هيئة مراقبة البيئة تضغط على صناعة الذكاء الاصطناعي بشأن الكشف عن التكاليف الخفية لبرنامج ChatGPT

أصبح الذكاء الاصطناعي جزءًا لا يتجزأ من الحياة العصرية، إذ يدعم تطبيقات متنوعة، منها ChatGPT، التي تساعد في مهام تتراوح بين استرجاع المعلومات وإنشاء المحتوى الإبداعي. ورغمdentفوائد الذكاء الاصطناعي، إلا أن الأبحاث الحديثة تسلط الضوء على جانب مهم لم يُناقش كثيرًا: التكاليف البيئية الباهظة المرتبطة بنماذج اللغة الضخمة مثل ChatGPT وBing Copilot.

استهلاك الطاقة لتدريب نموذج اللغة

تتطلب نماذج اللغة الضخمة، مثل ChatGPT وBing Copilot، قدرة حاسوبية هائلة واستهلاكًا كبيرًا للطاقة الكهربائية خلال عمليات تدريبها. ووفقًا لدراسة أجراها باحثون في جامعة واشنطن، قد يستهلك تدريب نموذج لغة ضخم واحد، مثل ChatGPT-3، ما يصل إلى 10 جيجاوات ساعة من الطاقة. ولتوضيح ذلك، يُعادل هذا تقريبًا الاستهلاك السنوي للكهرباء لأكثر من 1000 أسرة أمريكية. علاوة على ذلك، تتراوح البصمة الكربونية لتدريب ChatGPT-3 بين 55 و284 طنًا من ثاني أكسيد الكربون، وذلك بحسب مصدر الطاقة الكهربائية.

تشغيل نماذج اللغة وتأثيرها البيئي

على الرغم من أن استهلاك الطاقة لتشغيل نماذج اللغة مثل Bing Copilot أو ChatGPT أقل من استهلاكها أثناء التدريب، إلا أنه لا يزال يُساهم في المخاوف البيئية. يعتمد استهلاك الطاقة الفعلي على عوامل مثل حجم النموذج، وعدد الكلمات المُعالجة، وكفاءة الأجهزة والبرامج. تشير التقديرات إلى أن استعلام ChatGPT-4 واحد يستهلك ما بين 0.001 و0.01 كيلوواط ساعة، وهو ما يزيد بشكل ملحوظ عن الطاقة التي يستهلكها استعلام بحث نموذجي على جوجل (0.0003 كيلوواط ساعة).

لا يمكن إغفال الآثار البيئية لاستخدام أنظمة الذكاء الاصطناعي، بما في ذلك ChatGPT وBing Copilot. ومع تزايد الطلب على خدمات الذكاء الاصطناعي، تزداد الحاجة إلى مراكز البيانات لاستضافة الخوادم والمعدات التي تدعم هذه الأنظمة. وتُعرف مراكز البيانات باستهلاكها الهائل للطاقة، والذي يشمل تشغيل الأجهزة وإدارة الطاقة والتبريد. عالميًا، تُساهم مراكز البيانات بنحو 1-1.5% من استهلاك الكهرباء و0.3% من انبعاثات ثاني أكسيد الكربون. إضافةً إلى ذلك، تستهلك هذه المرافق كميات كبيرة من المياه للتبريد وتوليد الكهرباء.

كشف تقريرٌ نشرته صحيفة "لايف مينت" أن نظام "تشات جي بي تي-3" وحده يستهلك حوالي 800 ألف لتر من الماء في الساعة، أي ما يعادل احتياجات 40 ألف شخص من الماء يومياً. وتؤكد هذه الأرقام الأثر البيئي الكبير لأنظمة الذكاء الاصطناعي.

تقليل استهلاك الطاقة والأثر البيئي

تحسين كفاءة الأجهزة والبرامج: يمكن أن يؤدي تحسين تصميم وكفاءة الأجهزة والبرامج إلى تقليل استهلاك الطاقة. كما يمكن لتقنيات مثل التبريد بالغمر السائل أن تساعد في خفض حرارة الأجهزة وتقليل انبعاثات الكربون واستهلاك المياه في مراكز البيانات.

التحول إلى الطاقة المتجددة: يُمكن للتحول إلى مصادر الطاقة المتجددة، مثل طاقة الرياح والطاقة الشمسية والطاقة الكهرومائية، أن يُشغّل مراكز البيانات بطريقة أكثر استدامة. وقد تبنّت دولٌ غنية بالموارد الطبيعية، مثل النرويج وأيسلندا، هذا النهج بالفعل لتقليل انبعاثاتها الكربونية.

الاستخدام المسؤول للذكاء الاصطناعي: إنّ اقتصار استخدام نماذج الذكاء الاصطناعي على التطبيقات الهادفة والضرورية، مع تجنّب الأغراض التافهة أو الضارة، يُسهم في ترشيد استهلاك الطاقة وتعزيز المسؤولية الاجتماعية. كما أنّ التركيز على إنتاج محتوى تعليمي أو فني، بدلاً من نشر الأخبار الكاذبة أو الرسائل المزعجة، يُمكن أن يُحدث آثاراً إيجابية على المجتمع.

مستقبل استهلاك الطاقة في الذكاء الاصطناعي

يبدو مستقبل استهلاك الطاقة في الذكاء الاصطناعي واعدًا، إذ تُسهم التطورات التكنولوجية في تطوير نماذج ومراكز بيانات أكثر كفاءة في استهلاك الطاقة. ومن المتوقع أيضًا ازدياد استخدام مصادر الطاقة المتجددة. ومع ذلك، ومع ازدياد انتشار الذكاء الاصطناعي، يصبح التركيز المستمر على خفض استهلاك الطاقة وتعزيز الممارسات المستدامة أمرًا بالغ الأهمية.

على الرغم من تزايد المخاوف بشأن الأثر البيئي للذكاء الاصطناعي، لا يزال الحصول على بيانات دقيقة يمثل تحديًا كبيرًا. وتعتمد الأبحاث الحالية والدراسات الناشئة على مجموعات بيانات تقديرية وتوقعات، نظرًا لعدم إفصاح المطورين علنًا عن النطاق الكامل لمدخلات الطاقة وانبعاثات الكربون والبصمة المائية للذكاء الاصطناعي.

أشارت دراسة أجراها لي وآخرون عام 2023 إلى أن الطلب العالمي على الذكاء الاصطناعي قد يؤدي إلى سحب ما بين 4.2 و6.6 مليار متر مكعب من المياه بحلول عام 2027، متجاوزًا بذلك إجمالي كمية المياه المسحوبة سنويًا لنصف المملكة المتحدة. وهذا يؤكد الحاجة المُلحة إلى مزيد من الشفافية في تقييم الأثر البيئي للذكاء الاصطناعي.

دعوة إلى مزيد من المساءلة والشفافية

للتصدي لهذه المخاوف بفعالية، تزداد الحاجة إلى مزيد من الشفافية فيما يتعلق بالانبعاثات التشغيلية والتطويرية الناتجة عن عمليات الذكاء الاصطناعي. ينبغي على المطورين الكشف عن البيانات المتعلقة بكفاءة استخدام المياه وتقديم مقارنات بين مدخلات الطاقة المختلفة. ستُمكّن هذه الشفافية من اتخاذ قرارات مستنيرة وتقييم الآثار البيئية لنماذج اللغة مثل ChatGPT وBing Copilot.