هوش مصنوعی مولد نگاه نوآوران و کارآفرینان را به خود جلب کرده است و آن‌ها به‌خوبی می‌دانند که چنین فناوری می‌تواند چه تغییرات شگفتی در جهان کنونی خلق کند. بااین‌حال، در پشت‌صحنه چنین تکنولوژی، چالش‌های مهمی نهفته است که می‌توانند تهدیدی برای پیشرفت آن باشد و منجر به ایجاد بحران‌های جهانی انرژی شود. با حضور هرچه بیشتر هوش مصنوعی در تاروپود صنایع مختلف، نگرانی‌ها در مورد به‌کارگیری بی‌رویه انرژی توسط هوش مصنوعی و عدم پایداری آن افزایش یافته و کارشناسان رویکردهای متفاوتی برای حل این معضل پیشنهاد می‌دهند.
دیتاسنترهای (Data centers) توسعه‌یافته توسط غول‌‌های فناوری مانند آلفابت، مایکروسافت و آمازون که به‌منظور ارائه خدمات ابری استفاده می‌شوند، تنها حدوداً ۱ الی ۲ درصد از مصرف انرژی جهانی را به خود اختصاص داده‌اند. همچنین این شرکتها هم‌زمان با افزایش میزان کارکرد سیستم‌ها، بهره‌وری انرژی را در این مراکز بهبود بخشیده‌اند و با سرمایه‌گذاری عظیم در بحث انرژی‌های پاک، اثرات زیست‌محیطی دستگاه‌های خود را کاهش داده‌اند. البته لازم به ذکر است که تلاش‌های این شرکتها برای تقویت سیستم‌ها و بهره‌وری مفید انرژی همچنان ادامه دارد.
بااین‌حال، ظهور هوش مصنوعی مولد چالش‌های جدیدی را ایجاد کرده است. برای مثال، پردازشگرهای گرافیکی (GPU) در ChatGPT، انرژی زیادی را مصرف می‌کنند و طبق گفته «کریستوفر ولیس» از کمپانی Equinix (شرکت اجاره‌دهنده دیتاسنتر)، یک سرور استاندارد با مقیاس بالا، پیش از حضور هوش مصنوعی حدود ۱۰ الی ۱۵ کیلووات انرژی مصرف می‌کرد، درحالی‌که این رقم با حضور هوش مصنوعی به ۴۰ الی ۶۰ کیلووات در هر رَک (rack) افزایش می‌یابد؛ البته مصرف بالای انرژی محدود به محاسبات دستگاه‌ها نیست و سیستم‌های خنک‌کننده نیز برای رک‌های GPUها به انرژی قابل‌توجهی نیازمندند. همچنین استفاده از مدل‌های زبانی مانند GPT-4 در زمینه‌های گوناگون، از تحقیقات گرفته تا فعالیت‌های خلاقانه تولید محتوا، می‌توانند به افزایش بیشتر فشار در شبکه منجر شوند. (به عنوان مثال، یک سرچ ساده در ChatGPT می‌تواند 10 برابر بیشتر از جستجو در گوگل انرژی مصرف کند.)
آژانس بین‌المللی انرژی می‌گوید میزان مصرف انرژی دیتاسنترها تا سال ۲۰۲۶ ممکن است به 2 برابر میزان دو سال پیش افزایش یابد و انتظار می‌رود که طی این بازه زمانی، این دستگاه‌ها یک‌سوم مصرف انرژی ایالات‌متحده را به خود اختصاص دهند. همچنین «رنه هاس»، مدیر اجرایی آرم (Arm)، طی گفت‌وگو با وال استریت ژورنال بیان کرد که تا پایان دهه فعلی میلادی، دیتاسنترهای هوش مصنوعی می‌توانند تا ۲۵ درصد کل برق آمریکا را به خود اختصاص دهند؛ البته وی درحالی این ادعا را مطرح کرده که مصرف فعلی این سیستم‌ها حدود ۴ درصد یا کمتر است.
پیچیدگی‌های مصرف انرژی در آمریکا
ظهور هوش مصنوعی مولد هم‌زمان با ایجاد فرصت‌های اقتصادی متعدد، مصرف انرژی بالایی را هم می‌طلبد؛ درحالی‌که کاربران و سرمایه‌داران رؤیای استفاده حداقلی انرژی را در سر دارند. این تفکر در سایر بخش‌ها نیز قابل مشاهده است. برای مثال، بسیاری از مشتریان می‌خواهند انرژی خودروهایشان زیرو کربن (بدون کربن) باشد و منابع دیگری را برای انرژی دستگا‌ه‌هایشان جستجو می‌کنند.
از طرفی، گسترش شبکه‌ها دیگر چالش پیش‌روی کمپانی‌هاست. علی‌رغم حمایت کاخ سفید، ساخت سریع ظرفیت‌های تجدیدپذیر جدید برای شرکتها آسان نیست و آن‌ها از مشکلات متعددی در زنجیره تأمین رنج می‌برند. طبق برخی محاسبات، تحویل ترانسفورماتورها سه سال طول می‌کشد و همین‌طور افزایش هزینه پروژه‌های بادی و خورشیدی، تأمین مالی آن‌ها را دشوار ساخته است.
چه باید کرد؟
شکی نیست که ادامه وضعیت فعلی، بحران‌های زیست‌محیطی و انرژی متعددی را رقم خواهد زد؛ درنتیجه صنعت حال‌حاضر به راه‌کارهای نوآورانه و خلاق نیاز دارد.
یکی از رویکردهای احتمالی، بهبود بهره‌وری پردازشگرهای گرافیکی است. درحال‌حاضر انویدیا به‌عنوان تأمین‌کننده عمده قطعات در این زمینه، ادعا کرده که بهره‌وری لازم را در جدیدترین سرور‌های هوش‌مصنوعی خود اعمال کرده است و این روند را ادامه می‌دهد. بااین‌حال، ساخت تراشه‌های کارآمدتر می‌تواند به افزایش مصرف انرژی ختم شود و دوباره مشکل ایجاد کند.
«آرون دنمن» از شرکت Bain، پیشنهاد می‌کند که مدعیان حوزه فناوری از منابع مالی خود برای کمک به شرکت‌های حوزه برق جهت رفع محدودیت‌های این شبکه خرج کنند. او با اشاره به افزایش تقاضا برای مصرف انرژی در زمان‌های اوج مصرف، از الزام بهره‌مندی از نیروگاه‌های پشتیبان آماده گفت. بااین‌حال، این نیروگاه‌ها احتمالاً با گاز طبیعی کار می‌کنند که با اهداف زیست‌محیطی شرکت‌های بزرگ در تضاد است.
کمبود احتمالی انرژی‌های تجدیدپذیر هزینه‌هایی را به‌همراه خواهد داشت. علی‌رغم عدم آشنایی با نحوه درآمدزایی از هوش مصنوعی، مردم می‌دانند که حضور پردازشگرهای گرافیکی سدی بزرگ در بهره‌وری انرژی محسوب می‌شوند. اگر هزینه‌های انرژی افزایش یابد، توسعه هوش مصنوعی و فناوری‌های نوین نیز با اختلال روبه‌رو خواهد شد. از طرفی دیگر، «سم آلتمن» و همکارانش در OpenAI، به‌کارگیری شکافت هسته‌ای را به‌عنوان یکی از راه‌های تأمین انرژی مصرفی سیستم‌های هوش مصنوعی در سر دارند. بااین‌حال، باید منتظر ماند و دید که مسیر توسعه انرژی‌های تجدیدپذیر چگونه پیش خواهد رفت و آینده هوش مصنوعی مولد به‌عنوان یک فناوری کاربردی چگونه خواهد بود.
هوش مصنوعی مولد نگاه نوآوران و کارآفرینان را به خود جلب کرده است و آن‌ها به‌خوبی می‌دانند که چنین فناوری می‌تواند چه تغییرات شگفتی در جهان کنونی خلق کند. بااین‌حال، در پشت‌صحنه چنین تکنولوژی، چالش‌های مهمی نهفته است که می‌توانند تهدیدی برای پیشرفت آن باشد و منجر به ایجاد بحران‌های جهانی انرژی شود. با حضور هرچه بیشتر هوش مصنوعی در تاروپود صنایع مختلف، نگرانی‌ها در مورد به‌کارگیری بی‌رویه انرژی توسط هوش مصنوعی و عدم پایداری آن افزایش یافته و کارشناسان رویکردهای متفاوتی برای حل این معضل پیشنهاد می‌دهند.
دیتاسنترهای (Data centers) توسعه‌یافته توسط غول‌‌های فناوری مانند آلفابت، مایکروسافت و آمازون که به‌منظور ارائه خدمات ابری استفاده می‌شوند، تنها حدوداً ۱ الی ۲ درصد از مصرف انرژی جهانی را به خود اختصاص داده‌اند. همچنین این شرکتها هم‌زمان با افزایش میزان کارکرد سیستم‌ها، بهره‌وری انرژی را در این مراکز بهبود بخشیده‌اند و با سرمایه‌گذاری عظیم در بحث انرژی‌های پاک، اثرات زیست‌محیطی دستگاه‌های خود را کاهش داده‌اند. البته لازم به ذکر است که تلاش‌های این شرکتها برای تقویت سیستم‌ها و بهره‌وری مفید انرژی همچنان ادامه دارد.
بااین‌حال، ظهور هوش مصنوعی مولد چالش‌های جدیدی را ایجاد کرده است. برای مثال، پردازشگرهای گرافیکی (GPU) در ChatGPT، انرژی زیادی را مصرف می‌کنند و طبق گفته «کریستوفر ولیس» از کمپانی Equinix (شرکت اجاره‌دهنده دیتاسنتر)، یک سرور استاندارد با مقیاس بالا، پیش از حضور هوش مصنوعی حدود ۱۰ الی ۱۵ کیلووات انرژی مصرف می‌کرد، درحالی‌که این رقم با حضور هوش مصنوعی به ۴۰ الی ۶۰ کیلووات در هر رَک (rack) افزایش می‌یابد؛ البته مصرف بالای انرژی محدود به محاسبات دستگاه‌ها نیست و سیستم‌های خنک‌کننده نیز برای رک‌های GPUها به انرژی قابل‌توجهی نیازمندند. همچنین استفاده از مدل‌های زبانی مانند GPT-4 در زمینه‌های گوناگون، از تحقیقات گرفته تا فعالیت‌های خلاقانه تولید محتوا، می‌توانند به افزایش بیشتر فشار در شبکه منجر شوند. (به عنوان مثال، یک سرچ ساده در ChatGPT می‌تواند 10 برابر بیشتر از جستجو در گوگل انرژی مصرف کند.)
آژانس بین‌المللی انرژی می‌گوید میزان مصرف انرژی دیتاسنترها تا سال ۲۰۲۶ ممکن است به 2 برابر میزان دو سال پیش افزایش یابد و انتظار می‌رود که طی این بازه زمانی، این دستگاه‌ها یک‌سوم مصرف انرژی ایالات‌متحده را به خود اختصاص دهند. همچنین «رنه هاس»، مدیر اجرایی آرم (Arm)، طی گفت‌وگو با وال استریت ژورنال بیان کرد که تا پایان دهه فعلی میلادی، دیتاسنترهای هوش مصنوعی می‌توانند تا ۲۵ درصد کل برق آمریکا را به خود اختصاص دهند؛ البته وی درحالی این ادعا را مطرح کرده که مصرف فعلی این سیستم‌ها حدود ۴ درصد یا کمتر است.
پیچیدگی‌های مصرف انرژی در آمریکا
ظهور هوش مصنوعی مولد هم‌زمان با ایجاد فرصت‌های اقتصادی متعدد، مصرف انرژی بالایی را هم می‌طلبد؛ درحالی‌که کاربران و سرمایه‌داران رؤیای استفاده حداقلی انرژی را در سر دارند. این تفکر در سایر بخش‌ها نیز قابل مشاهده است. برای مثال، بسیاری از مشتریان می‌خواهند انرژی خودروهایشان زیرو کربن (بدون کربن) باشد و منابع دیگری را برای انرژی دستگا‌ه‌هایشان جستجو می‌کنند.
از طرفی، گسترش شبکه‌ها دیگر چالش پیش‌روی کمپانی‌هاست. علی‌رغم حمایت کاخ سفید، ساخت سریع ظرفیت‌های تجدیدپذیر جدید برای شرکتها آسان نیست و آن‌ها از مشکلات متعددی در زنجیره تأمین رنج می‌برند. طبق برخی محاسبات، تحویل ترانسفورماتورها سه سال طول می‌کشد و همین‌طور افزایش هزینه پروژه‌های بادی و خورشیدی، تأمین مالی آن‌ها را دشوار ساخته است.
چه باید کرد؟
شکی نیست که ادامه وضعیت فعلی، بحران‌های زیست‌محیطی و انرژی متعددی را رقم خواهد زد؛ درنتیجه صنعت حال‌حاضر به راه‌کارهای نوآورانه و خلاق نیاز دارد.
یکی از رویکردهای احتمالی، بهبود بهره‌وری پردازشگرهای گرافیکی است. درحال‌حاضر انویدیا به‌عنوان تأمین‌کننده عمده قطعات در این زمینه، ادعا کرده که بهره‌وری لازم را در جدیدترین سرور‌های هوش‌مصنوعی خود اعمال کرده است و این روند را ادامه می‌دهد. بااین‌حال، ساخت تراشه‌های کارآمدتر می‌تواند به افزایش مصرف انرژی ختم شود و دوباره مشکل ایجاد کند.
«آرون دنمن» از شرکت Bain، پیشنهاد می‌کند که مدعیان حوزه فناوری از منابع مالی خود برای کمک به شرکت‌های حوزه برق جهت رفع محدودیت‌های این شبکه خرج کنند. او با اشاره به افزایش تقاضا برای مصرف انرژی در زمان‌های اوج مصرف، از الزام بهره‌مندی از نیروگاه‌های پشتیبان آماده گفت. بااین‌حال، این نیروگاه‌ها احتمالاً با گاز طبیعی کار می‌کنند که با اهداف زیست‌محیطی شرکت‌های بزرگ در تضاد است.
کمبود احتمالی انرژی‌های تجدیدپذیر هزینه‌هایی را به‌همراه خواهد داشت. علی‌رغم عدم آشنایی با نحوه درآمدزایی از هوش مصنوعی، مردم می‌دانند که حضور پردازشگرهای گرافیکی سدی بزرگ در بهره‌وری انرژی محسوب می‌شوند. اگر هزینه‌های انرژی افزایش یابد، توسعه هوش مصنوعی و فناوری‌های نوین نیز با اختلال روبه‌رو خواهد شد. از طرفی دیگر، «سم آلتمن» و همکارانش در OpenAI، به‌کارگیری شکافت هسته‌ای را به‌عنوان یکی از راه‌های تأمین انرژی مصرفی سیستم‌های هوش مصنوعی در سر دارند. بااین‌حال، باید منتظر ماند و دید که مسیر توسعه انرژی‌های تجدیدپذیر چگونه پیش خواهد رفت و آینده هوش مصنوعی مولد به‌عنوان یک فناوری کاربردی چگونه خواهد بود.
هوش مصنوعی مولد نگاه نوآوران و کارآفرینان را به خود جلب کرده است و آن‌ها به‌خوبی می‌دانند که چنین فناوری می‌تواند چه تغییرات شگفتی در جهان کنونی خلق کند. بااین‌حال، در پشت‌صحنه چنین تکنولوژی، چالش‌های مهمی نهفته است که می‌توانند تهدیدی برای پیشرفت آن باشد و منجر به ایجاد بحران‌های جهانی انرژی شود. با حضور هرچه بیشتر هوش مصنوعی در تاروپود صنایع مختلف، نگرانی‌ها در مورد به‌کارگیری بی‌رویه انرژی توسط هوش مصنوعی و عدم پایداری آن افزایش یافته و کارشناسان رویکردهای متفاوتی برای حل این معضل پیشنهاد می‌دهند.
دیتاسنترهای (Data centers) توسعه‌یافته توسط غول‌‌های فناوری مانند آلفابت، مایکروسافت و آمازون که به‌منظور ارائه خدمات ابری استفاده می‌شوند، تنها حدوداً ۱ الی ۲ درصد از مصرف انرژی جهانی را به خود اختصاص داده‌اند. همچنین این شرکتها هم‌زمان با افزایش میزان کارکرد سیستم‌ها، بهره‌وری انرژی را در این مراکز بهبود بخشیده‌اند و با سرمایه‌گذاری عظیم در بحث انرژی‌های پاک، اثرات زیست‌محیطی دستگاه‌های خود را کاهش داده‌اند. البته لازم به ذکر است که تلاش‌های این شرکتها برای تقویت سیستم‌ها و بهره‌وری مفید انرژی همچنان ادامه دارد.
بااین‌حال، ظهور هوش مصنوعی مولد چالش‌های جدیدی را ایجاد کرده است. برای مثال، پردازشگرهای گرافیکی (GPU) در ChatGPT، انرژی زیادی را مصرف می‌کنند و طبق گفته «کریستوفر ولیس» از کمپانی Equinix (شرکت اجاره‌دهنده دیتاسنتر)، یک سرور استاندارد با مقیاس بالا، پیش از حضور هوش مصنوعی حدود ۱۰ الی ۱۵ کیلووات انرژی مصرف می‌کرد، درحالی‌که این رقم با حضور هوش مصنوعی به ۴۰ الی ۶۰ کیلووات در هر رَک (rack) افزایش می‌یابد؛ البته مصرف بالای انرژی محدود به محاسبات دستگاه‌ها نیست و سیستم‌های خنک‌کننده نیز برای رک‌های GPUها به انرژی قابل‌توجهی نیازمندند. همچنین استفاده از مدل‌های زبانی مانند GPT-4 در زمینه‌های گوناگون، از تحقیقات گرفته تا فعالیت‌های خلاقانه تولید محتوا، می‌توانند به افزایش بیشتر فشار در شبکه منجر شوند. (به عنوان مثال، یک سرچ ساده در ChatGPT می‌تواند 10 برابر بیشتر از جستجو در گوگل انرژی مصرف کند.)
آژانس بین‌المللی انرژی می‌گوید میزان مصرف انرژی دیتاسنترها تا سال ۲۰۲۶ ممکن است به 2 برابر میزان دو سال پیش افزایش یابد و انتظار می‌رود که طی این بازه زمانی، این دستگاه‌ها یک‌سوم مصرف انرژی ایالات‌متحده را به خود اختصاص دهند. همچنین «رنه هاس»، مدیر اجرایی آرم (Arm)، طی گفت‌وگو با وال استریت ژورنال بیان کرد که تا پایان دهه فعلی میلادی، دیتاسنترهای هوش مصنوعی می‌توانند تا ۲۵ درصد کل برق آمریکا را به خود اختصاص دهند؛ البته وی درحالی این ادعا را مطرح کرده که مصرف فعلی این سیستم‌ها حدود ۴ درصد یا کمتر است.
پیچیدگی‌های مصرف انرژی در آمریکا
ظهور هوش مصنوعی مولد هم‌زمان با ایجاد فرصت‌های اقتصادی متعدد، مصرف انرژی بالایی را هم می‌طلبد؛ درحالی‌که کاربران و سرمایه‌داران رؤیای استفاده حداقلی انرژی را در سر دارند. این تفکر در سایر بخش‌ها نیز قابل مشاهده است. برای مثال، بسیاری از مشتریان می‌خواهند انرژی خودروهایشان زیرو کربن (بدون کربن) باشد و منابع دیگری را برای انرژی دستگا‌ه‌هایشان جستجو می‌کنند.
از طرفی، گسترش شبکه‌ها دیگر چالش پیش‌روی کمپانی‌هاست. علی‌رغم حمایت کاخ سفید، ساخت سریع ظرفیت‌های تجدیدپذیر جدید برای شرکتها آسان نیست و آن‌ها از مشکلات متعددی در زنجیره تأمین رنج می‌برند. طبق برخی محاسبات، تحویل ترانسفورماتورها سه سال طول می‌کشد و همین‌طور افزایش هزینه پروژه‌های بادی و خورشیدی، تأمین مالی آن‌ها را دشوار ساخته است.
چه باید کرد؟
شکی نیست که ادامه وضعیت فعلی، بحران‌های زیست‌محیطی و انرژی متعددی را رقم خواهد زد؛ درنتیجه صنعت حال‌حاضر به راه‌کارهای نوآورانه و خلاق نیاز دارد.
یکی از رویکردهای احتمالی، بهبود بهره‌وری پردازشگرهای گرافیکی است. درحال‌حاضر انویدیا به‌عنوان تأمین‌کننده عمده قطعات در این زمینه، ادعا کرده که بهره‌وری لازم را در جدیدترین سرور‌های هوش‌مصنوعی خود اعمال کرده است و این روند را ادامه می‌دهد. بااین‌حال، ساخت تراشه‌های کارآمدتر می‌تواند به افزایش مصرف انرژی ختم شود و دوباره مشکل ایجاد کند.
«آرون دنمن» از شرکت Bain، پیشنهاد می‌کند که مدعیان حوزه فناوری از منابع مالی خود برای کمک به شرکت‌های حوزه برق جهت رفع محدودیت‌های این شبکه خرج کنند. او با اشاره به افزایش تقاضا برای مصرف انرژی در زمان‌های اوج مصرف، از الزام بهره‌مندی از نیروگاه‌های پشتیبان آماده گفت. بااین‌حال، این نیروگاه‌ها احتمالاً با گاز طبیعی کار می‌کنند که با اهداف زیست‌محیطی شرکت‌های بزرگ در تضاد است.
کمبود احتمالی انرژی‌های تجدیدپذیر هزینه‌هایی را به‌همراه خواهد داشت. علی‌رغم عدم آشنایی با نحوه درآمدزایی از هوش مصنوعی، مردم می‌دانند که حضور پردازشگرهای گرافیکی سدی بزرگ در بهره‌وری انرژی محسوب می‌شوند. اگر هزینه‌های انرژی افزایش یابد، توسعه هوش مصنوعی و فناوری‌های نوین نیز با اختلال روبه‌رو خواهد شد. از طرفی دیگر، «سم آلتمن» و همکارانش در OpenAI، به‌کارگیری شکافت هسته‌ای را به‌عنوان یکی از راه‌های تأمین انرژی مصرفی سیستم‌های هوش مصنوعی در سر دارند. بااین‌حال، باید منتظر ماند و دید که مسیر توسعه انرژی‌های تجدیدپذیر چگونه پیش خواهد رفت و آینده هوش مصنوعی مولد به‌عنوان یک فناوری کاربردی چگونه خواهد بود.
هوش مصنوعی مولد نگاه نوآوران و کارآفرینان را به خود جلب کرده است و آن‌ها به‌خوبی می‌دانند که چنین فناوری می‌تواند چه تغییرات شگفتی در جهان کنونی خلق کند. بااین‌حال، در پشت‌صحنه چنین تکنولوژی، چالش‌های مهمی نهفته است که می‌توانند تهدیدی برای پیشرفت آن باشد و منجر به ایجاد بحران‌های جهانی انرژی شود. با حضور هرچه بیشتر هوش مصنوعی در تاروپود صنایع مختلف، نگرانی‌ها در مورد به‌کارگیری بی‌رویه انرژی توسط هوش مصنوعی و عدم پایداری آن افزایش یافته و کارشناسان رویکردهای متفاوتی برای حل این معضل پیشنهاد می‌دهند.
دیتاسنترهای (Data centers) توسعه‌یافته توسط غول‌‌های فناوری مانند آلفابت، مایکروسافت و آمازون که به‌منظور ارائه خدمات ابری استفاده می‌شوند، تنها حدوداً ۱ الی ۲ درصد از مصرف انرژی جهانی را به خود اختصاص داده‌اند. همچنین این شرکتها هم‌زمان با افزایش میزان کارکرد سیستم‌ها، بهره‌وری انرژی را در این مراکز بهبود بخشیده‌اند و با سرمایه‌گذاری عظیم در بحث انرژی‌های پاک، اثرات زیست‌محیطی دستگاه‌های خود را کاهش داده‌اند. البته لازم به ذکر است که تلاش‌های این شرکتها برای تقویت سیستم‌ها و بهره‌وری مفید انرژی همچنان ادامه دارد.
بااین‌حال، ظهور هوش مصنوعی مولد چالش‌های جدیدی را ایجاد کرده است. برای مثال، پردازشگرهای گرافیکی (GPU) در ChatGPT، انرژی زیادی را مصرف می‌کنند و طبق گفته «کریستوفر ولیس» از کمپانی Equinix (شرکت اجاره‌دهنده دیتاسنتر)، یک سرور استاندارد با مقیاس بالا، پیش از حضور هوش مصنوعی حدود ۱۰ الی ۱۵ کیلووات انرژی مصرف می‌کرد، درحالی‌که این رقم با حضور هوش مصنوعی به ۴۰ الی ۶۰ کیلووات در هر رَک (rack) افزایش می‌یابد؛ البته مصرف بالای انرژی محدود به محاسبات دستگاه‌ها نیست و سیستم‌های خنک‌کننده نیز برای رک‌های GPUها به انرژی قابل‌توجهی نیازمندند. همچنین استفاده از مدل‌های زبانی مانند GPT-4 در زمینه‌های گوناگون، از تحقیقات گرفته تا فعالیت‌های خلاقانه تولید محتوا، می‌توانند به افزایش بیشتر فشار در شبکه منجر شوند. (به عنوان مثال، یک سرچ ساده در ChatGPT می‌تواند 10 برابر بیشتر از جستجو در گوگل انرژی مصرف کند.)
آژانس بین‌المللی انرژی می‌گوید میزان مصرف انرژی دیتاسنترها تا سال ۲۰۲۶ ممکن است به 2 برابر میزان دو سال پیش افزایش یابد و انتظار می‌رود که طی این بازه زمانی، این دستگاه‌ها یک‌سوم مصرف انرژی ایالات‌متحده را به خود اختصاص دهند. همچنین «رنه هاس»، مدیر اجرایی آرم (Arm)، طی گفت‌وگو با وال استریت ژورنال بیان کرد که تا پایان دهه فعلی میلادی، دیتاسنترهای هوش مصنوعی می‌توانند تا ۲۵ درصد کل برق آمریکا را به خود اختصاص دهند؛ البته وی درحالی این ادعا را مطرح کرده که مصرف فعلی این سیستم‌ها حدود ۴ درصد یا کمتر است.
پیچیدگی‌های مصرف انرژی در آمریکا
ظهور هوش مصنوعی مولد هم‌زمان با ایجاد فرصت‌های اقتصادی متعدد، مصرف انرژی بالایی را هم می‌طلبد؛ درحالی‌که کاربران و سرمایه‌داران رؤیای استفاده حداقلی انرژی را در سر دارند. این تفکر در سایر بخش‌ها نیز قابل مشاهده است. برای مثال، بسیاری از مشتریان می‌خواهند انرژی خودروهایشان زیرو کربن (بدون کربن) باشد و منابع دیگری را برای انرژی دستگا‌ه‌هایشان جستجو می‌کنند.
از طرفی، گسترش شبکه‌ها دیگر چالش پیش‌روی کمپانی‌هاست. علی‌رغم حمایت کاخ سفید، ساخت سریع ظرفیت‌های تجدیدپذیر جدید برای شرکتها آسان نیست و آن‌ها از مشکلات متعددی در زنجیره تأمین رنج می‌برند. طبق برخی محاسبات، تحویل ترانسفورماتورها سه سال طول می‌کشد و همین‌طور افزایش هزینه پروژه‌های بادی و خورشیدی، تأمین مالی آن‌ها را دشوار ساخته است.
چه باید کرد؟
شکی نیست که ادامه وضعیت فعلی، بحران‌های زیست‌محیطی و انرژی متعددی را رقم خواهد زد؛ درنتیجه صنعت حال‌حاضر به راه‌کارهای نوآورانه و خلاق نیاز دارد.
یکی از رویکردهای احتمالی، بهبود بهره‌وری پردازشگرهای گرافیکی است. درحال‌حاضر انویدیا به‌عنوان تأمین‌کننده عمده قطعات در این زمینه، ادعا کرده که بهره‌وری لازم را در جدیدترین سرور‌های هوش‌مصنوعی خود اعمال کرده است و این روند را ادامه می‌دهد. بااین‌حال، ساخت تراشه‌های کارآمدتر می‌تواند به افزایش مصرف انرژی ختم شود و دوباره مشکل ایجاد کند.
«آرون دنمن» از شرکت Bain، پیشنهاد می‌کند که مدعیان حوزه فناوری از منابع مالی خود برای کمک به شرکت‌های حوزه برق جهت رفع محدودیت‌های این شبکه خرج کنند. او با اشاره به افزایش تقاضا برای مصرف انرژی در زمان‌های اوج مصرف، از الزام بهره‌مندی از نیروگاه‌های پشتیبان آماده گفت. بااین‌حال، این نیروگاه‌ها احتمالاً با گاز طبیعی کار می‌کنند که با اهداف زیست‌محیطی شرکت‌های بزرگ در تضاد است.
کمبود احتمالی انرژی‌های تجدیدپذیر هزینه‌هایی را به‌همراه خواهد داشت. علی‌رغم عدم آشنایی با نحوه درآمدزایی از هوش مصنوعی، مردم می‌دانند که حضور پردازشگرهای گرافیکی سدی بزرگ در بهره‌وری انرژی محسوب می‌شوند. اگر هزینه‌های انرژی افزایش یابد، توسعه هوش مصنوعی و فناوری‌های نوین نیز با اختلال روبه‌رو خواهد شد. از طرفی دیگر، «سم آلتمن» و همکارانش در OpenAI، به‌کارگیری شکافت هسته‌ای را به‌عنوان یکی از راه‌های تأمین انرژی مصرفی سیستم‌های هوش مصنوعی در سر دارند. بااین‌حال، باید منتظر ماند و دید که مسیر توسعه انرژی‌های تجدیدپذیر چگونه پیش خواهد رفت و آینده هوش مصنوعی مولد به‌عنوان یک فناوری کاربردی چگونه خواهد بود.
