مصرف انرژی هوش مصنوعی، جهان را شوکه کرد

به گزارش پارسینه پلاس، انتشار این گزارش، که میزان مصرف انرژی، آب و کربن مربوط به هر درخواست به مدل‌های جیمنای (Gemini) را تخمین می‌زند، یک پیروزی مهم برای محققان و سیاست‌گذاران در مسیر افزایش شفافیت و درک عمیق‌تر از بار زیست‌محیطی انقلاب هوش مصنوعی محسوب می‌شود.

این اقدام گوگل، که اولین گام شفاف از سوی یک شرکت بزرگ فناوری با محصول هوش مصنوعی پرطرفدار است، فرصتی را فراهم می‌کند تا جامعه علمی و عمومی، پشت پرده مراکز داده عظیم و پرمصرف را مشاهده کنند.

۰.۲۴ وات-ساعت برای یک درخواست میانه

طبق گزارش فنی گوگل، یک درخواست میانه (Median Prompt) به اپلیکیشن‌های جیمنای، معادل ۰.۲۴ وات-ساعت برق مصرف می‌کند. این مقدار تقریباً برابر است با روشن کردن یک مایکروویو استاندارد برای یک ثانیه؛ گوگل برای رسیدن به این عدد، رویکردی جامع در نظر گرفته است که فراتر از صرفاً مصرف پردازنده‌های هوش مصنوعی است.

تحلیل سهم مصرف انرژی:

چیپ‌های هوش مصنوعی (TPU): تنها ۵۸٪ از کل انرژی مصرفی را به خود اختصاص می‌دهند.

سخت‌افزارهای جانبی (CPU و حافظه میزبان): ۲۵٪ از انرژی صرف پشتیبانی از سخت‌افزارهای تخصصی هوش مصنوعی می‌شود.

ماشین‌های آماده‌به‌کار (Idle Machines): تجهیزات پشتیبان و آماده به کار برای جلوگیری از شکست سیستم، ۱۰٪ از مصرف کل را شامل می‌شوند.

سربار مرکز داده: ۸٪ نهایی مربوط به هزینه‌های عمومی مرکز داده مانند خنک‌سازی و تبدیل توان است.

این تفکیک، نشان می‌دهد که تمرکز صرف بر بهینه‌سازی پردازنده‌های هوش مصنوعی (مانند GPUها یا TPUهای گوگل) برای کاهش مصرف انرژی کافی نیست و زیرساخت‌های جانبی، بخش قابل توجهی از بار انرژی را به دوش می‌کشند. از نظر کارشناسان، این گزارش به یک «سنگ بنای اصلی در حوزه انرژی هوش مصنوعی» تبدیل خواهد شد، زیرا تولید چنین تخمین‌های دقیقی، تنها در مقیاس عملیاتی شرکت‌های بزرگ فناوری امکان‌پذیر است.

ابهامات پنهان: از میانه تا کل

با وجود شفافیت کم‌نظیر، این گزارش دارای محدودیت‌های مهمی است:

تمرکز بر «میانه»: آمار ارائه‌شده مربوط به یک درخواست میانه است. همان‌طور که دین اشاره می‌کند، درخواست‌های پیچیده‌تر، مانند خلاصه‌سازی محتوای ده‌ها کتاب یا استفاده از مدل‌های استدلالی، به مراتب انرژی بیشتری مصرف می‌کنند.

تنها متن: این برآورد صرفاً محدود به درخواست‌های متنی است و شامل وظایف بسیار پرانرژی‌تر مانند تولید تصویر یا ویدیو نمی‌شود.

غیبت داده‌های کلان: گوگل از افشای تعداد کل درخواست‌هایی که روزانه جیمنای دریافت می‌کند خودداری کرده است. این بزرگ‌ترین نقطه ضعف گزارش است، زیرا بدون این داده، تخمین میزان مصرف کل انرژی جیمنای در سطح جهان غیرممکن خواهد بود.

ساشا لوچیونی، محقق هوش مصنوعی و اقلیم، ضمن استقبال از این گام، تأکید می‌کند که این گزارش جایگزینی برای یک استانداردسازی صنعتی (مشابه برچسب انرژی Energy Star) نیست که محققان مدت‌هاست در پی آن هستند. او می‌گوید: «گوگل همچنان شرکتی است که تصمیم می‌گیرد چه جزئیاتی را، چه زمانی و چگونه به اشتراک بگذارد.»

کربن و آب: تأثیر خرید انرژی پاک

گوگل همچنین تخمین‌هایی در مورد مصرف آب و انتشار کربن ارائه کرده است:

انتشار کربن: هر درخواست میانه، معادل ۰.۰۳ گرم دی‌اکسید کربن تولید می‌کند.

مصرف آب: هر درخواست حدود ۰.۲۶ میلی‌لیتر (تقریباً پنج قطره) آب مصرف می‌کند.

در محاسبه کربن، گوگل از یک برآورد بازارمبنا (Market-based Estimate) استفاده کرده است که شامل خریدهای برق از پروژه‌های انرژی پاک (مانند خورشیدی، بادی و هسته‌ای پیشرفته) توسط این شرکت می‌شود. به دلیل این قراردادها، انتشار کربن گوگل به ازای هر واحد برق، تقریباً یک‌سوم میانگین شبکه‌ای است که در آن فعالیت می‌کند. این رویکرد، در عین حال که تعهدات گوگل به پایداری را برجسته می‌کند، نشان می‌دهد که هزینه واقعی انتشار کربن برای مراکز داده فاقد چنین قراردادهایی، به مراتب بالاتر است.

در نهایت، هدف گوگل از این شفاف‌سازی، اطمینان‌دهی به کاربران بوده است. جف دین می‌گوید: «مردم نباید نگرانی عمده‌ای در مورد مصرف انرژی یا آب مدل‌های جیمنای داشته باشند، زیرا اندازه‌گیری‌های واقعی ما نشان می‌دهد که این میزان معادل کارهایی است که روزانه بدون فکر کردن انجام می‌دهید، مانند تماشای چند ثانیه تلویزیون یا مصرف پنج قطره آب.»

با این حال، کاهش مصرف انرژی هوش مصنوعی یک روند امیدوارکننده است. گزارش گوگل نشان داد که یک درخواست میانه در مه ۲۰۲۴، ۳۳ برابر بیشتر از مه ۲۰۲۵ انرژی مصرف می‌کرده است که این پیشرفت به دلیل بهینه‌سازی مدل‌ها و نرم‌افزارها رخ داده است. این امر نشان می‌دهد که نوآوری فنی می‌تواند تأثیر زیست‌محیطی هوش مصنوعی را در درازمدت کاهش دهد، هرچند چالش اصلی همچنان افزایش تصاعدی تعداد کاربران و درخواست‌ها باقی خواهد ماند.