آیا هوش مصنوعی به بحران آب کمک می‌کند؟
هوش مصنوعی می‌تواند به انسان‌ها کمک کند تا با مبرم‌ترین مشکلات جهانی مقابله کنند. آلودگی هوا و انتشار کربن از هزینه‌های زیست‌محیطی شناخته شده هوش مصنوعی هستند. اما، یک واقعیت کمتر شناخته شده این است که مدل‌های هوش مصنوعی نیز آب می‌خواهند.
بازیگران کلیدی صنعت فناوری مانند مایکروسافت، گوگل و آمازون قبلاً متعهد شده‌اند که تا سال ۲۰۳۰ "مثبت آب" باشند. یعنی جایگزینی و تولید آب بیشتر از مصرف آنها خواهد بود. در این میان، هوش مصنوعی در سال‌های اخیر شروع به مصرف آب بیشتری کرده است. این به این دلیل است که آموزش هوش مصنوعی به مراکز داده نیاز دارد و مراکز داده هم مقدار زیادی آب می‌خواهند.
چرا مراکز داده هوش مصنوعی آب نیاز دارند؟
مراکز داده برای دو کاربرد به آب نیاز دارند: خنک‌کردن مراکز و مصرف انرژی.روش خنک‌کردن مرکز داده به عوامل مختلفی از جمله رطوبت و دمای بیرون بستگی دارد. به‌عبارت‌دیگر، اوقات گرم روز به آب بیشتری نیاز دارد؛ زیرا مراکز داده باید بیشتر خنک شوند.
تخمین زده شده که آموزش GPT3 در مراکز داده مایکروسافت در ایالات متحده می‌تواند مستقیماً 700000 لیتر آب شیرین تمیز مصرف کند. در سال 2021، مراکز داده گوگل در ایالات متحده، 12.7 میلیارد لیتر آب شیرین برای خنک‌کردن محل مصرف کردند. این حجم شامل 11.4 میلیارد لیتر آب آشامیدنی بود.
ChatGPT حدود 500 میلی‌لیتر آب برای یک مکالمه ساده شامل 20 تا 50 پرسش‌وپاسخ استفاده می‌کند. همچنین تخمین زده می‌شود 100 میلیون نفر به طور فعال از ChatGPT استفاده می‌کنند و تعداد کاربران در حال افزایش است.
در سال 2010، مجمع‌عمومی سازمان ملل متحد و شورای حقوق بشر برای اولین‌بار دسترسی به آب آشامیدنی سالم را به‌عنوان یک حقوق بشر به رسمیت شناخت. بااین‌حال، 2 میلیارد نفر در سراسر جهان همچنان به آب آشامیدنی مدیریت شده ایمن دسترسی ندارند. هوش مصنوعی مصرف آب خود را در پنج سال گذشته به‌شدت افزایش داده است و بسیاری از این آب قابل شرب هستند.
در واقع، دانشگاه استنفورد یک شاخص هوش مصنوعی در سال 2023 منتشر کرد که تأثیر زیست‌محیطی بی‌سابقه آموزش مدل‌های هوش مصنوعی را نشان داد. از سال 2017 تا 2022، شرکت‌هایی که از هوش مصنوعی استفاده می‌کنند بیش از دوبرابر شده است. از سال 2019 تا 2023، مصرف آب در مراکز داده گوگل بیش از 60 درصد افزایش‌یافته است. یعنی از 3,412 میلیون گالن در سال 2019 به 5,565 میلیون گالن در سال 2023 رسیده است. مایکروسافت فاش کرد که مصرف جهانی آب بین سال‌های 2021 تا 2022 بیش از یک‌سوم افزایش‌یافته است. در سال 2022، مصرف جهانی آن نزدیک به 1.7 میلیارد گالن بود.
در سال 2022، مایکروسافت حدود 11.5 میلیون گالن آب را در آیووا برداشت تا مراکز داده جدید آموزش هوش مصنوعی را خنک کند. این در اوج تابستان و زمان اوج مصرف آب بود، این مهم است که بدانید که آیووا دارای دما و فضای ایده‌آل برای میزبانی یک مرکز داده بزرگ است و به‌عبارت‌دیگر، مصرف آب هوش مصنوعی اگر در منطقه گرم‌تر و خشک‌تر قرار می‌گرفت، احتمالاً حتی بیشتر می‌شد.
بیشترین مصرف آب فناوری برای خنک‌کردن سرور از منابع آشامیدنی تأمین می‌شود. در اینجا، آب مصرف شده در واقع تبخیر شده و در جو گم می‌شود.
چه کنیم؟
شرکت‌های فناوری به دنبال راه‌هایی برای کاهش مصرف آب خود هستند. آنها به این هدف متعهد شده‌اند، اما این تنها یک طرف ماجرا یا همان بخش عرضه است. در سمت تقاضا، برای کاهش یا اطلاع‌رسانی به مردم در مورد اینکه چگونه می‌توانند از هوش مصنوعی برای کاهش مصرف آب استفاده کنند، کار زیادی انجام نشده است.
از طرف عرضه، شرکت‌های فناوری در حال بررسی راه‌های مختلف برای کاهش مصرف آب برای خنک‌سازی در محل مراکز داده هستند. در اینجا چند نمونه از کاربرد آن آورده شده است:
بازیافت آب و یا احیای آب غیرشرب توسط Google در مراکز داده آن
استفاده از آب دریا در مرکز داده گوگل در فنلاند
فناوری‌هایی مانند خنک‌کننده آدیاباتیک مایکروسافت که از هوای بیرون به‌جای آب استفاده می‌کنند
علاوه بر این مکان و زمان استفاده از مراکز داده برای آموزش هوش مصنوعی می‌توانند مصرف آب را تا حد زیادی کاهش دهد. یعنی اگر به‌صورت حساب شده با آن هدف انجام شود.
از طرف تقاضا فعلاً می‌توان گفت شما با استفاده‌نکردن از هوش مصنوعی در زمان اوج مصرف آب، به این بحران کمک کنید.
مصرف آب هوش مصنوعی تنش‌های اجتماعی ایجاد می‌کند
هنوز به نقطه‌ای نرسیده‌ایم که هوش مصنوعی به طور ملموسی ضروری‌ترین منابع آب طبیعی ما را از بین ببرد. اما افزایش مصرف آب هوش مصنوعی (هم برداشت و هم مصرف) قطعاً نگران‌کننده است. کمبود آب به یکی از مهم‌ترین چالش‌های جهانی تبدیل شده است؛ زیرا ما با رشد سریع جمعیت، کاهش منابع آب و زیرساخت‌های آب، به‌ویژه در مناطق مستعد خشکسالی سروکار داریم. نگرانی تنها در مورد میزان مطلق مصرف آب مدل‌های هوش مصنوعی نیست، بلکه در مورد نحوه واکنش توسعه‌دهندگان مدل‌های هوش مصنوعی به چالش مشترک جهانی کمبود آب است.ازآنجایی‌که خشکسالی یکی از اولین پیامدهای فاجعه‌بار تغییرات آب‌وهوایی است، همه باید مسئولیت خود را برای مقابله با چالش آب بر عهده بگیرند. ما در حال حاضر شاهد تنش‌های شدید بر سر مصرف آب بین مراکز داده هوش مصنوعی و جوامع محلی هستیم. اگر مدل‌های هوش مصنوعی به این روال ادامه دهند، این تنش‌ها بیشتر و می‌توانند به آشفتگی اجتماعی منجر شوند.
باید شفافیت بیشتری وجود داشته باشد
اگر می‌خواهیم هوش مصنوعی سالم و مسئولانه رشد کند، باید مصرف آب آن را کاهش دهیم. آب برای مدت طولانی کم‌ارزش بوده است که ممکن است ارزش واقعی آن فراموش شده باشد. امروزه، ردپای آب هوش مصنوعی بسیار کمتر از آنچه که شایسته است موردتوجه قرار گرفته است.آب یک منبع حیاتی و محدود است که باید به طور عادلانه تقسیم شود. همان‌طور که صنعت هوش مصنوعی به رونق خود ادامه می‌دهد، مردم قطعاً سزاوار این هستند که اشتهای روزافزون آن برای آب را بدانند. فناوری‌های بزرگ برای جبران مصرف آب خنک‌کننده و رسیدن به «آب مثبت تا سال ۲۰۳۰» برای مراکز داده‌شان، شروع به پر کردن حوضه‌های آبخیز کرده‌اند.
این تلاش‌های صرفه‌جویی در آب مطمئناً قابل‌ستایش هستند، اما این بدان معنا نیست که مدل‌های هوش مصنوعی، به‌ویژه مدل‌های هوش مصنوعی عمومی برای کاربردهای حیاتی، می‌توانند آب را زیر زمین به جریان بیندازند. درست همان‌طور که ردپای کربن را گزارش می‌کنند، توسعه‌دهندگان مدل هوش مصنوعی باید در مورد ردپای آب مدل‌های هوش مصنوعی خود به‌عنوان بخشی از افشای ردپای محیطی شفاف‌تر باشند.
افشای ردپای آب هوش مصنوعی می‌تواند به‌راحتی برای شفافیت بهتر، ساده و استاندارد شود. اطلاعات دقیق در مورد ردپای آب هوش مصنوعی اجازه می‌دهد تا معیارهای جوامع تأثیرات زیست‌محیطی هوش مصنوعی را ارزیابی کند و تلاش‌های موجود برای پایداری آب را تکمیل کند.
اگر ردپای آب هوش مصنوعی را اندازه نگیریم، نمی‌توانیم آن را بهینه کنیم. نظارت بر ردپای آب هوش مصنوعی می‌تواند راه‌های جدیدی را برای کاهش آن باز کند. برای مثال، می‌تواند توسعه‌دهندگان هوش مصنوعی را مطلع کند و به آنها کمک کند تا از انعطاف‌پذیری‌های مکانی و زمانی هوش مصنوعی بهره‌برداری کنند و تصمیم بگیرند که کجا و چه زمانی مدل‌های هوش مصنوعی را آموزش داده و به کار گیرند. مانیتورینگ می‌تواند عملکرد انعطاف‌پذیری را بین دقت مدل هوش مصنوعی و مصرف آب فعال کند: اگر مدل هوش مصنوعی در منطقه‌ای با فشار آب مستقر شود، احتمالاً استفاده از یک مدل هوش مصنوعی فشرده با ردپای آب کمتر منطقی‌تر است.
مهم‌تر از همه، درنظرگرفتن تفاوت‌های بهره‌وری آب در تصمیمات زمان‌بندی هوش مصنوعی می‌تواند به کاهش نابرابری محیطی در حال ظهور کمک کند. ما می‌توانیم بارهای کاری هوش مصنوعی را جابه‌جا کنیم تا ردپای آب هوش مصنوعی را در مناطق مختلف به طور عادلانه متعادل کنیم، نه اینکه بگذاریم چند منطقه محروم و خشکسالی تأثیر منفی را متحمل شوند.
درحالی‌که ما در حال مبارزه با کمبود جهانی آب و چالش‌های خشکسالی هستیم، همه مسئولیت مشترکی در کاهش مصرف آب دارند. هوش مصنوعی بدون شک دارای پتانسیل بسیار زیادی برای تبدیل دنیای ما به مکانی بهتر و کمک به ما برای مقابله با بسیاری از چالش‌ها، از جمله کمبود آب است. اما این بدان معنا نیست که ما باید به مدل‌های هوش مصنوعی اجازه دهیم منابع آب حیاتی و محدود ما را استفاده کنند. در عوض، هر قطره‌ای اهمیت دارد و هوش مصنوعی باید به‌وضوح به‌عنوان‌مثال برای رسیدگی به ردپای آب خود و درعین‌حال کمک به مبارزه با چالش‌های جهانی آب باشد. اگرچه بسیاری از راه‌حل‌های بالقوه می‌توانند ردپای آب هوش مصنوعی را کاهش دهند، اولین قدم ساده است: اندازه‌گیری ردپای آب هوش مصنوعی و عمومی‌کردن آن.
https://oecd.ai/en/wonk/how-much-water-does-ai-consume
