الذكاء الاصطناعي المستدام: الطاقة والمياه والكفاءة
تثار تأثيرات الذكاء الاصطناعي على البيئة بشكل متزايد. يستعرض هذا المقال استهلاك الطاقة والمياه لعمليات الذكاء الاصطناعي استناداً إلى دراسات وتقارير حديثة.
Quelle: التصوير الخاص
مقدمة في الذكاء الاصطناعي الأخضر
يصف الذكاء الاصطناعي الأخضر التأثير البيئي القابل للقياس لعمل الذكاء الاصطناعي، خاصة البصمة الكهربية (الطاقة) وبصمة الماء أثناء تدريب النماذج واستدلالها. تستخدم مراكز البيانات مقياسين: PUE (Power Usage Effectiveness) كعلاقة من إجمالي الكهرباء إلى كهرباء IT، حيث تكون القيم الأقرب إلى 1 دالة على كفاءة أعلى. تقيس WUE (Water Usage Effectiveness) كمية استهلاك الماء سنوياً مقسومة على طاقة IT بوحدة kWh؛ القيم الأقل تعني كفاءة ماء أعلى. يشير استهلاك الماء عادة إلى الماء «الاستهلاكي» الذي يتبخر ولا يعاد، مثل التبريد بالدوائر المغلقة أو التبريد التبخيري (airatwork.com).
الوضع الحالي والتطورات
تتوقع الوكالة الدولية للطاقة أن الطلب العالمي على الكهرباء لمراكز البيانات سيزداد حتى 2030 ليصل إلى نحو 945 تيراوات/ساعة، مع أن الذكاء الاصطناعي سيكون المحرك الأكبر. وهذا يمثل أكثر من ضعف المستوى الحالي. قد ترفع مواقع مختصة بالذكاء الاصطناعي حصتها حتى 2030 بمقدار الربع من هذا الطلب (iea.org). يدرس تقرير iea التفصيلي "الطاقة والذكاء الاصطناعي" منهجيات، جودة البيانات والفروق الإقليمية. وفي الوقت نفسه تكشف مايكروسوفت عن تصاميم مراكز بيانات جديدة تسعى إلى «لا ماء للتبريد» من خلال دورات مغلقة وتبريد مرتبط بالشرائح (microsoft.com). وتشرح Google كيف إن مكاسب الكفاءة في الكهرباء غالباً ما تخفض أيضاً الطلب على الماء، مع الإشارة إلى اعتمادها على المناخ وتقنيات التبريد (cloud.google.com; google.com). تقارير عن طلبات المياه في مواقع عملاقة جديدة في مناطق صعبة الجفاف تثير نقاشاً حول حقوق المياه (reuters.com). وتكشف أبحاث آثار المياه للذكاء الاصطناعي منذ 2023 عن أبعاد وقيود المنهجية (arxiv.org; dl.acm.org).
Quelle: fiberopticom.com
نظرة تفصيلية على مصادر الانبعاثات من مراكز البيانات ضرورية لتطوير استراتيجيات تقليل فعّالة.
عوامل زيادة الاستهلاك
إن ارتفاع استهلاك الكهرباء والماء له أسباب متعددة. أولاً، تُحمّل أحمال الذكاء الاصطناعي إلى مراكز بيانات ذات كثافة أداء عالية. وهذا قد يخفض PUE، ولكنه يرفع WUE إذا كان التبخر جزءاً من الكفاءة (thegreengrid.org; google.com). ثانياً، تقود أجيال المسرعات الجديدة إلى زيادة الأداء لكل واط، لكنها ترفع الطلب المطلق لأن سلاسل العمل تصبح أسرع وأكثر تكراراً. بلاكويل يعد بتحسينات في الكفاءة مقارنةً بهوبار، ولكنه لا يحل سحب الطلب (theregister.com; nvidia.com). ثالثاً، عوامل الموقع كالتقنيات التبريدية والمناخ ومزيج الكهرباء وإمكانية المياه والتنظيم تؤثر في ما إذا كان المشغّلون يحاولون "توفير الكهرباء" أم "الماء" – نادراً ما يحدث كلاهما في آن واحد (google.com; iea.blob.core.windows.net).
Quelle: يوتيوب
توضح غوغل استخدام مياه قنوات معالجة كإجراء لحماية مياه الشرب.
التحقق من الادعاءات: الأدلة مقابل الادعاءات
يتزايد الطلب الكهربائي على مراكز البيانات بشكل قوي؛ الذكاء الاصطناعي هو عامل رئيسي. PUE وWUE هما مقاييس مُعرّفة لكفاءة الطاقة والمياه (thegreengrid.org; thegreengrid.org). تدريب واستدلال يمكن أن يستهلكان كميات ماء مهمة، اعتماداً على الموقع والفصل والزمن والتقنيات التبريدية (arxiv.org; google.com).
الوعود مثل «لا ماء للتبريد» هي وعود تشغيلية. ماء دورة الحياة (مثلاً في تصنيع الشرائح) وغيره من الماء غير المستخدم في التبريد يبقيان خارج الحسبة، كما تبقى التغييرات في الموقع عند درجات الحرارة العالية خارج الحساب (cloud.google.com).
المزاعم بأن «التبريد بالسائل يحل مشكلة الماء تلقائياً» مضللة. قد يحسن WUE، ولكن ليس بالضرورة؛ يعتمد الأمر على التصميم ونظام التبريد المستخدم. كما أن الافتراض «الذكاء الاصطناعي افتراضي ولا أثر فيزيائي له» غير صحيح. موازنات الطاقة والماء قابلة للقياس وترتبط، من بين أمور أخرى، بطول الرموز واستخدام الحِمل (arxiv.org).
Quelle: device42.com
الطلب على الطاقة في مراكز البيانات: مقارنة مع استهلاك الكهرباء لدول كاملة توضّح أبعاد المشكلة.
استجابات الصناعة والحجج المضادة
تتبنى الصناعة مسارات كفاءة مثل تحسين PUE/WUE، وإعادة تدوير الماء، وتغيير التصاميم نحو تقنيات تبريد دون ماء في التشغيل (microsoft.com; cloud.google.com). كما تدعو الأبحاث ومنظمات المجتمع المدني إلى الشفافية والإفصاح المعتمد عن الموقع والفصل والتقنية، بسبب احتمالية تحويل التأثيرات ونُدرة الموارد (arxiv.org; reuters.com). ويرى اقتصاديو الطاقة في الذين يعملون على مسارات التسريع كأنها تغيرات في الكفاءة، ويحذرون من أثر الارتداد: زيادة الكفاءة تخفض التكلفة وقد تزيد من استخدام النظام (theregister.com; iea.blob.core.windows.net).
التبعات العملية والتوصيات
ينبغي اعتماد إجراءات عملية مثل: أولاً، القياس. لاستدلال، تقدم الدراسات مقياس «الطاقة لكل رمز» كمقياس؛ تتبع الطاقة بشكل كبير طول الرمز والكمون (euromlsys.eu). ثانيًا، ضغط الأحمال، لكن ليس بلا تفكير: حجم الدُفعات وتصميم الاستدعاء يمكن أن يقللان من الطاقة/الرمز؛ قد تقود دفعات كبيرة إلى زيادة في الكفاءة بسبب overhead (upm.es; techrxiv.org). ثالثًا، اضبط النماذج والدقة: التكميم حتى 4 بت عملي لكثير من المهمات ويوفر الطاقة الحاسوبية والذاكرة؛ لا بد من اختبارات الجودة (openreview.net; arxiv.org). رابعًا، اختر العتاد المناسب: لدى الحافة/العميل تساعد وحدات المعالجة العصبية النظيفة (NPUs) في الأداء لكل واط، في مراكز البيانات توفر المسرعات المتخصصة كفاءة أفضل من CPUs متعددة الأغراض (qualcomm.com; nvidia.com). خامساً، إدارة المواقع والتبريد بنشاط: المناخ، مزيج الكهرباء، أهداف WUE/PUE، جودة الماء (مثلاً استخدام الماء المعاد بدلاً من الشرب)، واستخدام الحرارة المستعادة يجب إدخاله مبكراً في التوريد والهندسة المعمارية (google.com; thegreengrid.org).
Quelle: ai-market.jp
شرائح NPU هي تقنيات رئيسية لتطبيقات الذكاء الاصطناعي ذات الكفاءة في استهلاك الطاقة، خاصة في مجال الحوسبة الطرفية.
Quelle: يوتيوب
نظرة سريعة على مسألة الكهرباء مع رسومات توضيحية موجزة.
أسئلة مفتوحة وآفاق المستقبل
إلى أي مدى يمكن الاعتماد على الإفصاحات الحالية بشأن الماء والكهرباء حين تزداد حالات مناخية حارة وتتغير أنماط الحمولة؟ تكون تقارير معيارية تفصيلية حسب الموقع وفصل السنة ضرورية (thegreengrid.org; iea.blob.core.windows.net). ما التنظيمات التي تضع إطاراً معقولاً يقيّّد الاستخدام دون كبح الابتكار – مثل حدود استخدام الماء في المناطق المعرضة للجفاف؟ النقاشات المستمرة والمحادثات الفنية تبين أن المجال ديناميكي للغاية (iea.org).
الخلاصة
يبدأ الذكاء الاصطناعي الأخضر من ميزان صادق: القياس، والمقارنة، والسيطرة. من يربط PUE وWUE بشكل صارم ويتتبع Energy-per-Token ويقلل من النماذج والدقة، ويرشح دفعات بشكل حكيم، ويخطط للمواقع مع التبريد بشكل واعي، يمكنه خفض التكاليف والتأثير البيئي – ويدعم حجج قوية للقرارات التقنية والاستثمار (aclanthology.org; upm.es; openreview.net; google.com).