ندا اظهری، مترجم: بعد از روی کار آمدن هوش مصنوعی و سر و صدا‌هایی که به پا کرد، حالا بازار هوش مصنوعی مولد داغ شده که نوع پیشرفته‌تر این فناوری است و در پاسخ به فرمان کاربر، قادر به تولید متن، تصاویر یا سایر رسانه‌ است. مدل‌های این نوع فناوری، الگو‌ها و ساختار داده‌های آموزشی ورودی خود را یاد می‌گیرند و سپس داده‌های جدیدی تولید می‌کنند. ChatGPT یکی از بارزترین مدل‌های هوش مصنوعی مولد است که به عنوان نخستین مدل هوش مصنوعی، توانست بسیاری از معادلات دنیا را دگرگون کند. شواهد حاکی از آن است که تضاد‌های مشابهی درباره هوش مصنوعی و انرژی در بسیاری از نقاط جهان که مراکز داده با سرعتی بی‌سابقه در حال رشد هستند، در حال شکل‌گیری است. شرکت‌های بزرگ فناوری به شدت روی هوش مصنوعی مولد تمرکز کرده‌اند که در مقایسه با مدل‌های قدیمی‌تر هوش مصنوعی که الگو‌ها را از داده‌ها استخراج می‌کنند، اما متن و تصاویر تازه تولید نمی‌کنند، برای کار کردن به انرژی به‌مراتب بالاتری نیاز دارند. این امر باعث می‌شود شرکت‌ها به طور جمعی صد‌ها میلیارد دلار برای مراکز داده و سرور‌های جدید هزینه کنند تا ظرفیت خود را افزایش دهند. از آنجایی که مصرف هوش مصنوعی مولد (Gen AI) سریع‌تر از سایر کاربرد‌ها رشد می‌کند، پیش‌بینی می‌شود مصرف برق آن توسط مراکز داده تا سال 2030 به دو برابر تا 4 درصد از مصرف برق جهانی برسد. 

20 درصد مصرف برق ایرلند در مراکز داده
از دیدگاه جهانی، تأثیر هوش مصنوعی بر تقاضای برق در آینده، نسبتاً کوچک پیش‌بینی شده اما مراکز داده در خوشه‌های متراکم متمرکز شده‌اند که می‌توانند اثرات محلی عمیقی بر مصرف برق داشته باشند. آن‌ها از نظر مکانی، بسیار بیشتر از تأسیسات انرژی‌بر مانند کارخانه‌های فولاد و معادن زغال سنگ متمرکزند. شرکت‌ها نیز تمایل دارند ساختمان‌های مراکز داده را در مجاورت یکدیگر بنا کنند تا بتوانند شبکه‌های برق و سیستم‌های خنک‌کننده را به اشتراک بگذارند و اطلاعات را به طور مؤثر بین خود و کاربران انتقال دهند. ویرجینیا به ویژه شرکت‌های مراکز داده را با ارائه معافیت‌های مالیاتی جذب کرده است که منجر به خوشه‌بندی بیشتر می‌شود. به عنوان مثال، ویرجینیا در حال حاضر 340 تأسیسات مرتبط با مراکز داده در اختیار داشته و در شهر آمریکایی Parmalee نیز 159 مرکز داده مستقر هستند. به گزارش nature، مراکز داده در ویرجینیا بیش از یک‌چهارم مصرف برق این ایالت را به خود اختصاص داده‌اند. مراکز داده در ایرلند بیش از 20 درصد مصرف برق این کشور را به خود اختصاص داده که بیشتر این مراکز در حاشیه دوبلین واقع شده‌اند و مصرف برق تأسیسات آن حداقل در 5 ایالت آمریکا از 10 درصد هم فراتر رفته است. 

مصرف 30 برابری برق در جست‌وجو‌های هوش مصنوعی 
اجرای هوش مصنوعی مشابه ChatGPT در هر جست‌وجوی گوگل به 400 هزار تا 500 هزار سرور NVIDIA A100 نیاز دارد که براساس تقاضای برق این سرور‌ها، سالانه 23 تا 29 تراوات ساعت برق مصرف خواهد کرد. همچنین، گوگل روزانه 9 میلیارد جست‌وجو را پردازش می‌کند که هر درخواست از طریق یک سرور هوش مصنوعی به 7 تا 9 وات ساعت انرژی نیاز دارد. این انرژی 23 تا 30 برابر انرژی یک جست‌وجوی معمولی برق مصرف می‌کند که این رقم، نگرانی‌هایی را در مورد تأثیر هوش مصنوعی بر محیط زیست، تغییرات آب و هوایی یا شبکه برق به دنبال داشته است. باوجود این، محققان معتقدند استفاده از GPT-4o احتمالاً تقریباً 0.3 وات ساعت برق مصرف می‌کند که چند برابر کم‌تر از جست‌وجو‌های سنتی است. مصرف 0.3 وات ساعت انرژی شاید خیلی کم به نظر برسد اما با توجه به ظهور مدل‌های جدید در آینده، انتظار می‌رود انرژی بیشتری نسبت به استفاده از ChatGPT امروز مصرف شود. 
ChatGPT و سایر چت بات‌ها توسط مدل‌های زبانی بزرگ (LLM)‌ها پشتیبانی می‌شوند. اجرای این مدل‌ها نیاز به محاسبه دارد و تراشه‌ها و مراکز داده‌ای که پردازش می‌کنند، به برق نیاز دارد. ChatGPT روی چند مدل مختلف اجرا می‌شود اما در این میان، GPT-4o پیشروترین مدل همه‌منظوره OpenAI است. مدل‌های استدلالی جدید این شرکت یعنی o1، o3 و o3-mini، احتمالاً به انرژی بیشتری برای فعالیت نیاز دارند. GPT 4o-mini، کوچک‌تر و ارزان قیمت‌تر از مدل GPT-4o است. LLM‌ها خروجی‌هایی را در واحد‌هایی موسوم به توکن تولید می‌کنند. برای شرکت OpenAI، یک توکن به طور متوسط 0.75 کلمه را نشان می‌دهد. عملیات «نقطه شناور در ثانیه»  (FLOP) یک واحد استاندارد برای اندازه‌گیری محاسبات است و برای تولید یک نشانه تقریباً دو FLOP برای هر پارامتر فعال در مدل نیاز دارد. محققان پیش‌تر گفته بودند که GPT-4o تقریباً 200 میلیارد پارامتر دارد و به احتمال زیاد یک مدل ترکیبی از متخصصان است به این معنی که تمام این پارامتر‌ها به یکباره فعال نمی‌شوند. برای تولید یک توکن به 200 میلیارد FLOP نیاز است. در این میان، جست‌وجو‌های GPT-4o با بیش از 500 توکن خروجی انجام می‌شود. 

200 صفحه متن معادل 40 وات ساعت انرژی مصرف می‌کند 
اگر فرض کنیم که OpenAI از پردازنده‌های گرافیکی Nvidia H100 برای استنتاج ChatGPT استفاده می‌کند که از توان 700 وات برخوردارند اما خوشه‌های H100 می‌توانند تا 1500 وات در هر GPU مصرف ‌کنند. برآورد‌ها نشان می‌دهد داده‌های ورودی طولانی 10 هزار توکن (مشابه با یک مقاله کوتاه یا طولانی در یک مجله)، هزینه هر سؤال و جواب با هوش مصنوعی را به حدود 2.5 وات ساعت افزایش می‌دهد و طول ورودی بسیار طولانی معادل 100 هزار توکن است که معادل تقریباً 200 صفحه متن 40 وات ساعت انرژی مصرف می‌کند. این پردازش داده‌های ورودی یک هزینه اولیه است. 

نوشتن 100 کلمه ایمیل با ChatGPT معادل روشنی 14 لامپ LED
هر بار که کاربر با استفاده از ChatGPT قصد تولید یک تصویر، توضیح یا ایمیل را دارد، سرور‌های شرکت میزبان هزاران محاسبه را برای تحویل کالا انجام می‌دهند. این فرایند از انرژی زیادی استفاده می‌کند. برای جلوگیری از داغ شدن بیش از حد سرور‌ها، اغلب از سیستم‌های آب برای جذب گرما و انتقال آن به برج‌های خنک‌کننده برای تبخیر استفاده می‌شود. با استفاده از مدل ChatGPT-4 شرکت OpenAI برای تولید یک ایمیل 100 کلمه‌ای به تنهایی بیش از آب یک بطری 519 میلی لیتری را تبخیر می‌کند و این آمار می‌تواند نگران‌کننده باشد. برق مصرفی برای تولید این ایمیل 100 کلمه‌ای برابر است با روشن کردن 14 لامپ LED برای یک ساعت (0.14 کیلووات ساعت). 

مصرف برق ChatGPT معادل شارژ 4 میلیون تلفن همراه
درحالی‌که شبکه برق فرسوده آمریکا در حال حاضر با مشکل مواجه است، هوش مصنوعی تقاضای بی‌سابقه‌ای را برای برق نشان می‌دهد. ویرجینیای شمالی معادل چند نیروگاه هسته‌ای بزرگ برق نیاز دارد تا بتواند به تمام مراکز داده جدید برنامه‌ریزی شده و در حال ساخت خدمت‌رسانی کند. مطالعات نشان می‌دهد سرور‌های NVIDIA به تنهایی می‌توانند تا سال 2027 سالانه 85 تا 134 تراوات ساعت برق مصرف کنند که معادل 3 تا 5 برابر مصرف برق ایرلند است. ChatGPT در حال حاضر ممکن است از حدود 20 میلیون کیلووات ساعت در روز استفاده کند که برای شارژ چهار میلیون تلفن همراه کافی است. 112 کشور کم‌مصرف، هرکدام کم‌تر از ChatGPT برق مصرف می‌کنند. 

ChatGPT روزانه 20 گالن آب مصرف می‌کند
حتی پیش از رونق هوش مصنوعی، مراکز داده جزء 10 صنعت برتر صنعتی یا تجاری آمریکا بودند. امروز حتی یک مرکز داده کوچک‌تر می‌تواند تا 18 هزار گالن معادل ۶۸هزار و ۱۳۷ لیتر  در روز آب تبخیر کند درحالی‌که مراکز داده در مقیاس بزرگ مانند گوگل تا 550 هزار گالن در روز آب مصرف می‌کنند. در سطح جهان، ChatGPT روزانه حدود 20 گالن آب(حدود ۷۵ لیتر) استفاده می‌کند که معادل مصرف هر فرد بلژیکی در هر بار استفاده از توالت است. میزان مصرف آب ChatGPT در طول یک سال، برای 7 بار پر کردن مخزن «سنترال پارک» در نیویورک کافی است. به طورکلی، آبی که شرکت‌های هوش مصنوعی از آن برای خنک کردن سرور‌های خود استفاده می‌کنند، همان آب شیرینی است که برای نوشیدن، پخت‌وپز و شست‌وشو و خاموش کردن آتش به کار می‌رود. در آمریکا از هر پنج مرکز داده، یک مرکز از مناطقی که در حال حاضر بیش از حد گسترده شده‌اند، آب دریافت می‌کند. در عین حال، در انگلیس برنامه‌هایی که برای افزایش ظرفیت هوش مصنوعی با توجه به فشار‌های محیطی موجود در نظر گرفته شده‌، در تضاد قرار گرفته و نخستین منطقه رشد هوش مصنوعی برای بالاترین منطقه پرخطر انگلیس برنامه‌ریزی شده است. انگلیس تا سال 2050 روزانه با کمبود 5 میلیارد لیتر آب مواجه است. 
تقاضا و عرضه آب یک موضوع جهانی است و باتوجه‌به این که تنها 0.5 درصد از آب کره زمین به صورت آب شیرین در دسترس است، مصرف بالای آب توسط هوش مصنوعی می‌تواند ذخایر آب جهان را بیش از حد در معرض خطر قرار دهد. کشور‌های محروم از آب در حال حاضر برای برآوردن نیاز‌های سرور‌های داده خود تلاش می‌کنند. اما برخی از کسب و کار‌های آمریکایی، در جایی که تأمین آب بیشترین تقاضا را دارد، دنیای در حال توسعه را به عنوان یک بازار بزرگ در حال توسعه برای محصولات دیجیتال از جمله هوش مصنوعی می‌دانند. سایر کشور‌ها نیز ممکن است از مراکز داده خارج از کشور برای آموزش مدل‌های هوش مصنوعی خود استفاده کنند. 

انرژی موردنیاز برای آموزش مدل هوش مصنوعی
محققان میزان انرژی موردنیاز برای آموزش مدل‌های هوش مصنوعی را نیز مورد بررسی قرار داده‌اند. اگر مدل‌های هوش مصنوعی روزانه میلیارد‌ها سؤال برای پاسخگویی دریافت کنند، انرژی مورد استفاده برای پاسخ دادن به این پرسش‌ها که معادل تراوات‌ساعت برق است، بر نیاز‌های انرژی سالانه هوش مصنوعی غالب خواهد شد. آموزش مدلی مانند GPT-3 که به دنبال اولین نسخه ChatGPT رونمایی شد، به انرژی در حد یک گیگاوات‌ساعت نیاز دارد. با افزایش رقابت، اطلاعات به اشتراک گذاشته شده در خارج از شرکت محدود شده است اما شرکت‌هایی چون گوگل و مایکروسافت گزارش کرده‌اند که انتشار کربن آن‌ها در حال افزایش است. آن‌ها این مسئله را به ساخت مرکز داده در حمایت از هوش مصنوعی نسبت داده‌اند. اکنون برخی دولت‌ها به شفافیت بیشتری از سوی شرکت‌ها نیاز دارند. در سال 2023، اتحادیه اروپا دستورالعمل بهره‌وری انرژی را تصویب کرد که براساس آن، اپراتور‌های مراکز داده‌ای که حداقل 500 کیلووات توان دارند، مصرف انرژی خود را در سال گزارش کنند. 

برق مصرفی مراکز داده، 1.3 درصد تقاضای جهانی
براساس روش‌های تخمین زنجیره تأمین، تحلیلگران معتقدند مراکز داده در حال حاضر تنها از بخش کوچکی از تقاضای برق جهان استفاده می‌کنند. آژانس بین‌المللی انرژی (IEA) تخمین می‌زند که برق مورد استفاده چنین تأسیساتی در سال 2022 بین 240 تا 340 تراوات‌ساعت یا یک تا 1.3 درصد تقاضای جهانی بوده است. درصورتی‌که استخراج ارز‌های دیجیتال و زیرساخت‌های انتقال داده هم در نظر گرفته شود، این نسبت به 2 درصد افزایش می‌یابد. رونق هوش مصنوعی این میزان را افزایش خواهد اما با توجه به این که انتظار می‌رود مصرف جهانی برق تا سال 2050 به دلیل برقی شدن بسیاری از صنایع، افزایش خودرو‌های الکتریکی و تقاضای بیشتر برای تهویه مطبوع، بیش از 80 درصد رشد کند، مراکز داده سهم نسبتاً کمی از رشد کلی تقاضای برق را به خود اختصاص می‌دهند. 

افزایش 12 درصدی مصرف مراکز داده از برق آمریکا
حتی با وجود تقریبی نیاز‌های انرژی فعلی هوش مصنوعی، پیش‌بینی روند‌های آینده دشوار است. مشکل اصلی، اختلاف نظر در مورد تعداد سرور‌ها و مراکز داده است که موردنیاز خواهند بود و این منطقه‌ای است که شرکت‌های خدمات شهری و فناوری انگیزه‌های مالی برای افزایش تعداد مراکز داده دارند. اواخر سال گذشته، وزارت انرژی آمریکا گزارش داد که مراکز داده آمریکا در حال حاضر 176 تراوات‌ساعت (4.4 درصد) از برق کشور استفاده می‌کنند و این میزان ممکن است تا سال 2028 دو یا سه برابر شود و سهم آن بین 7 تا 12 درصد برسد. مراکز داده در سال‌های آینده رشد خواهد کرد به طوری که تا سال 2028، حدود 15 درصد از برق آمریکا و تا سال 2030 حدود 4.5 درصد از تولید انرژی جهانی را مصرف خواهند کرد. آژانس بین‌المللی انرژی در حال آماده شدن برای به‌روزرسانی ارقام خود در ماه آینده است اما پیش‌بینی‌ها نشان می‌دهد که تأثیرات انرژی هوش مصنوعی در سطح محلی و منطقه‌ای شدیدتر خواهد بود. 

مدل distilgpt2 کم‌مصرف‌ترین و phi-4 پرمصرف‌ترین مدل دنیا
طبق ارزیابی‌هایی که صورت گرفته، مدل هوش مصنوعی distilgpt2 که از سوی distilbert عرضه شده با مصرف 1.31 وات‌ساعت انرژی کم‌ترین میزان مصرف انرژی را بین سایر مدل‌های هوش مصنوعی به خود اختصاص داده است. رتبه دوم کم‌مصرف‌ترین مدل هوش مصنوعی هم از آن opt-125m متعلق به فیسبوک است که 1.94 وات‌ساعت انرژی مصرف می‌کند. بعد از آن هم gpt2 عرضه شده از سوی «اپن ای آی» با مصرف 2.15 وات‌ساعت انرژی رتبه سوم کم‌مصرف‌ترین مدل را از آن خود کرده است. همچنین openai-gpt متعلق به شرکت «اپن ای آی» با مصرف 2.70 وات‌ساعت انرژی در رده چهارم کم‌مصرف‌ترین مدل‌ها جا خوش کرده است. بعد از آن هم مدل gpt2-medium هم که از سوی «اپن ای آی» معرفی شده، با مصرف 3.96 وات‌ساعت انرژی پنجمین مدل کم‌مصرف دنیاست.  اگر نگاهی به انتهای جدول داشته باشیم، مدل phi-4 متعلق به شرکت مایکروسافت با مصرف 28.74 وات‌ساعت انرژی لقب پرمصرف‌ترین مدل هوش مصنوعی دنیا را از آن خود کرده است. پس از آن، مدل Llama-2-13b-hf از شرکت «متا- لاما» نیز با مصرف 26.10 وات‌ساعت انرژی جزء پرمصرف‌ترین مدل‌ها بوده است. همچنین مدل Yi-1.5-9B از شرکت 01-ai نیز با مصرف 23 وات‌ساعت انرژی سومین مدل پرمصرف دنیاست. علاوه براین، مدل ministral-8b-instruct که از سوی شرکت «می‌سترال ای‌آی» معرفی شده با مصرف 20.87 وات‌ساعت انرژی چهارمین مدل پرمصرف دنیاست. بعد از آن هم، مدل xLAM-7b-r که از سوی شرکت «سلزفورس» معرفی شده، 19.17 وات‌ساعت مصرف دارد.