پرش به محتوای اصلی
پرش به محتوای مقاله

گزارش سازمان ملل: ضایعات سخت‌افزاری هوش مصنوعی سالانه به ۲.۵ میلیون تن می‌رسد

·۲ مرداد ۱۴۰۵۸ دقیقه مطالعه
۲۵۰ برج ایفل زباله: بحران سخت‌افزاری سمی دوران هوش مصنوعی
۲۵۰ برج ایفل زباله: بحران سخت‌افزاری سمی دوران هوش مصنوعی
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

تبدیل شدن اثرات جانبی AI از بحث‌های انتزاعی محیط زیستی به داده‌های عددی دقیق (۲.۵ میلیون تن زباله) و معرفی مفهوم «یادگیری किफायती» به عنوان جایگزین مدل‌های غول‌پیکر.

تصور کنید سالانه ۲۵۰ برج ایفل از قطعات الکترونیکی سمی در زمین‌های کشاورزی و رودخانه‌ها رها شود. این همان واقعیت تلخ پشت پردهٔ نمایش خیره‌کنندهٔ مدل‌های زبانی است که هر روز با ما صحبت می‌کنند.

طبق اعلام دانشگاه سازمان ملل متحد در ژوئن ۲۰۲۴، چرخهٔ سریع جایگزینی سخت‌افزارهای هوش مصنوعی می‌تواند سالانه حدود ۲.۵ میلیون تن زباله الکترونیکی تولید کند. این حجم از پسماند در حالی رخ می‌دهد که جامعه جهانی با یک اپیدمی گسترده‌تر از زباله‌های الکترونیکی — شامل تلویزیون‌های دورریخته شده، کامپیوترها و گوشی‌های قدیمی — دست‌وپنجه نرم می‌کند. زباله‌های الکترونیکی در حال حاضر سریع‌ترین نرخ رشد را در میان تمامی دسته‌های پسماند دارند. بر اساس مستندات موجود، انسان‌ها در مسیری هستند که تا سال ۲۰۳۰، تولید کل زباله‌های الکترونیکی در جهان به ۸۲ میلیون تن در سال برسد.

همان‌طور که در تحلیل‌های پیشین ما درباره‌ی شکاکیت نسل زد نسبت به تبلیغات هوش مصنوعی اشاره کردیم، این هزینه‌های زیست‌محیطی، بُعدی فیزیکی و ملموس به آن تردیدها اضافه می‌کند. این تخریب‌های محیطی، شکاف میان «پیشرفت» ادعایی صنعت و واقعیت‌های مادی زمین را عمیق‌تر می‌کند. برای کسانی که در محل تخلیه زبالهٔ داندورا در نایروبی (کنیا) زندگی می‌کنند — منطقه‌ای به وسعت ۴۰ ایکر که به تپه‌ای از زباله تبدیل شده است — «عظمت» هوش مصنوعی به شکل آسم، سرطان و بیماری‌های تنفسی ظاهر شده است.

سولومون نجوروگه، که از کودکی جمع‌آوری زباله‌ها در داندورا را آغاز کرده است، اشاره می‌کند که زباله‌جویان حتی از سقط جنین‌های مکرر رنج می‌برند. او استدلال می‌کند وقتی غول‌های فناوری (هایپرسکیل‌ها) برای رسیدن به «عظمتی که جهان را تغییر دهد» تلاش می‌کنند، باید به افرادی توجه کنند که دقیقاً به دلیل همین عظمت در حال رنج کشیدن هستند.

بحران سخت‌افزاری سمی هوش مصنوعی: زباله‌ای برابر ۲۵۰ برج ایفل

موتور تولید زباله

مسار فعلی هوش مصنوعی، مقیاس بزرگ و تکرار سریع را به طول عمر سخت‌افزار ترجیح می‌دهد. گولستان (سالی) رادوان، مدیر ارشد دیجیتال برنامه محیط زیست سازمان ملل، می‌گوید توسعه مدل‌های هوش مصنوعی زاینده (Generative AI) به شدت به شتاب در توسعه و جایگزینی سریع تجهیزات وابسته است. این مدل‌ها برای پیشرفت نیاز دارند که سخت‌افزارها با سرعت زیادی کنار گذاشته و مدل‌های جدیدتر جایگزین شوند.

این چرخه در مراکز دادهٔ مقیاس عظیم یا همان هایپرسکیل‌ها به اوج می‌رسد. این مراکز برخلاف دیتاسنترهای کوچک سازمانی که توسط بانک‌ها یا شرکت‌های بهداشتی برای اجرای سیستم‌های داخلی استفاده می‌شوند، موجودات متفاوتی هستند. طبق داده‌های IBM، هایپرسکیل‌ها معمولاً میلیون‌ها فوت مربع مساحت دارند و هر کدام حداقل ۵۰۰۰ سرور را جای می‌دهند.

داده‌های مرکز تحقیقات پیو (Pew Research Center) نشان می‌دهد که تنها در ایالات متحده، بیش از ۱۵۰۰ مرکز داده در مراحل مختلف ساخت و توسعه قرار دارند. این گسترش فیزیکی با چالش‌های عمیق‌تری در منابع همراه است؛ چنان‌که هزینه‌های پنهان زیرساخت‌های هوش مصنوعی از نظر مصرف آب و انرژی ابعادی بحرانی به خود گرفته است. اگرچه هر تراشه یا سروری لزوماً به زمین‌های دفن زباله نمی‌رود، اما حجم سخت‌افزارهایی که در این چرخه وارد می‌شوند، خیره‌کننده و تکان‌دهنده است.

تناقض بازیافت و چرخه عمر

طول عمر سخت‌افزارها موضوعی بحث‌برانگیز است. شرکت‌های گوگل، اوراکل و مایکروسافت مدعی‌اند سرورهایشان می‌توانند تا ۶ سال عمر کنند؛ اما تحلیلگران صنعت اشاره می‌کنند که این ارقام احتمالاً بیش از حد تخمین زده شده‌اند تا هزینه‌های استهلاک در گزارش‌های سود و زیان شرکت‌ها جذاب‌تر و «دوستانه‌تر» به نظر برسند.

دستگاه‌های ذخیره‌سازی یکی از سخت‌ترین و سرسخت‌ترین چالش‌ها در این مسیر هستند. تونی هاروی، نایب رئیس و تحلیلگر گارتنر (Gartner)، توضیح می‌دهد که درایوهای رسانه‌ای چرخان عظیم (Spinning Media) که برای بایگانی داده‌ها استفاده می‌شوند، به‌سختی بازیافت می‌شوند. این فشار بر سخت‌افزارهای ذخیره‌سازی، بخشی از یک بحران بزرگ‌تر است؛ چرا که مقیاس‌دهی اجباری در هوش مصنوعی منجر به بحرانی جهانی در تامین حافظه‌ها شده است و فشار بر سخت‌افزارها را افزایش داده است.

برای رعایت استانداردهای سخت‌گیرانه انطباق و امنیت، این درایوها نیازمند فرآیندهای پاک‌سازی جامع و کامل هستند. اگر امنیت مطلق مورد نیاز باشد، تنها روش تضمینی، تخریب فیزیکی از طریق خرد کردن (Shredding) است. این فرآیند مشکل‌ساز است زیرا در صورت عدم مدیریت صحیح، باعث مواجهه مستقیم با فلزات سمی و مواد شیمیایی خطرناک می‌شود.

مسیر سمّی شدن زمین

الکترونیک‌های دورریخته‌شده مواد بی‌اثری نیستند. آن‌ها ترکیبی از مواد خطرناک هستند که محیط زیست را مسموم کرده و وارد زنجیره غذایی انسان‌ها می‌شوند. محل‌هایی مثل داندورا، در واقع تپه‌ای از تصمیمات اتخاذ شده توسط دولت‌ها، شرکت‌ها و افراد در طول چندین دهه است؛ تصمیماتی درباره اینکه زباله‌هایی را که هیچ‌کس نمی‌خواهد، کجا قرار دهند.

  • ترکیبات سمی: قطعات خردشده حاوی آرسنیک، سرب، کادمیوم و جیوه هستند.
  • گسترش محیطی: این آلودگی محلی نمی‌ماند و از طریق نفوذ در خاک و پخش شدن در هوا، کل اکوسیستم‌ها و سیستم‌های آبی منطقه را مسموم می‌کند.
  • حجم شیمیایی: طبق گزارش سازمان غیرانتفاعی Human-I-T، دفع نادرست زباله‌های الکترونیکی می‌تواند به تنهایی تا ۱۰۰۰ ماده شیمیایی مختلف را در هوا آزاد کند.

تلاش‌های شرکتی برای «چرخه بسته»

برخی از غول‌های فناوری سعی دارند به سمت «چرخگی» (Circularity) حرکت کنند؛ مفهومی قدیمی که در آن قطعات بازیافت و بازاستفاده می‌شوند تا تا حد ممکن از ورود به زمین‌های دفن زباله جلوگیری شود.

  • مایکروسافت: این شرکت به عنوان بخشی از تعهد خود برای تولید «صفر زباله» تا سال ۲۰۳۰، شش مرکز چرخگی در سراسر جهان ساخته است. این‌ها بخش‌های اختصاصی در داخل پردیس‌های مراکز داده هستند که سرورهای خارج از رده را پردازش می‌کنند. تجهیزات در این مراکز یا برای استفاده داخلی بازسازی می‌شوند، یا به شخص ثالث فروخته می‌شوند، یا اهدا شده و یا برای بازیابی مواد به شرکت‌های بازیافت ارسال می‌گردند. کلیف هنسون، نایب رئیس بخش زنجیره تأمین ابری و مهندسی مایکروسافت، تأکید می‌کند که باید محصولات را در پایان عمر مفیدشان دوباره به چرخه تولید بازگرداند. برای مثال، پردازنده‌های گرافیکی (GPU) قدیمی‌تر ممکن است به قطعات یدکی تبدیل شوند یا برای اجرای مدل‌های قدیمی‌تر هوش مصنوعی به کار روند.
  • گوگل: در گزارش محیط زیستی سال ۲۰۲۵، گوگل از یک «زنجیره تأمین معکوس» (Reverse Supply Chain) خبر داد که بر بازیافت، استفاده مجدد یا فروش مجدد سخت‌افزار متمرکز است. این شرکت گزارش کرد که در سال ۲۰۲۴ حدود ۸.۸ میلیون قطعه سخت‌افزاری را برای این مقاصد جمع‌آوری کرده است.

در مقابل، شرکت‌هایی مثل OpenAI و Anthropic که سرمایه‌گذاری سنگینی روی دیتاسنترهای جدید دارند، به درخواست‌ها برای توضیح درباره استراتژی‌های خاص مدیریت زباله پاسخ نداده‌اند یا از پاسخ به آن‌ها خودداری کرده‌اند.

مهندسی راهکارهای جدید

در کنار هایپرسکیل‌ها، استارتاپ‌ها در حال ابداع روش‌های خودکار برای بازیابی مواد هستند.

  • Molg: این شرکت ویرجینیایی «میکروکارخانه‌های» رباتیکی مدولار می‌سازد که می‌توانند مستقیماً در مراکز داده نصب شوند. این ربات‌ها سرورها و لپ‌تاپ‌ها را تکه‌تکه می‌کنند تا قطعات را برای استفاده مجدد بازیابی کنند. آن‌ها همچنین با تولیدکنندگان همکاری می‌کنند تا محصولات را به گونه‌ای طراحی کنند که جداسازی قطعات در آن‌ها آسان‌تر باشد.
  • یادگیری किफायती (Frugal Learning): رادوان پیشنهاد می‌کند به جای تکیه بر سریع‌ترین و جدیدترین تکنولوژی‌ها، به سمت مدل‌های زبانی کوچک‌تر و «یادگیری किफायती» حرکت کنیم تا طول عمر پردازنده‌های گرافیکی (GPU) افزایش یابد. این رویکرد شامل بهینه‌سازی حجم‌های کاری و مجموعه‌های داده آموزشی می‌شود تا نیاز به سخت‌افزارهای جدید کاهش یابد. او همچنین پیشنهاد می‌کند برچسب منفی زدن به تکنولوژی‌هایی که چند سال عمر کرده‌اند، متوقف شود.

رادوان خواستار بودجه بیشتر برای تحقیق در این زمینه‌ها و حمایت از استارتاپ‌هایی است که پایداری محیط زیستی را از همان ابتدای تأسیس در بنیادهای خود می‌گنجانند.

هزینه انسانی و «گذار عادلانه»

با وجود برنامه‌های شرکتی، واقعیت میدانی همچنان خطرناک و بحرانی است. در کنیا و غنا، زباله‌جویان برای بقای خود، فلزات گران‌بها را استخراج می‌کنند. پروفسور ریچارد نیتزل در سال ۲۰۱۳، یک محل دفن زباله شهری در فضای باز را در پشت بازاری در اکرا (غنا) توصیف کرد که در آن کارگران در شرایط «وحشتناکی» و بدون ابزار حفاظتی مناسب، مس را بازیابی می‌کردند.

برای بسیاری، این کار یک ضرورت اقتصادی است. بر اساس داده‌های باز (Open Data) بانک جهانی، تقریباً ۴۵.۵٪ از مردم کنیا با کمتر از ۳ دلار در روز زندگی می‌کنند. زباله‌جویان با تفکیک و فروش مجدد اقلام به دلالان، خریداران ضایعات و واسطه‌ها کسب درآمد می‌کنند. برخی نیز لوازم خانگی کوچک را تعمیر کرده و در بازارهای محلی می‌فروشند.

سولومون نجوروگه، بنیان‌گذار سازمان بازیافت داندورا (Dandora Recyclable Waste CBO)، معتقد است زباله‌جویان در واقع «کارگران خط مقدم اقلیم» هستند که با بازیابی موادی که در غیر این صورت باید به صورت تازه از زمین استخراج می‌شدند، «کار سبز» انجام می‌دهند. او استدلال می‌کند که محافظت از زباله‌جویان را می‌توان مترادف با محافظت از محیط زیست دانست.

نجوروگه خواستار یک «گذار عادلانه» و حفاظت‌های حداقلی است که شامل موارد زیر باشد:

  • تجهیزات ایمنی: تجهیزات حفاظت فردی مانند دستکش، ماسک و چک‌ریزهای حفاظتی.
  • زیرساخت‌ها: سایت‌های ایمن برای تفکیک زباله، دسترسی امن به محل‌های دفن و کارت‌های شناسایی رسمی برای کارگران.
  • حفاظت اجتماعی: تضمین حضور کودکان در مدرسه به‌جای کار در محل دفن زباله‌ها، جایی که در معرض سمومی هستند که باعث آسیب‌های عصبی (Neurological Damage) می‌شود.
  • نمایندگی: داشتن یک جایگاه واقعی و غیرنمایشی در میز مذاکرات هنگامی که دولت‌ها و سازمان‌های غیردولتی در حال تدوین سیاست‌های زباله‌های الکترونیکی هستند.

سیاست‌ها و اقدامات جهانی

در دسامبر، سازمان ملل قطعنامه‌ای را تصویب کرد — که در ابتدا توسط کنیا پیشنهاد شده بود — که ضمن پذیرش فرصت‌های پیش روی هوش مصنوعی، بر ضرورت شدید حفاظت از محیط زیست تأکید می‌کند.

این قطعنامه خواستار آن است که هوش مصنوعی به صورت پایدار توسعه یافته و مستقر شود. این سند از کشورهای عضو و ذینفعان می‌خواهد تا داده‌های محیط زیستی را در دسترس قرار دهند تا ریسک‌های احتمالی را بتوان مطالعه کرد. رادوان بیان کرد که هدف سازمان ملل این است که کل زنجیره ارزش را بررسی کرده و quantify کند (به مقدار عددی تبدیل کند) که در هر مرحله چه اتفاقی می‌افتد تا انگیزه‌هایی برای نوآوری تکنولوژیک ایجاد شود، نه اینکه صرفاً تلاش کند توسعه هوش مصنوعی را متوقف نماید.

تحلیل

برای یک رهبر کسب‌وکار، «مشکل زباله‌های AI» دیگر فقط یک یادداشت در گزارش مسئولیت اجتماعی شرکت (CSR) نیست؛ بلکه یک ریسک زنجیره تأمین است. با سخت‌گیرانه‌تر شدن مقررات مربوط به زباله‌های الکترونیکی و شروع سازمان ملل به کمی‌سازی کل زنجیره ارزش، هزینه «جایگزینی سریع» احتمالاً از یک هزینه استهلاک ساده به یک «مالیات محیط زیستی» ملموس تبدیل خواهد شد. ما شاهد تغییری هستیم که در آن «یادگیری किफायती» و مدل‌های زبانی کوچک‌تر، دیگر فقط انتخاب‌های فنی نیستند، بلکه ضرورت‌های اقتصادی برای افزایش طول عمر سخت‌افزارند.

منتظر نتایج جلسه کمیته مذاکرات بین‌دولتی سازمان ملل در سال ۲۰۲۷ درباره پلاستیک‌ها باشید. انتظار می‌رود این نتایج به شدت با نحوه مدیریت زباله‌های پیچیده الکترونیکی تلاقی داشته باشد، زیرا پلاستیک‌ها و الکترونیک‌ها به ندرت مشکلاتی جدا از هم هستند.

گام بعدی شما

  • اگر مدیر فناوری هستید، در خرید سخت‌افزار به جای «سریع‌ترین»، به «بهینه‌ترین» مدل‌ها و امکان بازیافت قطعات توجه کنید.
  • روی مدل‌های زبانی کوچک (SLM) سرمایه‌گذاری کنید تا نیاز به به‌روزرسانی‌های سخت‌افزاری گران‌قیمت و سریع کاهش یابد.
  • استانداردهای ESG (محیط زیست، اجتماعی و حاکمیت) را در زنجیره تأمین سخت‌افزارهای AI شرکت خود جدی بگیرید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره تراشه‌های Blackwell و مصرف انرژی آن‌ها مراجعه کنید.

چرا این موضوع مهم است؟

این گزارش با تکیه بر اعتبار سازمان ملل، ریسک زنجیره تأمین را برای مدیران تجاری برجسته می‌کند. تبدیل شدن هزینه‌های استهلاک به تخلفات محیط زیستی، مدل‌های اقتصادی توسعه سخت‌افزاری را برای همیشه تغییر خواهد داد.

تأثیر برای ایران

به دلیل تحریم‌ها، ایران اغلب مقصد سخت‌افزارهای دست‌دوم و قدیمی است؛ این موضوع ریسک ورود تجهیزات سمی و هزینه‌بر برای بازیافت را در مراکز داده داخلی افزایش می‌دهد.

·نگاه ما
تحریریه دات‌هوش

بحران زباله‌های AI نشان می‌دهد که «بهینه‌سازی» در عصر جدید، دیگر فقط مربوط به کاهش نرخ توهم یا افزایش سرعت استنتاج نیست، بلکه یک ضرورت اقتصادی است. وقتی هزینه استهلاک سخت‌افزار به یک «مالیات محیط زیستی» تبدیل شود، مدل‌های زبانی کوچک (SLM) از یک انتخاب فنی به یک استراتژی بقای تجاری تبدیل خواهند شد. ما در حال گذار از دوران «بیشتر، سریع‌تر، بزرگ‌تر» به دوران «بهینه‌تر و بادوام‌تر» هستیم.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.