به گزارش ایسنا، پژوهشگران طی یک مطالعه جدید نشان دادند که سامانه‌های هوش مصنوعی تشنه هستند و برای هر گفتگوی کوتاهی که کاربر با آنها انجام می‌دهد، تا ۵۰۰ میلی‌لیتر آب که معادل یک بطری آب یک‌نفره است، مصرف می‌کنند. آنها برای نوشتن یک متن ۱۰۰ کلمه‌ای نیز تقریباً به همین میزان آب نیاز دارند. این عدد شامل آبی که برای خنک کردن سرورهای مرکز داده و آبی که در نیروگاه‌های تولیدکننده برق برای راه‌اندازی این سامانه‌ها مصرف می‌شود، است.
این مطالعه به سرپرستی «لئو اس. لو»(Leo S. Lo)، مدیر کتابخانه‌ها، مشاور دانش هوش مصنوعی و استاد «دانشگاه ویرجینیا»(Virginia) انجام شده است.
به نقل از ساینس‌آلرت، مطالعه‌ای که این تخمین‌ها را محاسبه کرده است، همچنین نشان می‌دهد که مصرف آب سامانه‌های هوش مصنوعی می‌تواند به طور گسترده‌ای متفاوت باشد. این امر به اینکه رایانه به چه پرسشی پاسخ می‌دهد و در کجا و چه زمانی در حال کار است، بستگی دارد. بسیاری از مردم فرض می‌کنند که هوش مصنوعی ذاتاً مضر است و اثرات زیان‌آوری دارد. پژوهشگران نشان دادند که این اثرات واقعی هستند، اما تنها بخشی از داستان را تشکیل می‌دهند.
هنگامی که دید مردم از هوش مصنوعی صرفاً به عنوان یک منبع مصرف‌کننده به درک ردپای واقعی آن، منشأ اثرات، نحوه تغییر آنها و آنچه می‌توان برای کاهش آنها انجام داد، تغییر کند، آنها برای انتخاب‌هایی که نوآوری را با پایداری متعادل می‌کنند بسیار بهتر، مجهز می‌شوند.
دو جریان پنهان
پشت هر پرسش هوش مصنوعی، دو جریان مصرف آب وجود دارد. اولین جریان، خنک‌سازی سرورهایی است که مقادیر زیادی گرما تولید می‌کنند. مهندسان این کار اغلب از برج‌های خنک‌کننده تبخیری استفاده می‌کنند. این برج‌ها با تبخیر، گرما را از بین می‌برند، اما آن آب از منبع آب محلی مانند رودخانه، مخزن یا سفره آب، حذف می‌شود. سایر سامانه‌های خنک‌کننده ممکن است آب کمتر اما برق بیشتری مصرف کنند.
جریان دوم توسط نیروگاه‌هایی استفاده می‌شود که برق مورد نیاز برای تامین انرژی مرکز داده را تولید می‌کنند. نیروگاه‌های زغال‌سنگ، گاز و هسته‌ای مقادیر زیادی آب را برای چرخه‌های بخار و خنک‌سازی استفاده می‌کنند. انرژی آبی نیز مقادیر قابل توجهی آب مصرف می‌کند که از مخازن تبخیر می‌شود. نیروگاه‌های خورشیدی نیز در صورت تکیه بر خنک‌سازی مرطوب می‌توانند مصرف آب زیادی داشته باشند، اما توربین‌های بادی و پنل‌های خورشیدی پس از ساخت، تقریباً هیچ آبی مصرف نمی‌کنند.
اهمیت مکان و زمان
مصرف آب با مکان به طور چشمگیری تغییر می‌کند. یک مرکز داده خنک و مرطوب اغلب می‌تواند به هوای بیرون تکیه کند و ماه‌ها با حداقل مصرف آب کار کند. در مقابل، یک مرکز داده دیگر ممکن است بسیار به خنک‌سازی تبخیری وابسته باشد. این رویکرد در هوای گرم و خشک بسیار مؤثر است، اما همچنان مقادیر زیادی آب لازم دارد. زمان نیز اهمیت دارد. مطالعه‌ای نشان داده است که یک مرکز داده ممکن است در زمستان تنها نصف آب مصرفی در تابستان را استفاده کند.
روش‌های جدید، جایگزین‌های امیدوارکننده‌ای ارائه می‌دهند. یک فناوری جدید از مایکروسافت برای خنک‌سازی از هیچ آبی استفاده نمی‌کند. این فناوری با چرخاندن یک مایع خاص، به طور مستقیم از طریق لوله‌های مهر و موم شده در تراشه‌های رایانه‌ای، گرما را جذب کرده و سپس آن را از طریق یک سامانه بسته بدون نیاز به تبخیر آزاد می‌کند.
مراکز داده همچنان برای سرویس‌های بهداشتی و سایر امکانات کارکنان از مقداری آب آشامیدنی استفاده خواهند کرد، اما خنک‌سازی به خودی خود دیگر از منابع آب محلی برداشت نخواهد کرد.
با این حال، این رویکردها عمدتاً به دلیل هزینه، پیچیدگی نگهداری و دشواری تبدیل مراکز داده موجود به سامانه‌های جدید هنوز رایج نیستند. نوع مدل هوش مصنوعی که از آن پرسش می‌شود نیز اهمیت دارد. این به دلیل سطوح مختلف پیچیدگی، سخت‌افزار و میزان قدرت پردازنده مورد نیاز آنهاست. برخی مدل‌ها ممکن است منابع بسیار بیشتری نسبت به بقیه مصرف کنند. یک مطالعه نشان داده بود که برخی مدل‌ها می‌توانند بیش از ۷۰ برابر انرژی و آب بیشتری نسبت به مدل‌های فوق‌العاده کارآمد مصرف کنند.
میزان تخمین‌های متفاوت، از ۰/۲۶ میلی‌لیتر تا ۳۹ میلی‌لیتر نشان می‌دهد که چقدر اثرات کارایی، مدل هوش مصنوعی و زیرساخت تولید برق اهمیت دارند. طبق گزارش‌های شرکت‌های «اوپن‌ای‌آی»(OpenAI) و گوگل، هوش مصنوعی هرکدام از آنها به ترتیب حدود ۹۷/۵ میلیون لیتر در روز و ۶۵۰ هزار لیتر در روز آب مصرف می‌کنند.
مصرف آب هوش مصنوعی مولد در حال حاضر در مقایسه با سایر مصارف رایج، کم است. با این وجود، تقاضای آب آن ثابت نیست. گزارش‌های گوگل نشان می‌دهد که وقتی سامانه‌ها با تراشه‌های تخصصی، خنک‌سازی کارآمد و مدیریت هوشمند بهینه‌سازی می‌شوند، چه تغییراتی امکان‌پذیر می‌شود. بازیافت آب و قرار دادن مراکز داده در مناطق خنک‌تر و مرطوب‌تر نیز می‌تواند کمک کند. شفافیت در این موضوع نیز اهمیت دارد. زمانی که شرکت‌ها داده‌های خود را منتشر می‌کنند، عموم مردم، سیاست‌گذاران و دانشمندان می‌توانند ببینند که چه چیزی قابل دستیابی است و ارائه‌دهندگان را به طور منصفانه مقایسه کنند.
این مطالعه در مجله The Conversation منتشر شده است.
انتهای پیام
نظرات