گروه آب و انرژی: وقتی از Chat GBT در مورد مصرف انرژی وهوش مصنوعی پرسیده شد، او پاسخ داد که مصرف انرژی بسته به مدل هوش مصنوعی متفاوت است، اما به طور کلی به انرژی زیادی نیاز دارد.

تخمین زده می شود که یک پاسخ از یک چت GPT ممکن است بیش از ده جستجوی معمولی در گوگل انرژی مصرف کند و با افزایش چشمگیر تعداد کاربران این سیستم ها، تقاضا برای انرژی به طور چشمگیری افزایش می یابد.

این تقاضای فزاینده، از طریق ساخت و بهره برداری از مراکز داده عظیم مورد نیاز برای آموزش و بهره برداری از مدل های هوش مصنوعی، به افزایش انتشار گازهای گلخانه ای و تغییرات آب و هوایی کمک می کند.

به نوبه خود، شرکت های پیشرو در این زمینه، مانند مایکروسافت، این واقعیت را تأیید می کنند، زیرا مایکروسافت - که سرمایه گذاری زیادی در توسعه ابزارهای هوش مصنوعی انجام داده است - از افزایش ۳۰ درصدی انتشار دی اکسید کربن از سال ۲۰۲۰ تاکنون خبر داده است که عمدتا به دلیل گسترش مراکز داده ها بوده است.

اگرچه ابزارهای هوش مصنوعی نوید دستیابی به پیشرفت در بسیاری از زمینه‌ها را می‌دهند، اما چالش‌های زیست‌محیطی بزرگ مرتبط با مصرف بالای انرژی را ایجاد می‌کنند.

چه چیزی باعث تقاضای انرژی هوش مصنوعی می شود؟

مصرف انرژی هوش مصنوعی در حال حاضر تنها درصد کمی از مصرف کل بخش فناوری را نشان می دهد که ۲ تا ۳ درصد از کل انتشار جهانی تخمین زده می شود با این حال، انتظار می رود این مصرف شاهد افزایش قابل توجهی باشد زیرا شرکت ها، دولت ها و سازمان ها به طور فزاینده ای در عملیات خود به هوش مصنوعی برای دستیابی به کارایی و بهره وری بیشتر متکی هستند.

هوش مصنوعی به قدرت محاسباتی عظیمی نیاز دارد، زیرا سیستم‌های هوش مصنوعی مولد حدود ۳۳ برابر بیشتر از همتایان سنتی خود برای انجام کارهای مشابه انرژی مصرف می‌کنند.

با توسعه سریع این حوزه، نیاز به مراکز داده عظیم برای آموزش و بهره برداری از این مدل های پیچیده در حال افزایش است که فشار شدیدی را بر شبکه های انرژی جهانی تحمیل می کند. در اینجا شایان ذکر است که آموزش مدل‌های هوش مصنوعی مولد، به‌ویژه مدل‌هایی مانند GBT Chat، فرآیندی بسیار انرژی‌بر است که نیاز به کار مداوم در شبانه‌روز دارد.

طبق برآوردها، آموزش مدل GPT-۳ معادل برق مصرفی سالانه ۱۳۰ خانه آمریکایی مصرف می کرد، در حالی که مدل پیشرفته GPT-۴ حدود ۵۰ برابر این انرژی مصرف می کرد. این نشان می دهد که قدرت محاسباتی مورد نیاز برای پشتیبانی از توسعه هوش مصنوعی هر دوره کوتاه به طور چشمگیری دو برابر می شود.

صنعت هوش مصنوعی چگونه می تواند بهره وری انرژی را بهبود بخشد؟

توسعه هوش مصنوعی سؤالات اساسی در مورد آینده ما ایجاد می کند، از جمله: آیا مزایای اقتصادی و اجتماعی که جامعه از این توسعه به دست می آورد، هزینه های زیست محیطی ناشی از آن را جبران می کند؟ در مورد تأثیر آن بر بخش انرژی، برجسته‌ترین بخش که انتظار می‌رود شاهد تحولی اساسی از طریق آن باشد، چیست؟ ایجاد تعادل بین این چالش ها و فرصت های موجود بهترین رویکرد برای پاسخ به این سوالات پیچیده است.

علی‌رغم انتظارات مبنی بر اینکه هوش مصنوعی می‌تواند انتشار گازهای گلخانه‌ای جهانی را بین ۵ تا ۱۰ درصد تا سال ۲۰۳۰ کاهش دهد، مهم‌ترین سوال باقی مانده این است که: برای رسیدن به این تعادل مطلوب چه گام‌های عملی باید برداشته شود؟

به نوبه خود، نهادهای نظارتی، از جمله پارلمان اروپا، شروع به اعمال محدودیت‌هایی بر دستگاه‌های الکترونیکی کرده‌اند و بر لزوم طراحی آن‌ها به‌گونه‌ای تأکید می‌کنند که مصرف انرژی آنها به‌طور دقیق ردیابی شود. در همین زمینه، محققان در حال حاضر در حال توسعه دستگاه‌های تخصصی مانند پردازنده‌های پیشرفته و تراشه‌های سه بعدی هستند که عملکرد بسیار بالاتری را ارائه می‌کنند و در عین حال انرژی کمتری مصرف می‌کنند.

در سطح مراکز داده، این مراکز شاهد پیشرفت های قابل توجهی در بهره وری انرژی هستند و بسیاری از شرکت ها با کاوش در فناوری های خنک کننده جدید و انتخاب مکان های مناسب برای انجام محاسبات فشرده در دوره هایی که انرژی در سطوح پایین تر در دسترس است، به دنبال ارتقای این پیشرفت ها هستند.

تاثیر هوش مصنوعی بر شبکه های برق

فشار بر شبکه های انرژی تنها به هوش مصنوعی محدود نمی شود، بلکه تحت تأثیر عوامل درهم تنیده ای چون تولید در شبکه های انرژی پاک و پایدار است.

با این حال، ساخت شبکه‌های انرژی پاک و مدرن برای دستیابی به اقتصاد بدون انتشار بسیار کربن، حیاتی است. بنابراین کارشناسان انرژی در حال بررسی منابع انرژی جایگزین مانند انرژی هسته‌ای و فناوری‌های ذخیره انرژی مانند هیدروژن هستند.

در اینجا، هوش مصنوعی می‌تواند نقشی حیاتی در کمک به ما برای ادغام مقادیر عظیمی از انرژی‌های تجدیدپذیر در شبکه‌های موجود، و غلبه بر چالش‌هایی که در این زمینه با آن روبرو هستیم، ایفا کند.

شبکه‌های انرژی تجدیدپذیر از یک چالش عمده رنج می‌برند که ناشی از نوسانات تولید بوده و به عبارت بهتر ناتوانی درتولید ۲۴ ساعته است و از آن مهمتر انرژی تولید شده در زمان‌های اوج مصرف افزایش می‌یابد و در دوره‌های آرام به شدت کاهش می‌یابد.

برای حل این معضل، هوش مصنوعی می تواند حجم عظیمی از داده های مربوط به آب و هوا و الگوهای مصرف را تجزیه و تحلیل کند و به آن امکان پیش بینی دقیق تولید انرژی های تجدیدپذیر را می دهد.

بر اساس این پیش‌بینی‌ها، وظایف مرکز داده را می‌توان برنامه‌ریزی کرد و بار آن‌ها را برای مطابقت با در دسترس بودن انرژی‌های تجدیدپذیر تغییر داد و از پایداری، کارایی و اتکای شبانه‌روزی شبکه به منابع انرژی پاک اطمینان حاصل کرد.

فناوری دیجیتال، به ویژه هوش مصنوعی، متحد قدرتمندی در کمک به بخش های مختلف از جمله بخش انرژی برای دستیابی به هدف کربن صفر است.

هوش مصنوعی با مدل‌سازی ساختمان‌ها، پیش‌بینی مصرف انرژی، بهبود سیستم‌های گرمایش و سرمایش، و بهبود کارایی تولید از طریق تعمیر و نگهداری پیش‌بینی‌کننده، به افزایش بهره‌وری انرژی در صنایع پرمصرف آلاینده کمک می‌کند.

در بخش کشاورزی، حسگرها و تصاویر ماهواره ای به پیش بینی تولید کشاورزی و مدیریت کارآمد منابع کمک می کنند با این حال، استفاده از پتانسیل هوش مصنوعی مستلزم رویارویی با چالش‌های پیچیده مربوط به تعادل بین مصرف انرژی، انتشار گازهای گلخانه‌ای و منافع اجتماعی است که نیازمند اتخاذ رویکردی جامع است که ذینفعان مختلف را گرد هم می‌آورد.

در اینجا شایان ذکر است که اتحاد حاکمیت هوش مصنوعی مجمع جهانی اقتصاد به دنبال کشف مکانیسم‌هایی برای استفاده از هوش مصنوعی برای تغییر بخش‌های مختلف با تمرکز بر نوآوری، پایداری و رشد اقتصادی است.

این امر با اتخاذ یک چشم انداز جامع که شامل همه صنایع می شود، انجام می شود، در حالی که هر بخش را به طور جداگانه مطالعه می کند، در چارچوب این طرح، مرکز انرژی و مواد و مرکز انقلاب صنعتی چهارم مسیر کاری تخصصی را در ارزیابی مصرف انرژی مرتبط با هوش مصنوعی راه اندازی کردند که در آن سیستم‌ها و راه‌های بهره‌مندی از این فناوری برای تحول در بخش انرژی در دستور کار قرار گرفته است.