يشير مقال معهد “غرانثام” التابع لكلية لندن للاقتصاد إلى أن التوسع المتسارع في تقنيات الذكاء الاصطناعي لا يمر دون ثمن بيئي باهظ.
فعلى الرغم من الوعود التي يقدمها الذكاء الاصطناعي في تحسين كفاءة الموارد، إلا أنه يفرض مخاطر مباشرة وملموسة تبدأ من البنية التحتية المادية (مراكز البيانات) وتصل إلى استنزاف الموارد الطبيعية الأساسية كالمياه والمعادن النادرة.
يتناول هذا التقرير 20 مؤشرا رقميا ونوعيا تعكس بدقة حجم الضغط الذي يمارسه الذكاء الاصطناعي على كوكب الأرض.
أولاً: مؤشرات استهلاك الطاقة والبصمة الكربونية
- الاستهلاك العالمي الحالي: تستهلك مراكز البيانات والشبكات المسؤولة عن تشغيل الذكاء الاصطناعي ما بين 1% إلى 1.5% من استخدام الكهرباء العالمي.
- النمو المستقبلي المتوقع: من المتوقع أن يصل طلب مراكز البيانات على الكهرباء إلى 800 تيراواط/ساعة خلال عام 2026.
- المقارنة الجغرافية: تعادل الزيادة المتوقعة في استهلاك مراكز البيانات الطاقة السنوية التي تستهلكها دولة بحجم ألمانيا.
- كربون التدريب (GPT-3): أنتج تدريب نموذج GPT-3 وحده انبعاثات تُقدر بـ 502 طن متري من ثاني أكسيد الكربون.
- المسافة المكافئة للسيارات: انبعاثات تدريب نموذج لغوي ضخم واحد تعادل قيادة سيارة ركاب لمسافة تتجاوز 2 مليون كيلومتر.
- مرحلة الاستدلال : يستهلك تشغيل النماذج (الرد على الأسئلة) طاقة تراكمية قد تتخطى بمرور الوقت الطاقة المستخدمة في التدريب الأولي.
- الارتباط بالفحم والغاز: تقع العديد من مراكز البيانات في مناطق تعتمد شبكاتها الكهربائية على الوقود الأحفوري، مما يرفع البصمة الكربونية الفعلية.
ثانيا: مؤشرات استنزاف الموارد المائية
- قفزة استهلاك مايكروسوفت: ارتفع استهلاك الشركة العالمي للمياه بنسبة 34% (بين 2021 و2022) نتيجة أبحاث الذكاء الاصطناعي.
- مؤشر “نصف لتر” للمحادثة: تتطلب معالجة (20-50) سؤالا في تطبيقات مثل ChatGPT استهلاك نصف لتر من المياه العذبة للتبريد.
- فقدان المياه بالتبخر: تعتمد أنظمة تبريد مراكز البيانات على تبخير المياه، وهي عملية تؤدي إلى فقدان دائم لهذه الموارد من الدورة المحلية.
- تهديد الأمن المائي المحلي: يؤدي تركيز مراكز البيانات في مناطق جغرافية معينة إلى منافسة السكان على موارد المياه العذبة المحدودة.
ثالثاً: مؤشرات الأجهزة والتعدين والنفايات
- الحاجة للمعادن الحرجة: يتطلب تصنيع رقائق الذكاء الاصطناعي كميات ضخمة من الليثيوم، الكوبالت، والنحاس.
- التدمير البيئي للتعدين: تسبب عمليات استخراج هذه المعادن تدهوراً بيئياً وتلوثاً للتربة والمياه في مناطق التعدين.
- دورة الإحلال السريع: تؤدي الحاجة الدائمة لأجهزة أقوى إلى قصر عمر المعدات واستبدالها بوتيرة أسرع من التقنيات التقليدية.
- حجم النفايات الإلكترونية: يساهم قطاع التقنية في توليد أكثر من 50 مليون طن من النفايات الإلكترونية سنوياً على مستوى العالم.
- ضعف إعادة التدوير: لا يتم جمع وإعادة تدوير سوى أقل من 20% من النفايات الإلكترونية الناتجة بشكل رسمي وآمن.
رابعاً: مؤشرات التأثيرات غير المباشرة والتطبيقات
- دعم استخراج الوقود الأحفوري: يُستخدم الذكاء الاصطناعي لتحسين كفاءة استخراج النفط والغاز، مما يطيل عمر الصناعات الملوثة.
- تأثير الارتداد : رغم تحسن الكفاءة، إلا أن سهولة استخدام الذكاء الاصطناعي تزيد من الطلب الكلي على الموارد، مما يلغي المكاسب البيئية.
- المعلومات المناخية المضللة: يمتلك الذكاء الاصطناعي التوليدي القدرة على إنتاج ونشر محتوى مضلل حول أزمة المناخ على نطاق واسع.
- البصمة التصنيعية العالية: ترتبط البصمة البيئية الكبرى بالذكاء الاصطناعي ليس فقط في التشغيل، بل في عملية تصنيع الرقائق المعقدة جدا والمستهلكة للطاقة.
لمزيد من المعلومات والمعطيات يمكن الولوج إلى رابط التقرير:
What direct risks does AI pose to the climate and environment?
تنويه
تمت ادارة المعلومات ووضع الملخص المكثف بمساعدة جزئية أو كلية باستخدام تطبيقات الذكاء الاصطناعي مع مراجعة وادارة معلوماتية بشرية من قبل فريق “مشغل سحابة خضراء”، ويمكن التحقق من السياق في التقرير الأصلي من خلال الرابط اعلاه
