هوش مصنوعی مولد یکی از داغترین موضوعات این روزهای دنیای فناوری است و از طریق چتباتها و ابزارهای تولید تصویر سروصدای زیادی بهپا کرده است. اما آموزش مدلهای پشت این ابزارها و پردازش درخواستهای کاربران نیاز به رایانش عظیمی دارد و منابع بسیار زیادی مصرف میکند. حالا سؤال این است که این فناوری چه اثری بر محیطزیست کره زمین میگذارد؟
«کیت ساینکو»، محقق هوش مصنوعی میگوید هرچه ابزارهای هوش مصنوعی قدرتمندتر باشند، انرژی بیشتری مصرف میکنند. ابزارهای هوش مصنوعی مولد میتوانند خروجیهای بسیار پیچیدهای ارائه کنند. این فناوری سالهاست که در محصولاتی مثل اسپیکرهای هوشمند برای پاسخدادن به کاربر یا در کیبوردهای نرمافزاری برای تکمیل جملهها استفاده میشود. اما این ابزارها در ماههای اخیر بهخاطر حرفزدن به زبان طبیعی و تولید تصاویر جذاب مورد توجه قرار گرفتهاند.
هوش مصنوعی حالا بیش از هر زمان دیگری انرژی مصرف میکند
تخمین رقم دقیق انرژی مصرفی توسط یک مدل هوش مصنوعی کار سختی است. این انرژی شامل انرژی مصرفی برای تولید تجهیزات رایانشی، ساخت خود مدل و استفاده از مدل میشود. محققان در سال 2019 دریافته بودند که تولید یک مدل هوش مصنوعی مولد بهنام BERT با 110 میلیون پارامتر معادل یک سفر میانقارهای با هواپیما انرژی مصرف کرده است.
شمار پارامترها به اندازه مدل اشاره دارد و هرچه این رقم بالاتر باشد، آن مدل پیشرفتهتر است. پژوهشگران تخمین میزنند که ساخت مدل GPT-3 با 175 میلیارد پارامتر 1287 مگاواتساعت برق مصرف و 552 تن کربن دیاکسید تولید کرده باشد. این رقم معادل سوخت بنزین 132 هواپیمای مسافربری در طول یک سال است و این مصرف انرژی تنها تا لحظه راهاندازی بوده و مشتمل بر پاسخگویی به کاربران نیست.
اندازه تنها مؤلفه پیشبینی انتشار کربن نیست. مدل آزاد BLOOM که توسط پروژه BigScience در فرانسه توسعه یافته، از نظر اندازه شبیه GPT-3 است، اما ردپای کربنی بسیار کمتری دارد. این مدل 433 مگاواتساعت برق مصرف و 30 تن کربن دیاکسید تولید کرده است.
مطالعهای از سوی گوگل نشان میدهد که استفاده از معماری بهینهتر، پردازنده بهتر و دیتاسنترهای سبزتر میتواند برای مدلهایی با اندازه مشابه به کاهش 100 تا 1000 برابری ردپای کربنی منجر شود. البته این مدلها در حین پیادهسازی انرژی بیشتری مصرف میکنند.
دادههای محدودی درباره ردپای کربنی مربوط به هر پرسش از ابزارهای هوش مصنوعی مولد وجود دارد، اما برخی محاسبات نشان میدهند که این ردپا میتواند چهار تا پنج برابر بیشتر از پرسوجو از موتورهای جستجو باشد. حالا با توجه به پیادهسازی این فناوری در موتورهای جستجوی گوگل و مایکروسافت، انتظار میرود که تعداد پرسشهای روزانه از مدلهای هوش مصنوعی مولد بهشکلی چشمگیر افزایش پیدا کند.
ChatGPT و دیگر باتهایی که برای جستجو استفاده میشوند
شرکت OpenAI در تاریخ 30 نوامبر 2022 چتبات ChatGPT را بهصورت عمومی عرضه کرد و جهان را تغییر داد. براساس جدیدترین اطلاعات موجود، این چتبات در ماه مارس 2023 بیش از 1.5 میلیارد بازدید داشته است. مایکروسافت این مدل هوش مصنوعی را در موتور جستجوی بینگ به کار گرفت و آن را در تاریخ 4 مه 2023 در دسترس همگان قرار داد.
اگر چتباتها به اندازه موتورهای جستجو محبوب شوند، انرژی موردنیاز برای آنها بسیار زیاد خواهد شد. گفتنی است که دستیارهای هوش مصنوعی قادر به انجام کارهای بسیار بیشتری نسبت به موتورهای جستجو هستند.
مشکل بعدی این است که مدلهای هوش مصنوعی باید بهطور مرتب بهروز شوند. برای نمونه، ChatGPT در ابتدا فقط با دادههای منتهی به سال 2021 آموزش داده شده بود. اما این مدل درنهایت باید با اطلاعات جدیدتر بهروز شود و همین اتفاق میتواند هزینه انرژی آن را بالا ببرد.
یکی از مزایای چتباتها این است که کسب اطلاعات از آنها میتواند بسیار سادهتر و سریعتر از موتورهای جستجو باشد. بنابراین اگر مشکل دقت و اعتبار پاسخها را کنار بگذاریم، بهجای ارائه صفحهای از لینکها و اطلاعات مختلف، ممکن است با یک جمله به پاسخ خود برسید. پس هوش مصنوعی میتواند از این حیث نسبت به این موتورها برتری داشته باشد.
آینده ChatGPT و دیگر ابزارهای هوش مصنوعی مولد
پیشبینی آینده کار دشواری است، ولی مدلهای هوش مصنوعی مولد آمدهاند که بمانند و مردم هم احتمالاً بهمرور برای کسب اطلاعات موردنیاز خود مراجعات بیشتری به آنها خواهند داشت. برای مثال، اگر امروز یک دانشآموز برای حل مسائل ریاضی خود از معلم یا دوستش کمک میگیرد، در آینده احتمالاً بهسراغ این چتباتها خواهد رفت. همین مسئله احتمالاً برای دریافت مشاورههای حقوقی یا پزشکی هم صدق خواهد کرد.
اگرچه یک مدل هوش مصنوعی بهتنهایی نمیتواند محیطزیست را نابود کند، اما اگر صدها شرکت مدلهای هوش مصنوعی خود را با کاربردهای متفاوت بسازند و هر کدام میلیونها کاربر داشته باشند، انرژی مصرفی میتواند مشکلساز شود.
تحقیقات بیشتری باید انجام بگیرد تا استفاده از هوش مصنوعی مولد بهینهتر شود. خبر خوب این است که این فناوری میتواند از انرژیهای تجدیدپذیر هم استفاده کند. شرکتها با انتقال دیتاسنترهای خود به مکانهایی که به انرژیهای سبز دسترسی دارند، یا زمانبندی پردازشها برای ساعاتی که انرژی تجدیدپذیر بیشتری در دسترس است، میتواننند آلودگیها را حدود 30 تا 40 برابر کمتر کنند.
درنهایت، فشار اجتماعی میتواند در این مسیر کمککننده باشد و شرکتها و آزمایشگاههای تحقیقاتی را تشویق کند تا گزارش ردپای کربنی مدلهای خود را منتشر کنند. این اتفاق حتی شاید در آینده به مصرفکنندگان کمک کند تا تصمیم بگیرند که چتباتهای سبزتر را انتخاب نمایند.