هوش مصنوعی واقعا چقدر انرژی مصرف می کند؟

بوی کاه و کود در شهرستان کالپپر، ویرجینیا به مشام می‌رسد، جایی که به ازای هر سه انسان یک گاو وجود دارد. سارا پارملی، یکی از ۵۵,۰۰۰ ساکن این شهرستان، می‌گوید: «ما مزرعه‌های بزرگی داریم که بیشتر آن‌ها هنوز در مالکیت خانواده‌ها هستند و جنگل‌های زیادی نیز در اطراف وجود دارد.» او اضافه می‌کند: «اینجا بسیار شبیه به یک شهر کوچک و جذاب آمریکایی است.»

اما این آرامش روستایی در میانه یک تحول قرن بیست‌ویکمی قرار دارد. در چند سال گذشته، این شهرستان ساخت هفت پروژه بزرگ مرکز داده را تأیید کرده است که از شرکت‌های فناوری در برنامه‌های گسترده‌شان برای هوش مصنوعی تولیدی (Generative AI) حمایت خواهند کرد. در داخل این سازه‌های عظیم، ردیف‌هایی از سرورهای کامپیوتری به آموزش مدل‌های هوش مصنوعی پشت چت‌بات‌هایی مانند ChatGPT کمک می‌کنند و پاسخ‌های آن‌ها را به احتمالاً میلیاردها درخواست روزانه از سراسر جهان ارائه می‌دهند.

در ویرجینیا، این ساخت‌وساز تأثیرات عمیقی خواهد داشت. هر مرکز داده احتمالاً به اندازه ده‌ها هزار خانه مسکونی برق مصرف خواهد کرد، که ممکن است هزینه‌ها را برای ساکنان افزایش دهد و زیرساخت‌های برق منطقه را فراتر از ظرفیت آن تحت فشار قرار دهد. پارملی و دیگران در جامعه نگران اشتهای مراکز داده برای برق هستند — به‌ویژه اینکه ویرجینیا از قبل به عنوان پایتخت مراکز داده جهان شناخته می‌شود. یک بررسی دولتی که در دسامبر ۲۰۲۴ منتشر شد، اشاره کرد که اگرچه مراکز داده مزایای اقتصادی به همراه دارند، رشد آن‌ها می‌تواند تقاضای برق در ویرجینیا را در عرض ده سال دو برابر کند. پارملی، که نقشه‌ای از رشد مراکز داده در این ایالت تهیه کرده و برای شورای محیط زیست پیدمونت، یک سازمان غیرانتفاعی مستقر در وارنتون، ویرجینیا کار می‌کند، می‌پرسد: «برق از کجا خواهد آمد؟ همه می‌گویند، “ما برق را از منطقه بعدی خریداری می‌کنیم.” اما آن منطقه هم قصد دارد برق را از شما بخرد.»

مناقشات مشابهی درباره هوش مصنوعی و انرژی در بسیاری از نقاط جهان در حال شکل‌گیری است، جایی که مراکز داده با سرعتی بی‌سابقه در حال ظهور هستند. شرکت‌های بزرگ فناوری به شدت روی هوش مصنوعی تولیدی شرط بسته‌اند، که در مقایسه با مدل‌های قدیمی‌تر هوش مصنوعی که الگوها را از داده‌ها استخراج می‌کنند اما متن و تصاویر جدید تولید نمی‌کنند، به انرژی بسیار بیشتری برای کار نیاز دارد. این امر شرکت‌ها را بر آن داشته است تا صدها میلیارد دلار collectively روی مراکز داده و سرورهای جدید سرمایه‌گذاری کنند تا ظرفیت خود را گسترش دهند.

از دیدگاه جهانی، تأثیر هوش مصنوعی بر تقاضای برق آینده در واقع نسبتاً کوچک پیش‌بینی می‌شود. اما مراکز داده در خوشه‌های متراکم متمرکز شده‌اند، جایی که می‌توانند تأثیرات محلی عمیقی داشته باشند. آن‌ها از نظر مکانی بسیار متمرکزتر از سایر تأسیسات انرژی‌بر، مانند کارخانه‌های فولاد و معادن زغال‌سنگ هستند. شرکت‌ها تمایل دارند ساختمان‌های مرکز داده را نزدیک به هم بسازند تا بتوانند شبکه‌های برق و سیستم‌های خنک‌کننده را به اشتراک بگذارند و اطلاعات را به‌طور کارآمد بین خود و کاربران انتقال دهند. به‌ویژه، ویرجینیا با ارائه معافیت‌های مالیاتی، شرکت‌های مرکز داده را جذب کرده است، که منجر به تجمع بیشتر آن‌ها شده است.

پارملی می‌گوید: «اگر یک مرکز داده داشته باشید، احتمالاً تعداد بیشتری خواهید داشت.» ویرجینیا در حال حاضر ۳۴۰ مرکز داده دارد و پارملی ۱۵۹ مرکز داده پیشنهادی یا توسعه مراکز موجود را در این ایالت نقشه‌برداری کرده است، که بیش از یک‌چهارم مصرف برق ایالت را به خود اختصاص می‌دهند. در ایرلند، مراکز داده بیش از ۲۰٪ از مصرف برق کشور را تشکیل می‌دهند — که بیشتر آن‌ها در حاشیه دوبلین قرار دارند. و مصرف برق این تأسیسات در حداقل ۵ ایالت آمریکا از ۱۰٪ فراتر رفته است.

مسئله را پیچیده‌تر می‌کند، فقدان شفافیت شرکت‌ها در مورد نیازهای برقی سیستم‌های هوش مصنوعی آن‌ها است. جاناتان کومی، محقق مستقل که بیش از ۳۰ سال در مورد مصرف انرژی محاسبات مطالعه کرده و یک شرکت تحلیل‌گری در بورلینگیم، کالیفرنیا اداره می‌کند، می‌گوید: «مشکل واقعی این است که ما با اطلاعات بسیار کمی از آنچه در حال رخ دادن است عمل می‌کنیم.»

الکس دِ وریس، محقق دانشگاه آزاد آمستردام و بنیان‌گذار Digiconomist، یک شرکت هلندی که به بررسی پیامدهای ناخواسته روندهای دیجیتال می‌پردازد، می‌گوید: «فکر می‌کنم هر محققی که روی این موضوع کار می‌کند، دارد دیوانه می‌شود چون ما اطلاعاتی که نیاز داریم را دریافت نمی‌کنیم. ما فقط بهترین تلاش خود را می‌کنیم و از انواع ترفندها استفاده می‌کنیم تا به برخی اعداد برسیم.»

برآورد نیازهای انرژی هوش مصنوعی
در غیاب ارقام دقیق از شرکت‌ها، محققان نیازهای انرژی هوش مصنوعی را به دو روش بررسی کرده‌اند. در سال ۲۰۲۳، دِ وریس از یک روش زنجیره تأمین (یا مبتنی بر بازار) استفاده کرد. او مصرف برق یکی از سرورهای NVIDIA که بازار هوش مصنوعی تولیدی را تسخیر کرده است، بررسی کرد و آن را به انرژی مورد نیاز در طول یک سال تعمیم داد. سپس این رقم را در تخمین تعداد کل چنین سرورهایی که در حال حمل‌ونقل هستند یا ممکن است برای یک کار خاص مورد نیاز باشند، ضرب کرد. دِ وریس از این روش برای تخمین انرژی مورد نیاز اگر جستجوهای گوگل از هوش مصنوعی تولیدی استفاده می‌کردند، استفاده کرد. دو شرکت تحلیل‌گر انرژی تخمین زده‌اند که پیاده‌سازی هوش مصنوعی شبیه به ChatGPT در هر جستجوی گوگل به ۴۰۰,۰۰۰ تا ۵۰۰,۰۰۰ سرور NVIDIA A100 نیاز دارد، که بر اساس نیاز برق این سرورها، سالانه به ۲۳ تا ۲۹ تراوات ساعت (TWh) انرژی می‌رسد. سپس، با تخمین اینکه گوگل روزانه تا ۹ میلیارد جستجو پردازش می‌کند (یک رقم تقریبی از تحلیل‌گران مختلف)، دِ وریس محاسبه کرد که هر درخواست از طریق یک سرور هوش مصنوعی به ۷ تا ۹ وات ساعت (Wh) انرژی نیاز دارد. این مقدار ۲۳ تا ۳۰ برابر انرژی یک جستجوی معمولی است، بر اساس ارقامی که گوگل در یک پست وبلاگ در سال ۲۰۰۹ گزارش کرده است. هنگامی که از گوگل خواسته شد تا در مورد تخمین دِ وریس اظهار نظر کند، پاسخی دریافت نشد.

دِ وریس می‌گوید این محاسبه انرژی مانند «تلاش برای گرفتن کاه از باد» بود، زیرا او مجبور بود به تخمین‌های شخص ثالثی تکیه کند که نمی‌توانست آن‌ها را تکرار کند. و ارقام او به سرعت منسوخ شدند. تعداد سرورهای مورد نیاز برای یک جستجوی گوگل مجهز به هوش مصنوعی احتمالاً اکنون کمتر است، زیرا مدل‌های هوش مصنوعی امروزی می‌توانند دقت مدل‌های ۲۰۲۳ را با کسری از هزینه محاسباتی مطابقت دهند، همان‌طور که شرکت تحلیل‌گر انرژی آمریکایی SemiAnalysis (که دِ وریس به تخمین‌های آن تکیه کرده بود) در یک ایمیل به Nature نوشت.

با این حال، این شرکت می‌گوید بهترین راه برای ارزیابی ردپای انرژی هوش مصنوعی تولیدی هنوز هم نظارت بر حمل‌ونقل سرورها و نیازهای برق آن‌ها است، که به‌طور کلی روشی است که بسیاری از تحلیل‌گران استفاده می‌کنند. با این حال، برای تحلیل‌گران دشوار است که انرژی مصرف‌شده صرفاً توسط هوش مصنوعی تولیدی را جدا کنند، زیرا مراکز داده معمولاً وظایف غیرهوش مصنوعی را نیز انجام می‌دهند.

برآوردهای پایین به بالا
روش دیگر برای بررسی نیازهای انرژی هوش مصنوعی، روش «پایین به بالا» است: محققان انرژی مورد نیاز برای یک درخواست مرتبط با هوش مصنوعی را در یک مرکز داده خاص اندازه‌گیری می‌کنند. با این حال، محققان مستقل فقط می‌توانند اندازه‌گیری‌ها را با استفاده از مدل‌های هوش مصنوعی متن‌باز انجام دهند که انتظار می‌رود شبیه به مدل‌های اختصاصی باشند.

مفهوم پشت این آزمایش‌ها این است که کاربر یک درخواست ارسال می‌کند — مانند درخواست تولید یک تصویر یا یک چت مبتنی بر متن — و سپس یک بسته نرم‌افزاری پایتون به نام CodeCarbon به کامپیوتر کاربر اجازه می‌دهد تا به مشخصات فنی تراشه‌هایی که مدل را در مرکز داده اجرا می‌کنند، دسترسی پیدا کند. ساشا لوچیونی، محقق هوش مصنوعی که در توسعه CodeCarbon کمک کرده و در Hugging Face، یک شرکت مستقر در نیویورک که یک پلتفرم متن‌باز برای مدل‌ها و مجموعه‌های داده هوش مصنوعی میزبانی می‌کند، کار می‌کند، می‌گوید: «در پایان اجرا، به شما تخمینی از میزان انرژی مصرف‌شده توسط سخت‌افزاری که استفاده می‌کردید، ارائه می‌دهد.»

لوچیونی و دیگران دریافتند که وظایف مختلف به مقادیر متفاوتی از انرژی نیاز دارند. بر اساس آخرین نتایج آن‌ها، به‌طور متوسط تولید یک تصویر از یک درخواست متن حدود ۰.۵ وات ساعت انرژی مصرف می‌کند، در حالی که تولید متن کمی کمتر انرژی می‌برد. برای مقایسه، یک گوشی هوشمند مدرن ممکن است برای شارژ کامل به ۲۲ وات ساعت نیاز داشته باشد. اما تغییرات گسترده‌ای وجود دارد: مدل‌های بزرگ‌تر به انرژی بیشتری نیاز دارند. دِ وریس می‌گوید که این اعداد کمتر از ارقام مقاله او هستند، اما این ممکن است به این دلیل باشد که مدل‌های مورد استفاده لوچیونی و دیگران حداقل یک مرتبه‌ی قدر کوچک‌تر از مدل پشت ChatGPT هستند — و همچنین به این دلیل که هوش مصنوعی در حال کارآمدتر شدن است.

پیش‌بینی‌های جهانی
بر اساس روش‌های تخمین زنجیره تأمین، تحلیل‌گران می‌گویند که مراکز داده در حال حاضر فقط بخش کوچکی از تقاضای برق جهان را مصرف می‌کنند. آژانس بین‌المللی انرژی (IEA) تخمین می‌زند که برق مصرف‌شده توسط چنین تأسیساتی در سال ۲۰۲۲، ۲۴۰ تا ۳۴۰ تراوات ساعت بوده است، یا ۱ تا ۱.۳٪ از تقاضای جهانی (اگر استخراج ارزهای دیجیتال و زیرساخت‌های انتقال داده را شامل شود، این نسبت به ۲٪ افزایش می‌یابد).

رونق هوش مصنوعی این رقم را افزایش خواهد داد، اما با توجه به اینکه مصرف برق جهانی تا سال ۲۰۵۰ به دلیل الکتریکی شدن بسیاری از صنایع، افزایش خودروهای الکتریکی و تقاضای بیشتر برای تهویه مطبوع، بیش از ۸۰٪ رشد خواهد کرد، مراکز داده «سهم نسبتاً کمی از رشد کلی تقاضای برق را تشکیل می‌دهند»، همان‌طور که IEA گزارش می‌دهد.

حتی با تخمین‌های تقریبی از نیازهای انرژی فعلی هوش مصنوعی، پیش‌بینی روندهای آینده دشوار است، همان‌طور که کومی هشدار می‌دهد. او می‌گوید: «هیچ‌کس نمی‌داند که مراکز داده، چه هوش مصنوعی و چه معمولی، حتی چند سال آینده چقدر انرژی مصرف خواهند کرد.»

مشکل اصلی اختلاف نظر در مورد تعداد سرورها و مراکز داده مورد نیاز است، و این حوزه‌ای است که شرکت‌های خدمات عمومی و فناوری انگیزه مالی برای افزایش اعداد دارند. او اضافه می‌کند که بسیاری از پیش‌بینی‌های آن‌ها بر اساس «فرضیات ساده‌لوحانه» است. «آن‌ها روندهای اخیر را ۱۰ یا ۱۵ سال به آینده تعمیم می‌دهند.»

در اواخر سال گذشته، کومی در تألیف گزارشی مشارکت کرد که توسط وزارت انرژی ایالات متحده تأمین مالی شده بود و تخمین زد که مراکز داده آمریکا در حال حاضر ۱۷۶ تراوات ساعت (۴.۴٪) از برق کشور را مصرف می‌کنند، و این رقم ممکن است تا سال ۲۰۲۸ دو یا سه برابر شود و به ۷ تا ۱۲٪ برسد.