چالش توسعه هوش مصنوعی و بحران انرژی در عصر فناوری

با گسترش روزافزون استفاده از هوش مصنوعی، نیاز به مراکز داده جدید برای پردازش و ذخیره‌سازی داده‌ها افزایش یافته است. این مراکز داده برای پایداری و عملکرد مطلوب به مقادیر زیادی انرژی برق نیاز دارند. بر اساس داده‌های آماری مستخرج از گزارش‌ها، یک پرسش در «ChatGPT» تقریباً ۱۰ برابر یک جستجوی معمولی در گوگل انرژی مصرف می‌کند. همچنین، تولید یک تصویر توسط هوش مصنوعی می‌تواند به اندازه شارژ کامل یک گوشی هوشمند برق مصرف کند.

این افزایش مصرف انرژی نه تنها به افزایش قیمت برق منجر می‌شود، بلکه فشار زیادی بر شبکه‌های برق وارد می‌کند که بسیاری از آن‌ها برای تحمل این بار اضافی آماده نیستند. از سوی دیگر، با توجه به تلاش‌های ملی کشورها برای کربن‌زدایی و تغییر منشأ تولید انرژی به منابع تجدیدپذیر، این افزایش تقاضا برای برق بر روی شبکه و تغییر الگوی مصرف انرژی چالش‌های بزرگی را به همراه دارد. به عقیده بسیاری از کارشناسان، این وضعیت نیازمند توجه ویژه و راهکارهای مناسب برای مدیریت و کنترل مصرف انرژی است.

در این نوشتار کوتاه، به بررسی نسبت توسعه هوش مصنوعی و مصرف انرژی، تأثیرات این روند بر شبکه‌های برق و راهکارهای پیشنهادی برای مقابله با چالش‌های مرتبط می‌پردازیم. این بررسی شامل مروری بر چالش‌ها و فرصت‌های پیش‌رو و ارائه راهکارهایی برای بهبود وضعیت فعلی و حرکت به سوی آینده‌ای پایدارتر می‌شود.

افزایش تقاضای انرژی و تأثیرات آن بر شبکه‌های برق

در دو دهه گذشته، با افزایش کارآمدی تولید انرژی، تقاضای انرژی در کشور آمریکا به طور نسبی متعادل شده بود. با این حال، توسعه سریع فناوری‌های نوین به ویژه هوش مصنوعی، این تعادل را بر هم زده است. بر اساس پیش‌بینی‌های شرکت‌های مشاوره‌ای معتبر مانند مک‌کینزی و گروه مشاوره بوستون، تقاضای برق آمریکا تا پایان دهه جاری به میزان ۱۳ تا ۱۵ درصد در سال افزایش خواهد یافت. این میزان رشد در مقایسه با دهه‌های گذشته بسیار چشمگیر و فراتر از ظرفیت تولید فعلی برق در ایالات متحده است.

یکی از عوامل اصلی پشت این افزایش چشمگیر تقاضا برای برق، توسعه فناوری هوش مصنوعی است. مراکز داده که برای پردازش و ذخیره‌سازی کلان داده‌ها مورد استفاده قرار می‌گیرند، به طور مداوم به انرژی نیاز دارند. هر بار که یک دستور در «ChatGPT» یا سایر مدل‌های زبانی بزرگ تایپ می‌شود، درخواست در یک مرکز داده پردازش می‌شود که نیازمند انرژی زیادی است. علاوه بر این، آموزش مدل‌های هوش مصنوعی نیز مستلزم مصرف حجم عظیمی از انرژی است. این فرآیندها شامل پردازش حجم عظیم داده‌ها و استفاده مداوم از واحدهای پردازش گرافیکی است که انرژی زیادی مصرف می‌کنند.

افزایش تقاضای انرژی تنها به مصرف بیشتر محدود نمی‌شود، بلکه تأثیرات گسترده‌ای بر شبکه‌های برق نیز دارد. شبکه‌های برق باید توانایی پاسخگویی به نوسانات تقاضا را داشته باشند. با این حال، بسیاری از زیرساخت‌های فعلی برای تحمل بار اضافی ناشی از افزایش تقاضای برق آماده نیستند. در ایالات متحده، به عنوان کشوری پیشرو در عرصه فناوری هوش مصنوعی، در شرایطی که تقاضا از عرضه انرژی نیروگاه‌های پایه فراتر می‌رود، شرکت‌های حوزه تولید برق مجبور به استفاده از نیروگاه‌های پیک با هزینه‌های بالاتر می‌شوند. این نیروگاه‌ها به طور موقت برای پاسخگویی به افزایش ناگهانی تقاضا فعال می‌شوند و هزینه تولید انرژی را به میزان قابل توجهی افزایش می‌دهند.

به عنوان مثال، بیشتر حجم تولید انرژی که آمریکا به صورت روزانه به آن تکیه می‌کند، هزینه‌ای پایین (حدود ۳۰ دلار در هر مگاوات) دارد. اما وقتی تقاضا از عرضه انرژی نیروگاه‌های پایه فراتر می‌رود، شرکت‌های خدماتی از نیروگاه‌های پیک استفاده می‌کنند که برای افزایش سریع تولید برق طراحی شده‌اند. در این شرایط هزینه تولید انرژی افزایش یافته و به حدود ۱۰۰۰ دلار در هر مگاوات افزایش می‌یابد.

این افزایش مداوم تقاضا برای برق که توسط مدل‌های هوش مصنوعی، وسایل نقلیه الکتریکی و افزایش تولید ایجاد می‌شود، سبب افزایش استفاده از نیروگاه‌های پیک با هزینه بالا می‌گردد و در نتیجه هزینه‌ها برای همه ذی‌نفعان از جمله خانوارها، مدارس، بیمارستان‌ها به طور تصاعدی افزایش می‌یابد. از همین روی می‌توان نتیجه گرفت که افزایش ۱۵ درصدی تقاضای برق به افزایش ۱۵ درصدی قیمت آن منجر نمی‌شود، زیرا شرکت‌های برق به طور فزاینده‌ای به نیروگاه‌های پرهزینه برای پاسخ‌گویی به تقاضا متکی هستند. افزایش‌های تصاعدی هزینه‌ها به این معناست که امکان دارد قیمت انرژی خانگی دو برابر شود.

فراتر از بحث هزینه، حتی اگر شبکه با ظرفیت کامل برای هماهنگی با تقاضا کار کند و موفق به تأمین انرژی مورد نیاز شود، همچنان نمی‌توان منابع انرژی فسیلی و آلاینده را از زنجیره تأمین برق خارج کرد؛ امری که باعث تأخیر در پیشرفت به سمت اهداف اقلیمی می‌شود.

مصرف انرژی مدل‌های هوش مصنوعی

مصرف انرژی مدل‌های هوش مصنوعی یکی از جنبه‌های کلیدی است که باید در بحث توسعه و گسترش این فناوری مد نظر قرار گیرد. اکثر مردم رایانه‌ها را به عنوان وسایلی با مصرف انرژی بالا نمی‌شناسند؛ اما وقتی یک دستور را در «ChatGPT» یا سایر مدل‌های زبانی بزرگ تایپ می‌کنید، درخواست شما در یک مرکز داده بسیار دور پردازش می‌شود و تولید پاسخ آن نیاز به انرژی دارد.

از سوی دیگر، آموزش هر مدل هوش مصنوعی نیز انرژی زیادی مصرف می‌کند. حجم عظیمی از داده‌ها که از صفحات وب، ویکی‌پدیا، ردیت و ویدئوهای یوتیوب استخراج شده‌اند، به این مدل‌های هوش مصنوعی وارد می‌شوند. برای پردازش این داده‌ها، صدها واحد پردازش گرافیکی (GPU) به مدت هزاران ساعت به طور مداوم کار می‌کنند و همه‌ی این موارد به انرژی نیاز دارد.

برآوردها نشان می‌دهد که تا سال ۲۰۳۰، مراکز داده ۱۶ درصد از کل مصرف برق آمریکا را به خود اختصاص خواهند داد؛ رقمی که معادل دوسوم برق مصرفی خانه‌های این کشور است. از همین روی، بسیاری از شرکت‌ها و مؤسسات به دنبال راهکارهایی برای کاهش مصرف انرژی در مدل‌های هوش مصنوعی هستند. این شامل استفاده از منابع انرژی تجدیدپذیر مانند خورشیدی و بادی، بهره‌گیری از انرژی هسته‌ای و زمین‌گرمایی، و ساخت نیروگاه‌های اختصاصی برای مراکز داده است. همچنین، بهینه‌سازی شبکه برق با استفاده از فناوری‌های پیش‌بینی خرابی نیز می‌تواند به کاهش مصرف انرژی کمک کند.

در مجموع، به نظر می‌رسد که مصرف انرژی مدل‌های هوش مصنوعی یکی از چالش‌های اساسی در مسیر توسعه این فناوری است. برای مقابله با این چالش، نیاز به اقدامات جدی در جهت بهبود کارایی انرژی و استفاده از منابع انرژی پایدار داریم.

تأثیرات اقتصادی و زیست‌محیطی

افزایش قیمت برق به معنای افزایش هزینه‌ها برای خانوارها، مدارس، بیمارستان‌ها و سایر ذی‌نفعان است. علاوه بر هزینه‌ها، استفاده مداوم از منابع انرژی فسیلی و آلاینده به دلیل نیاز به تأمین تقاضای روزافزون باعث تأخیر در رسیدن به اهداف اقلیمی و کربن‌زدایی می‌شود. این وضعیت نه تنها به بحران انرژی بلکه به بحران زیست‌محیطی نیز دامن می‌زند.

با افزایش تقاضا برای برق، هزینه‌های تولید و توزیع انرژی نیز به طور قابل توجهی افزایش می‌یابد. نیروگاه‌های پیک که برای تأمین تقاضای اضافی برق به کار گرفته می‌شوند، دارای هزینه‌های تولید بسیار بالاتری هستند. این نیروگاه‌ها برای افزایش سریع تولید برق طراحی شده‌اند و هزینه تولید انرژی در آن‌ها می‌تواند به حدود ۱۰۰۰ دلار در هر مگاوات برسد. این افزایش هزینه تولید به طور مستقیم بر قیمت برق تأثیر می‌گذارد و باعث افزایش هزینه‌ها برای همه ذی‌نفعان از جمله خانوارها، مدارس و بیمارستان‌ها می‌شود.

افزایش تقاضا و هزینه‌های تولید برق منجر به افزایش قیمت برق مصرفی می‌شود. این افزایش قیمت می‌تواند بار مالی سنگینی را بر خانوارها و کسب‌وکارها تحمیل کند. به ویژه در شرایطی که قیمت انرژی به صورت تصاعدی افزایش یابد، ممکن است هزینه انرژی خانگی دو برابر شود. این افزایش هزینه‌ها می‌تواند به کاهش قدرت خرید مصرف‌کنندگان و کاهش سودآوری کسب‌وکارها منجر شود.

از سوی دیگر، افزایش قیمت انرژی می‌تواند بر رقابت‌پذیری صنایع و اقتصادی ملی نیز تأثیر منفی بگذارد. صنایع انرژی‌بر مانند تولید و حمل‌ونقل به طور خاص تحت تأثیر این افزایش تقاضا قرار می‌گیرند. افزایش هزینه‌های تولید می‌تواند منجر به افزایش قیمت محصولات و کاهش تقاضا برای آن‌ها شود؛ امری که به نوبه خود می‌تواند بر رشد اقتصادی تأثیر منفی بگذارد.

گذشته از مسئله افزایش هزینه، با افزایش تقاضا برای برق و نیاز به تأمین این تقاضا، استفاده از منابع انرژی فسیلی مانند زغال سنگ و گاز طبیعی افزایش می‌یابد. این منابع انرژی از جمله عوامل اصلی انتشار گازهای گلخانه‌ای هستند. افزایش مصرف این منابع نیز در بلند مدت منجر به افزایش انتشار دی‌اکسید کربن و سایر گازهای گلخانه‌ای می‌شود؛ امری که به تغییرات اقلیمی و گرم شدن زمین دامن می‌زند.

همانطور که پیش‌تر ذکر شد، افزایش تقاضا برای برق و استفاده بیشتر از منابع انرژی فسیلی می‌تواند تأخیر در رسیدن به اهداف کربن‌زدایی را به همراه داشته باشد. در شرایطی که شبکه‌های برق برای پاسخگویی به تقاضا با ظرفیت کامل کار کنند، نمی‌توان منابع انرژی فسیلی و آلاینده را از خط تولید خارج کرد. این امر باعث می‌شود که پیشرفت به سمت استفاده از انرژی‌های تجدیدپذیر و پایدار به تأخیر بیفتد.

راهکارهای پیشنهادی برای مقابله با بحران انرژی

به زعم برخی کارشناسان، برای مقابله با بحران انرژی ناشی از توسعه هوش مصنوعی و افزایش مصرف برق، راهکارهای متعددی وجود دارد که می‌توانند به بهبود وضعیت فعلی و حرکت به سوی آینده‌ای پایدارتر کمک کنند. این راهکارها شامل بهبود کارایی محاسباتی، استفاده از منابع انرژی تجدیدپذیر، بهره‌گیری از انرژی هسته‌ای و زمین‌گرمایی، ساخت نیروگاه‌های اختصاصی برای مراکز داده و بهینه‌سازی شبکه برق با استفاده از فناوری‌های پیش‌بینی خرابی هستند.

• بهبود کارایی محاسباتی و کاهش مصرف انرژی

توسعه و استفاده از سخت‌افزارهای محاسباتی با کارایی بالاتر می‌تواند به کاهش مصرف انرژی مراکز داده کمک کند. واحدهای پردازش گرافیکی و واحدهای پردازش مرکزی (CPU) جدیدتر با کارایی بیشتر و مصرف انرژی کمتر می‌توانند نقش مهمی در این زمینه ایفا کنند.

از سوی دیگر، بهینه‌سازی الگوریتم‌های یادگیری ماشین و هوش مصنوعی برای کاهش پیچیدگی محاسباتی و مصرف انرژی نیز می‌تواند تأثیر قابل توجهی در این زمینه داشته باشد. این شامل توسعه مدل‌های کم‌حجم‌تر و کارآمدتر است که با حفظ دقت و عملکرد، مصرف انرژی کمتری دارند.

• استفاده از منابع انرژی تجدیدپذیر:

بهره‌گیری از انرژی خورشیدی و بادی برای تأمین برق مراکز داده می‌تواند به کاهش وابستگی به منابع فسیلی و کاهش انتشار گازهای گلخانه‌ای کمک کند. نصب پنل‌های خورشیدی و توربین‌های بادی در مراکز داده و استفاده از این انرژی پاک می‌تواند نقش مهمی در تأمین انرژی پایدار ایفا کند.
علاوه بر انرژی خورشیدی و بادی، استفاده از منابع دیگر تجدیدپذیر مانند انرژی آبی، زمین‌گرمایی و زیست‌توده نیز می‌تواند به کاهش مصرف انرژی فسیلی و تأمین انرژی پایدار کمک کند.

از سوی دیگر، استفاده از نیروگاه‌های هسته‌ای به عنوان منبعی پایدار و کارآمد برای تولید برق می‌تواند به تأمین برق مورد نیاز مراکز داده کمک کند. کارشناسان معتقدند که نیروگاه‌های هسته‌ای با تولید برق پایدار و کم‌کربن می‌توانند نقش مهمی در تأمین انرژی پاک ایفا کنند.

• ساخت نیروگاه‌های اختصاصی برای مراکز داده:

بی‌شک برای عبور از بحران تقاضای انرژی ناشی از توسعه هوش مصنوعی، نمی‌توان صرفاً به استفاده از منابع تجدیدپذیر اکتفا کرد. از همین روی، احداث نیروگاه‌های کوچک مقیاس اختصاصی برای مراکز داده می‌تواند به تأمین برق پایدار و کاهش وابستگی به شبکه‌های برق عمومی کمک کند.

این در حالی است که در بسیاری از موارد، نیروگاه‌های اختصاصی مذکور نیز می‌توانند از منابع تجدیدپذیر برای تأمین انرژی خود استفاده کنند.

سخن پایانی

توسعه هوش مصنوعی با وجود مزایای فراوان، چالش‌های بزرگی را نیز به همراه دارد. افزایش تقاضای انرژی و تأثیرات آن بر شبکه‌های برق و قیمت‌ها نیازمند توجه ویژه‌ای است. بررسی‌های انجام‌شده نشان می‌دهد که مصرف بالای انرژی در مدل‌های هوش مصنوعی نه تنها باعث افزایش هزینه‌های اقتصادی می‌شود، بلکه تأثیرات زیست‌محیطی قابل توجهی نیز دارد. از این رو، برای مقابله با این چالش‌ها نیاز به اتخاذ راهکارهای پایدار و سیاست‌گذاری‌های مناسب در حوزه انرژی و محیط زیست داریم.

بسیاری از کارشناسان بر این باور هستند که برای مقابله با بحران انرژی ناشی از توسعه هوش مصنوعی، به یک رویکرد جامع و ترکیبی از راهکارهای مختلف نیاز است. این راهکارها باید با توجه به شرایط محلی و نیازهای خاص هر منطقه اجرا شوند و با همکاری میان دولت‌ها، صنایع و مؤسسات تحقیقاتی تحقق یابند. تنها از طریق این تلاش‌های مشترک می‌توانیم به سوی آینده‌ای پایدار حرکت کنیم و از مزایای هوش مصنوعی به بهترین شکل بهره‌مند شویم.

در کشورمان ایران نیز توسعه هوش مصنوعی با چالش‌های مشابهی مواجه است. اگرچه کشور ظرفیت‌های بالقوه بالایی در حوزه فناوری اطلاعات و هوش مصنوعی دارد، اما مشکلات زیرساختی و محدودیت‌های انرژی می‌تواند مانع از تحقق کامل این ظرفیت‌ها شود. از همین روی و با عنایت به چالش‌های ذکر شده، تدبیر مسئله تأمین انرژی برای توسعه هوش مصنوعی در ایران از اهمیت ویژه‌ای برخوردار است. بی‌شک تحقق اهداف بلندپروازانه ما برای توسعه هوش مصنوعی، نیازمند برنامه‌ریزی و سیاست‌گذاری دقیق و مشارکت همه ذی‌نفعان حوزه انرژی برای حل معضل پیش‌رو است.