبود بخشد و ابزارهایی برای مبارزه با همان بحرانی که به آن دامن میزند، ارائه دهد.
تعادل بین نوآوری و مسئولیت
این پارادوکس نیاز به استقرار هوشمندانهتر را برجسته میکند. شرکتها میتوانند از هوش مصنوعی برای پروژههای پایداری استفاده کنند و در عین حال از طریق الگوریتمهای کارآمد و مراکز داده سبز، ردپای آن را به حداقل برسانند. کلید کار، تغییر از ذهنیت رشد به هر قیمتی به ذهنیتی است که ادغام زیستمحیطی را ارزشگذاری میکند و اطمینان حاصل میکند که هوش مصنوعی به عنوان یک نیروی مثبت خالص عمل میکند نه یک آلاینده پنهان.
پل زدن بر شکاف آگاهی در استراتژی شرکتی
برای اکثر شرکتها، ردپای CO2 هوش مصنوعی مولد به دلیل معیارهای پراکنده و فقدان استانداردهای صنعتی در رادار نیست. بدون اندازهگیریهای جامع که شامل ماشینهای بیکار و دینامیک کامل سیستم میشود، همانطور که گوگل طرفداری میکند، برآوردها نظری باقی میمانند. این منجر به دستکمگیریهایی میشود که در آن، به عنوان مثال، برخی محاسبات از عواملی که میتوانند ردپای عملیاتی واقعی را افزایش دهند، چشمپوشی میکنند.
برای پرداختن به این موضوع، کسبوکارها باید گزارشدهی شفاف را اتخاذ کنند و امتیاز انرژی هوش مصنوعی را در اولویت قرار دهند. ابتکاراتی مانند جدولهای رهبری ML.ENERGY میتوانند انتخابها را به سمت مدلهای کارآمدتر هدایت کنند، اما پذیرش گسترده نیازمند تغییر فرهنگی است که در آن پایداری در سیاستهای خرید و استفاده از هوش مصنوعی جاسازی شود.
ترسیم مسیری پایدار به پیش با هوش مصنوعی
آینده هوش مصنوعی مولد لزوماً در تضاد با مدیریت محیط زیست نیست. با بهکارگیری نوآوریهایی مانند اعتبار کربن، تأمین انرژی تجدیدپذیر و کارایی الگوریتم، شرکتها میتوانند ردپای خود را کاهش دهند و در عین حال از مزایای هوش مصنوعی بهرهمند شوند. پیشرفت سریع مشاهدهشده در کاهش هر درخواست نشان میدهد که تغییر زمانی ممکن است که کارایی به یک اصل طراحی اصلی تبدیل شود.
در نهایت، نادیده گرفتن ردپای CO2 یک اشتباه استراتژیک است. با افزایش انتشارات مراکز داده و تشدید تأثیرات آبوهوایی، شرکتهای آیندهنگر پایداری را در چارچوبهای هوش مصنوعی خود ادغام خواهند کرد و غفلت را به فرصت تبدیل خواهند کرد. عصر پذیرش کورکورانه در حال پایان است؛ موج بعدی نوآوری باید هوشمندی را با یکپارچگی بومشناختی متعادل کند و اطمینان حاصل کند که هوش مصنوعی بدون برجای گذاشتن میراثی سنگین از کربن پیشرفت میکند.