استفاده گسترده از هوش مصنوعی، بخش جداییناپذیر زندگی مردم در سراسر دنیا شده است. ارایه پاسخ در چند ثانیه و همچنین عرضه مدلهای متنوع هوش مصنوعی، کابران زیادی را ترغیب می کند تا از آن ها به صورت رایگان یا با پرداخت پول استفاده کنند. هرچند هوش مصنوعی از تولید متن آغاز شد، اما به سرعت رشد و گسترش پیدا کرد. حالا کاربران به کمک هوش مصنوعی قادر اند علاوه بر نوشتن متن، تصویر، صدا و حتا ویدیو تولید کنند، اما چیزی که برای عموم پنهان مانده است، مصرف آب و انرژی توسط هوش مصنوعی است. ما در این مطلب، به هزینه آب و انرژی آن پرداختهایم.
آنچه «ارسال» شما باعث آن میشود؟
پاسخهایی که هوش مصنوعی ارایه میکند توسط پروسسورهای گرافیکی (GPU/TPU) ایجاد میشود. این پروسسورها مقدار زیادی برق مصرف میکنند که بیشتر آن به گرما تبدیل میشود. سپس سیستمهای سردکننده فعال میشوند تا گرمای ایجاد شده را با تبخیر آب دفع کنند. براساس تازهترین بررسی گوگل، حد اوسط انرژی مورد نیاز برای یک پیام متنی یا (Text Prompt) در چت بات جیمینای (Gemini)، ۰.۲۴ وات- ساعت و مصرف آب آن حدود ۰.۲۶ میلی لیتر است، اما مجموع مصرف این مقدار انرژی و آب نظر به نوعیت، مدل، مکان و آب و هوا بسیار متفاوت است. بنابراین، آموزش مدلهای بزرگ هوش مصنوعی میلیونها لیتر آب را مصرف میکند.
وقتی دکمه ارسال را کلیک میکنید چه اتفاق میافتد؟
متنی که شما به هوش مصنوعی میدهید، ابتدا آن را خرد کرده به توکنها تبدیل میکند تا چیپهای هوش مصنوعی بتوانند آن را پروسس کند. انرژي برق نه تنها به چیپ، بلکه به مرکز پروسس اطلاعات، حافظه، تجهیزات شبکه و تمام سیستم جریان مییابد. تقریبا تمام این انرژی به گرما تبدیل میشود که برجهای سرد کننده (Chillers) باید آن را دفع کند. بسیاری از تاسیسات در جریان سردسازی، آب را تبخیر میکنند و آن آب بهطور غیر مستقیم برای تولید برق مصرف میشود. مراکز اطلاعات (Data Centers)، تقریبا ۱-۹ لیتر آب در ازای هر کیلووات ساعت انرژی مصرفی سرورها، تبخیر میکنند. هرچند ساختار مرکز داده و شرایط آب و هوا نقش مهمی ایفا میکنند.
چرا این موضوع مهم است؟
این ارقام در ازای هر پرامت (Parameter) ممکن است کوچک به نظر برسد؛ معادل چند قطره آب و کسری از وات-ساعت انرژی؛ اما زمانی که میلیاردها پرامت جمع میشوند، تاثیرات آن مرتبط با مکانیست که دیتا سنتر در آن موقعیت دارد. موجودیت دیتا سنترهای زیاد در محلی که کم آب است و یا در فصل گرما، تقاضا برای سرد شدن مراکز را افزایش میدهد و فراتر از استفاده روزانه، آموزش یک مدل جدید به شدت تشنه است. یک بررسی نشان میدهد که حدود ۵.۴ میلیون لیتر آب برای آموزش GPT-3 به مصرف رسیده است که حدود ۷۰۰هزار لیتر آن تبخیر شده است. این هزینهها در نهایت بین بسیاری از کاربران تقسیم میشود. هرچند کارایی مدلها در حال بهبود است، اما تقاضا برای هوش مصنوعی بسیار سریع در حال افزایش است.
شما به عنوان یک فرد یا یک تیم کوچک، چه نقشی ایفا میتوانید؟
از ابزاری استفاده کنید که براساس بررسیها، آب کمتری مصرف میکند. تولید متن را به تولید صدا و تصویر ترجیح بدهید. مدلهای اساسی / کوچک را برای کاربرد روزمره انتخاب کنید. این کار مصرف انرژی و آب را در هر پرامت کاهش میدهد. ارقامی که گوگل ارایه کرده، برای پرامتهای متنی است. انجام کارهای بزرگتر مانند، تولید صدا و تصویر هزینه بیشتری دارد.
از فروشندگان خدمات هوش مصنوعی شفافیت بخواهید که مراکزشان در کجا موقعیت دارد. برای اجرای هر پرامت چقدر انرژی و آب به مصرف میرسد. نظر به آن معلومات، از خدمات شرکتهایی استفاده کنید که در مناطق سردتر موقعیت دارند و مصرف آب پایین است.
نکته اصلی این است که یک پرامت شما بی وزن به نظر میرسد، اما سیستمی که پشت سر آن فعالیت میکند تا به شما پاسخ ارایه کند، اینطور نیست. انتخاب وظایف سبکتر و عادتهای هوشمندانهتر، مزایای هوش مصنوعی را حفظ میکند. در عین حال هزینههای پنهان آب و انرژی آن را کاهش میدهد.
