8 موردی که فناوری‌ هوش مصنوعی به محیط زیست آسیب می‌رسانند

با پیشرفت سریع‌تر مسابقه هوش مصنوعی، بسیاری نگران تأثیر این فناوری‌ها بر اکوسیستم هستند. پذیرش هوش مصنوعی همچنان در حال افزایش است. همراه با آن، ردپای کربن آن تنها در صورتی بدتر می‌شود که توسعه‌دهندگان، کاربران نهایی و نهادهای نظارتی همچنان از تأثیرات زیست‌محیطی آن چشم پوشی کنند. با این حال، پذیرش انبوه پایدار هنوز امکان پذیر است. اما افراد و سازمان ها باید با یکدیگر همکاری کنند تا چگونگی آسیب های هوش مصنوعی به محیط را حل کنند.

1. محاسبات هوش مصنوعی به انرژی عظیم نیاز دارد

مقصر اصلی ردپای کربن زیاد هوش مصنوعی مولد، مصرف انرژی آن است. چت بات ها را به عنوان مثال در نظر بگیرید؛ محدودیت بالای توکن ChatGPT و پردازش ورودی سریع نیازهای انرژی زیادی دارد. اکثر کاربران منابع مورد نیاز برای هر جستجو را نمی‌دانند – آنها به‌طور بی‌توجهی ربات‌های چت را با اعلان‌های تصادفی پر می‌کنند.

Semianalysis یک مدل هزینه از ChatGPT ایجاد کرد. آنها می گویند که OpenAI حدود 3617 سرور HGX A100 را اجرا می کند تا به میلیون ها درخواستی که ChatGPT روزانه دریافت می کند پاسخ دهد. هر سرور اگر مشابه Nvidia HGX A100 باشد 3000 وات ساعت مصرف می کند. بنابراین برای 3617 واحد برای کارکرد 24/7، آنها به 95,054,760,000 وات ساعت یا 95,054.76 مگاوات ساعت در سال نیاز دارند. برای مرجع، شهر نیویورک روزانه از 5500 تا 10000 مگاوات ساعت استفاده می کند.

2. تحولات سریع سبک زندگی دور ریختنی را ترویج می کند

رشد سریع هوش مصنوعی فرهنگ دور ریختنی را تداوم می بخشد. مصرف کنندگان فناوری برای دریافت آخرین سیستم ها در بازار، صرف نظر از اینکه به آن نیاز دارند یا نه، تحت فشار هستند. برخی حتی به سختی این ابزارها را درک می کنند. آنها “چیز بزرگ بعدی” را دنبال می کنند زیرا شرکت ها ویژگی های جدید و مخرب را وعده می دهند.

مصرف کنندگان با تسلیم شدن به این سبک زندگی ناپایدار، رهبران فناوری را قادر می سازند تا تقاضا برای پلتفرم های هوش مصنوعی را کنترل کنند. منابع برای ابزارهای زائد هدر می‌رود که مزایای ناچیزی را به همراه دارد. برای مثال ChatGPT را در نظر بگیرید. میلیون ها توسعه دهنده با انتشار چت ربات های مبتنی بر هوش مصنوعی خود از رونق آن بهره بردند. در حالی که رهبران فناوری مانند مایکروسافت، متا و گوگل مدل‌های زبانی نوآورانه‌ای ساختند، اکثر شرکت‌ها صرفاً روی این روند حرکت کردند.

3. هیچ نهاد حاکمیتی استفاده و توسعه هوش مصنوعی را تنظیم نمی کند

پیشرفت های سریع هوش مصنوعی از دستورالعمل ها و محدودیت های حاکم پیشی گرفته است. حتی رهبران فناوری جهانی مانند سام آلتمن، مدیر عامل OpenAI، خواستار مداخله نظارتی دقیق‌تر هوش مصنوعی برای کنترل مدل‌های قدرتمند هستند. در حال حاضر، هیچ مرجع واحدی بر فعالیت‌های هوش مصنوعی نظارت و تنظیم نمی‌کند.

اما حتی اگر نهادهای دولتی شروع به مقابله با خطرات مرتبط با هوش مصنوعی کنند، آسیب های زیست محیطی در انتهای لیست آنها قرار خواهد گرفت. آنها احتمالا توهمات هوش مصنوعی، نقض اخلاقی و تهدیدات حریم خصوصی را در اولویت قرار خواهند داد. اگرچه این موارد به همان اندازه مهم هستند، اما نباید تأثیرات زیست محیطی منفی هوش مصنوعی را تحت الشعاع قرار دهند.

دولت باید با گروه های زیست محیطی برای نظارت بر شرکت های فناوری همکاری کند. آنها می توانند با تنظیم مصرف انرژی، روش های دفع و استخراج مواد معدنی، ردپای کربن توسعه دهندگان هوش مصنوعی را به حداقل برسانند.

4. تلاش های کشاورزی هوش مصنوعی، بازده را بر سلامت اکوسیستم اولویت می دهد

بخش های کشاورزی در حال بررسی راه هایی برای ادغام سیستم های مبتنی بر هوش مصنوعی در کشاورزی هستند. اجرای استراتژیک می تواند به به حداکثر رساندن رشد محصول، خودکارسازی کار دستی و مبارزه با بلایای طبیعی و در عین حال به حداقل رساندن هزینه های اضافی کمک کند. هوش مصنوعی کشاورزی یک صنعت رو به رشد است. Market.us حتی پیش بینی می کند که اندازه بازار جهانی تا سال 2032 از 10.2 میلیارد دلار فراتر رود.

با وجود این مزایا، هوش مصنوعی کشاورزی همچنان مصرف انرژی عظیم آموزش و ساخت این سیستم ها را نادیده می گیرد. اولویت دادن به عملکرد بالا و روش های برداشت کارآمد نیز اکوسیستم را به خطر می اندازد. با این سرعت، هوش مصنوعی می‌تواند به طور ناخواسته شیوه‌های کشاورزی فشرده را تقویت کند که زمین‌ها را از بین می‌برد و آب را از بین می‌برد.

5. آموزش هوش مصنوعی نیاز به آزمون و خطا دارد

آموزش پلتفرم های مبتنی بر هوش مصنوعی بر روی میلیاردها پارامتر به منابع عظیمی نیاز دارد. بین آماده‌سازی مجموعه‌های داده برای خراش دادن و وارد کردن آن‌ها در مدل‌های هوش مصنوعی، این فرآیند به راحتی می‌تواند میلیون‌ها وات ساعت را تخلیه کند. همچنین، آزمایش داده ها شامل آزمون و خطای دقیق است. توسعه دهندگان با توسعه تکرار مدل، عیب یابی مشکلات و رفع نادرستی ها، به مصرف منابع انرژی انبوه ادامه خواهند داد.

بیایید ChatGPT را به عنوان مثال در نظر بگیریم. مطالعه‌ای توسط دانشگاه کرنل نشان می‌دهد که OpenAI حدود 405 سال V100 GPU انرژی برای آموزش GPT-3 بر روی 175 میلیارد پارامتر مصرف کرده است. به زبان ساده تر، ساخت یک GPU V100 تا 405 سال طول می کشد تا ChatGPT بسازد. با فرض اینکه OpenAI از چیزی شبیه به پردازنده‌های گرافیکی Nvidia V100 استفاده کرده که 300 وات ساعت مصرف می‌کنند، 405 سال مصرف انرژی برابر با 1,064,340,000 وات ساعت است.

به عنوان مرجع، اکثر خانوارها 30000 وات ساعت در روز مصرف می کنند. بنابراین انرژی ای که OpenAI برای آموزش ChatGPT استفاده کرد در ابتدا می توانست 35478 خانه را به مدت 24 ساعت تامین کند.

6. سخت افزار هوش مصنوعی از فلزات زمین ساخته شده است

سخت افزار مورد استفاده در ساخت، آموزش و تجاری سازی برنامه های هوش مصنوعی از فلزات مختلف زمین تشکیل شده است. گرافیک ها را به عنوان مثال در نظر بگیرید. تولید آنها به مس، قلع، نقره و روی و سایر مواد خام نیاز دارد و شرکت‌های فناوری برای حفظ سیستم‌های هوش مصنوعی به هزاران پردازنده گرافیک نیاز دارند.

توسعه دهندگان باید روش های جایگزین برای تامین مواد خام را بررسی کنند. در غیر این صورت، با افزایش تقاضا برای سخت‌افزارهای مرتبط با هوش مصنوعی، فعالیت‌های معدنی آسیب‌رسان تشدید می‌شوند. حتی بزرگترین معادن نیز پس از چندین دهه خشک خواهند شد.

7. ازدحام بالقوه ترافیک

هوش مصنوعی می‌تواند آینده‌ای هوشمندانه‌تر و کم مصرف‌تر برای صنعت خودرو بسازد. مطالعه ای توسط مجله بین المللی تحقیقات محیطی و بهداشت عمومی بیان می کند که اتومبیل های خودران 50 تا 100 درصد کمتر از وسایل نقلیه سنتی انتشار کربن تولید می کنند. سازندگان خودرو در سراسر جهان به تدریج هوش مصنوعی را در واحدهای خود ادغام خواهند کرد.

اگرچه مصرف سوخت بهینه است، اما ظهور خودروهای هدایت شونده با هوش مصنوعی باعث افزایش تراکم ترافیک در شهرهای پرجمعیت می شود. تعداد وسایل نقلیه شخصی همچنان از مراکز حمل و نقل عمومی بیشتر خواهد بود. یک نظرسنجی طولی توسط دانشگاه آدلاید نشان می‌دهد که مصرف‌کنندگان خرید خودروهای بدون راننده را به جابجایی یا اشتراک وسایل نقلیه ترجیح می‌دهند.

8. تکامل AI زباله های الکترونیکی را افزایش می دهد

هوش مصنوعی به سرعت در حال پیشرفت است زیرا توسعه دهندگان به انتشار محصولات سخت افزاری و نرم افزاری جدید ادامه می دهند. همه آنها می خواهند ابتدا بر بازار جهانی تسلط پیدا کنند. متأسفانه، دنبال کردن فناوری‌های مخرب به مشکل رو به رشد زباله‌های الکترونیکی جامعه می‌افزاید. به یاد داشته باشید: حفظ سیستم های هوش مصنوعی به هزاران پردازنده گرافیکی و سرور نیاز دارد که اکثر آنها قابل بازیافت نیستند.

World Counts گزارش داد که 85 درصد زباله های الکترونیکی به محل های دفن زباله و زباله سوزها می رود و 70 درصد حاوی عناصر سمی هستند. توسعه دهندگان هوش مصنوعی باید روش های دفع پایدارتری را بررسی کنند. شیوه های زیست محیطی مانند کاهش مصرف سوخت فسیلی، طولانی کردن چرخه عمر سخت افزار، و طراحی روش های بازیافت، صنعت را اصلاح می کند.