هر پاسخ تولیدشده توسط هوش مصنوعی، یک برچسب قیمت محیطی نامرئی دارد. دانشگاه سازمان ملل متحد هشدار میدهد که رشد شتابان این فناوری، تقاضای جهانی برای انرژی و آب را به شدت افزایش میدهد، مگر اینکه فناوریهای پاکتر به استاندارد صنعتی تبدیل شوند.
هوش مصنوعی روی هوا کار نمیکند، بلکه در مرکز داده (Data Center) — شبیه به یک شهر صنعتی کوچک که هرگز نمیخوابد و فقط برای پردازش دادهها برق میبلعد — زندگی میکند. طبق گزارشها، از ژوئیه ۲۰۲۶ فشار بر شبکههای برق جهانی شدت یافته است، چرا که بارهای کاری AI به توان محاسباتی بسیار بیشتری نسبت به نرمافزارهای سنتی نیاز دارند. این فشار بر زیرساختها در واقع بازتابی از گلوگاههای سختافزاری است که مانع پنهانی در مسیر مقیاسبندی سریع تولید مدلهای هوش مصنوعی ایجاد کردهاند.
همانطور که در تحلیل قبلی ما دربارهی اثرات سختافزاری مدلهای زبانی اشاره کردیم، بحران آب نیز به اندازه برق حیاتی است. سرورهای با کارایی بالا گرمای شدیدی تولید میکنند و برای خنکسازی به سامانههای پیشرفته نیاز دارند. به نقل از گزارش اسپایکا کریشن (Spika Creation)، این مراکز بهشدت به آب شیرین وابستهاند و علاوه بر آن، در مراحل تولید نیمهرساناها و تولید برق نیز مقادیر زیادی آب مصرف میشود.
گسترش این زیرساختها چهار فشار اصلی محیطی ایجاد میکند:
- ناپایداری شبکههای برق
- تخلیه منابع آب شیرین
- اشغال زمینهای گسترده برای احداث پردیسهای داده
- افزایش انتشار کربن از منابع انرژی غیرتجدیدپذیر
برای مقابله با این وضعیت، غولهای فناوری در حال چرخش به سمت انرژیهای تجدیدپذیر و توسعه مدلهای بهینهتر هستند. آنها همچنین در حال آزمایش سختافزارهای بازیافتی و فناوریهای خنککننده جدید هستند تا کفِ مصرف منابع را پایین بیاورند.
این تغییر برای کاربر یک تیغ دو لبه است. در حالی که دستیار دیجیتال شما منابع زمین را میبلعد، از هوش مصنوعی زاینده (Generative AI) — مثل ابزاری که میتواند الگوهای پیچیده طبیعت را بفهمد و بازسازی کند — برای پیشبینی سیل، نظارت بر حیات وحش و بهبود سیستمهای انرژی پاک استفاده میشود. هدف نهایی این است که AI بیشتر از آنچه تخریب میکند، مشکلات محیطی را حل کند.
برای کاربر عادی، این یعنی کارایی یک مدل اکنون به اندازه دقت آن اهمیت دارد. ما وارد عصری میشویم که «هوش مصنوعی سبز» احتمالاً به یک معیار رقابتی برای آزمایشگاههای بزرگ تبدیل خواهد شد.
برای کاربر عادی، این یعنی کارایی یک مدل اکنون به اندازه دقت آن اهمیت دارد. ما وارد عصری میشویم که «هوش مصنوعی سبز» احتمالاً به یک معیار رقابتی برای آزمایشگاههای بزرگ تبدیل خواهد شد.
گام بعدی شما
- گزارشهای شفافیت (Transparency Reports) ارائهدهندگان AI را بررسی کنید تا میزان اثرگذاری خود را بسنجید.
- به دنبال شاخص PUE (اثربخشی استفاده از توان) در مستندات مراکز داده باشید.
- از مدلهای کوچکتر و بهینهتر برای کارهای ساده استفاده کنید تا ردپای کربنی کمتری بر جای بگذارید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای جدید انویدیا مراجعه کنید.
گفتگو