ChatGPT، یک مدل زبانی بزرگ است که توسط OpenAI توسعه یافته و به دلیل قابلیت‌های منحصر به فردش در پردازش زبان طبیعی توجه گسترده‌ای را به خود جلب کرده است. با این حال، مانند هر مدل زبانی بزرگ، آموزش و توسعه سیستم هوش مصنوعی به مقادیر زیادی انرژی نیاز دارد که منجر به هزینه‌های زیست محیطی قابل توجهی می‌شود که اغلب نادیده گرفته می‌شوند.
مدل‌های زبانی بزرگ ممکن است به سیستم‌هایی گفته شوند که برای پیش‌بینی احتمال یک «توکن»، مانند کاراکترها، کلمات، یا یک دنباله (Sequence) بر اساس محتوایی تعریف شده، آموزش دیده‌اند. از آنجایی که امروزه شرکت‌ها و صنایع، بهره‌برداری از فناوری هوش مصنوعی را توسعه داده‌اند، مهم است که بحث‌ها درباره پیامدهای زیست‌محیطی مدل‌های زبانی بزرگ را به حاشیه نرانیم.
اثرات زیست محیطی مراکز داده
مراکز داده امکاناتی هستند که سرورهای پرقدرت مورد نیاز مدل‌های هوش مصنوعی را در خود جای می‌دهند و در عین حال که ردپای کربن قابل‌توجهی تولید می‌کنند، مقدار قابل‌توجهی انرژی مصرف می‌کنند. رایانش ابری که توسعه دهندگان هوش مصنوعی مانند OpenAI از آن استفاده می‌کنند، برای آموزش الگوریتم‌ها و تجزیه و تحلیل داده‌ها به تراشه‌های داخل این مراکز داده متکی است.
طبق برآوردها، ChatGPT سالانه ۸.۴ تن دی اکسید کربن منتشر می‌کند که بیش از دو برابر مقداری است که توسط یک فرد منتشر می‌شود، یعنی ۴ تن در سال. البته، نوع منبع انرژی مورد استفاده برای راه‌اندازی این مراکز داده بر میزان انتشار گازهای گلخانه‌ای تولید شده تأثیر می‌گذارد، برای مثال نیروگاه‌های زغال سنگ یا گاز طبیعی منجر به انتشار بسیار بیشتری در مقایسه با نیروگاه‌های خورشیدی، بادی یا برق آبی می‌شود و این موضوع ارائه ارقام دقیق را دشوار می‌کند.
طبق مطالعه اخیر توسط محققان دانشگاه کالیفرنیا-ریورساید، ردپای آب قابل توجهی توسط مدل‌های هوش مصنوعی مانند ChatGPT-3 و ۴ استفاده شده است. این مطالعه گزارش می‌دهد که مایکروسافت در طول آموزش (Training process) GPT-3 در مراکز داده خود از حدود ۷۰۰ هزار لیتر آب شیرین استفاده کرده است. معادل مقدار آب مورد نیاز برای تولید ۳۷۰ خودروی BMW یا ۳۲۰ خودروی تسلا. این در درجه اول نتیجه فرآیند تمرین است، که در آن مقادیر زیادی انرژی استفاده می‌شود و به گرما تبدیل می‌شود و برای کنترل دما و خنک‌کردن ماشین‌آلات نیاز به مقدار خیره‌کننده آب شیرین است. علاوه بر این، این مدل همچنین مقدار قابل توجهی آب را در فرآیند استنباط (Inference processing) مصرف می‌کند، که زمانی رخ می‌دهد که ChatGPT برای کارهایی مانند پاسخ دادن به سؤالات یا تولید متن استفاده می‌کند. برای یک مکالمه ساده ۲۰ تا ۵۰ سوالی، آب مصرفی معادل یک بطری ۵۰۰ میلی لیتری است که با توجه به میلیاردها کاربر آن، کل ردپای آب برای استنباط قابل توجه است.
طی گزارشی تاملینسون برآورد کرده است که در ازای پرسش از ChatGPT 2.2 گرم کربین دی اکسید منتشر می‌شود. در سال ۲۰۲۰ برای آموزش مدل gpt-3 از توان محاسباتی معادل ۴۰۵ دستگاه کارت گرافیک Nvidia Tesla V100 به مدت یکسال به صورت موازی کاری استفاده شد که این حجم منجر به مصرف قابل توجهی انرژی نزدیک به ۱۲۸۷ مگاوات ساعت و ۵۵۲ تن کربن دی اکسید است. همانطور که مدل‌های زبانی همچنان در اندازه رشد می‌کنند، به طور فزاینده‌ای ضروری است که راه‌هایی برای کاهش تأثیر منفی آن‌ها بر محیط زیست به منظور هموار کردن یک مسیر پایدار رو به جلو بررسی شود.
OpenAI در پاسخ به پرسشی که بلومبرگ در مورد نگرانی‌های پایداری انجام داد، گفت که نقش خود را در متوقف کردن و معکوس کردن تغییرات آب و هوایی «بسیار جدی» می‌پذیرد و فکر زیادی برای یافتن کارآمدترین راه برای استفاده از قدرت محاسباتی آن می‌گذرد.
مراکز داده در مقایسه با سایر صنایعی که ردپای کربن خود را گزارش می‌کنند، معمولا «جعبه سیاه» در نظر گرفته می‌شوند. بنابراین، در حالی که محققان میزان انتشار گازهای گلخانه‌ای را تخمین زده‌اند، هیچ رقم صریحی وجود ندارد که کل توان مورد استفاده توسط ChatGPT را مستند کند. رشد سریع بخش هوش مصنوعی همراه با شفافیت محدود به این معنی است که کل مصرف برق و انتشار کربن منتسب به هوش مصنوعی ناشناخته است و ارائه دهندگان خدمات ابری، اطلاعات لازم را ارائه نمی دهند.
چگونه هوش مصنوعی اثرات زیست محیطی خود را کاهش می دهد؟
بر اساس مطالعه Hitachi Ltd. برای محاسبه میزان انتشار کربن دی اکسید، استفاده از سرویس‌های چت‌بات منجر به کاهش ۴۰ درصدی انتشار این گاز شده است. این کاهش در نتیجه کاهش ۶۰ درصدی تعداد ساعات مورد نیاز برای رسیدگی به درخواست‌های کارکنان و کاهش ۸ درصدی مصرف برق تجهیزات مرتبط است. نگارش ایمیل‌ها مقادیر مختلفی از کربن دی اکسید را تولید می‌کنند که بسته به طول ایمیل و تعداد گیرندگان از ۰.۰۳ تا ۲۶ گرم متغیر است.
تخمین زده می‌شود در سال ۲۰۱۹ ایمیل‌ها در سراسر جهان حدود ۱۵۰ میلیون تن کربن دی اکسید تولید کرده باشند که حدود ۰.۳ درصد از ردپای کربن جهان است. در این زمینه، خدمات چت بات جایگزین پایدارتری می‌تواند باشد. چت‌بات‌ها می‌توانند با استفاده از زبان نشانه‌گذاری هوش مصنوعی (AIML) و تجزیه و تحلیل معنایی پنهان (LSA)، پاسخ‌های دقیق و کارآمدی به پرسش‌ها ارائه دهند. این سرویس‌ها می‌توانند به کاهش ۳.۷ درصدی ردپای کربن در سازمان‌ها کمک کنند.
طبق گزارش آژانس حفاظت از محیط زیست ایالات متحده (۲۰۲۲)، تولید کل کاغذ و مقوا در زباله های جامد شهری (MSW) در سال ۲۰۱۸، ۶۷.۴ میلیون تن بود که نشان دهنده ۲۳.۱ درصد از کل تولید زباله‌های جامد در آن سال است. علاوه بر این، محل‌های دفن زباله ۱۷.۲ میلیون تن کاغذ و مقوا دریافت کردند که ۱۱.۸٪ از کل زباله‌های زباله را تشکیل می‌دهد.
(EPA2022) علاوه بر این، مشخص شده است که ۵۰ درصد ضایعات تجاری از کاغذ تشکیل شده است و دفاتر ایالات متحده سالانه از ۱۲.۱ تریلیون ورق کاغذ استفاده می‌کنند (The World Counts 2023). صنعت کاغذ تأثیر قابل توجهی بر محیط زیست دارد، زیرا ۱۰ تا ۱۴ درصد از جنگل‌زدایی در نتیجه تقاضا برای محصولات کاغذی است (شورای تحقیقات ملی ۱۹۹۹، اتحادیه دانشمندان نگران ۲۰۱۶). این منجر به تخریب ۴.۱ تا ۵.۷ میلیون هکتار جنگل در هر سال می‌شود که مساحتی معادل وسعت هلند یا کرواسی است. در همین حال، خدمات مبتنی بر هوش مصنوعی سهم منحصر به فردی را در جهت ترویج جامعه بدون کاغذ و خدمات از راه دور ارائه می‌دهد.
چت‌بات‌های مبتنی بر هوش مصنوعی، مصرف کاغذ و نیاز به بازدید فیزیکی از شعب را کاهش می‌دهند. داده‌های سازمان همکاری اقتصادی و توسعه (OECD) در سال ۲۰۲۲ نشان می‌دهد که اکثر کشورهای این سازمان، به طور فزاینده‌ای از کانال‌های ارتباطی دیجیتال از جمله خدمات هوش مصنوعی چت بات استفاده می‌کنند، در حالی که کانال‌های سنتی مانند تماس‌های شخصی و کاغذی ارتباطات مبتنی بر ارتباطات بین سال‌های ۲۰۱۹ تا ۲۰۲۰ به ترتیب تا ۵۵.۳ و ۸.۴ درصد کاهش یافته است.
علاقه به دستیارهای مجازی مبتنی بر هوش مصنوعی و ربات‌های صوتی با افزایش ۱۰۲.۵ درصدی از سال ۲۰۱۸ تا ۲۰۱۹ و ۴۴.۸ درصدی از ۲۰۱۹ تا ۲۰۲۰ مواجه است. چت بات‌ها همچنین این پتانسیل را دارند که با ارائه یک سیستم ذخیره‌سازی دیجیتال برای اسناد و اطلاعات مهم، اسناد مبتنی بر کاغذ را جایگزین کنند. این نه تنها نیاز به ذخیره‌سازی کاغذ فیزیکی را کاهش می‌دهد، بلکه دسترسی و سازماندهی داده‌های مهم را آسان‌تر می‌کند.
افکار نهایی
از آنجایی که هوش مصنوعی به طور فزاینده‌ای بخش‌ها و صنایع مختلفی را متحول می‌کند، ما باید شیوه‌های پایدار در توسعه هوش مصنوعی را نیز در اولویت قرار دهیم. شفافیت و مسئولیت‌پذیری بیشتر در توسعه و بهره‌برداری از سیستم‌های یادگیری ماشین و همچنین تلاش‌های فردی برای شناخت محدودیت‌های مدل‌های زبانی، می‌تواند به کاهش هزینه‌های زیست محیطی هوش مصنوعی کمک کند.
با ترویج شیوه‌های مسئولانه در توسعه و تحقیق هوش مصنوعی، می‌توانیم به سمت ایجاد آینده‌ای پایدارتر و عادلانه‌تر حرکت کنیم، جایی که پیشرفت فناوری به قیمت سیاره ما تمام نمی‌شود.
*فعال صنایع فرهنگی
نظرات بسته شده است.