استهلاك الطاقة واستهلاك المياه، من يمكنه توفير استهلاك طاقة الذكاء الاصطناعي؟

المصدر الأصلي: تشن جين يتحدث عن التكنولوجيا

مصدر الصورة: تم إنشاؤها بواسطة Unbounded AI‌

اليوم، في حين أن نموذج الذكاء الاصطناعي الكبير الذي يمثله ChatGPT قد أحدث تغييرات كبيرة في المجتمع البشري، إلا أنه مثير للجدل أيضًا بسبب استهلاك الطاقة.

وقال أحدث منشور لمجلة الإيكونوميست: إن مرافق الحوسبة عالية الأداء، بما في ذلك أجهزة الكمبيوتر العملاقة، أصبحت مستهلكة رئيسية للطاقة. **وفقًا لوكالة الطاقة الدولية، تمثل مراكز البيانات ما بين 1.5% إلى 2% من الاستهلاك العالمي للكهرباء، وهو ما يعادل تقريبًا استهلاك الكهرباء في اقتصاد المملكة المتحدة بأكمله. ** ومن المتوقع أن يرتفع هذا الرقم إلى 4% بحلول عام 2030.

**الذكاء الاصطناعي لا يستهلك الكهرباء فحسب، بل يستهلك الماء أيضًا. ** وفقا للتقرير البيئي لعام 2023 الصادر عن شركة جوجل، فإنها ستستهلك 5.6 مليار جالون (حوالي 21.2 مليار لتر) من المياه في عام 2022، وهو ما يعادل مياه 37 ملعب جولف. ومن ذلك، ذهب 5.2 مليار جالون إلى مراكز بيانات الشركة، بزيادة قدرها 20% عن عام 2021.

في مواجهة تكاليف استهلاك الطاقة الضخمة، يريد الذكاء الاصطناعي (AI) التحرك نحو المستقبل، وأصبح الاقتصاد مشكلة حقيقية يحتاج ChatGPT إلى حلها بشكل عاجل. وإذا كان لمشكلة استهلاك الطاقة أن يتم حلها، فإن أي إجراءات تحسين تعتمد على التكنولوجيا والهندسة المعمارية الحالية ستوقف الماء المغلي، وفي هذا السياق، قد يكون اختراق التكنولوجيا المتطورة هو الحل النهائي لاستهلاك الطاقة باستخدام الذكاء الاصطناعي. معضلة . .

الذكاء الاصطناعي يستهلك الطاقة

من جوهر الحوسبة، الحوسبة هي عملية تغيير البيانات من الفوضى إلى النظام، وتتطلب هذه العملية قدرًا معينًا من مدخلات الطاقة.

ومن منظور الكمية وحدها، ووفقاً لإحصائيات غير مكتملة، سيتم استخدام حوالي 5% من توليد الطاقة العالمية في عام 2020 لاستهلاك الطاقة الحاسوبية، وقد يرتفع هذا الرقم إلى حوالي 15% إلى 25% بحلول عام 2030، أي يقال. أن نسبة استهلاك الكهرباء في صناعة الحوسبة ستكون على قدم المساواة مع الصناعات الكبيرة المستهلكة للطاقة مثل الصناعة.

وفي عام 2020، سيتجاوز استهلاك الطاقة في مراكز البيانات في الصين 200 مليار كيلووات في الساعة، وهو ضعف توليد الطاقة المشترك لسد المضائق الثلاثة ومحطة كهرباء جيتشوبا (حوالي 100 مليار كيلووات في الساعة).

في الواقع، بالنسبة لصناعة الحوسبة، فإن تكلفة الكهرباء هي أيضًا التكلفة الأساسية إلى جانب تكلفة الرقائق.

**إذا لم يتم توليد الكهرباء المستهلكة عن طريق الطاقة المتجددة، فستكون هناك انبعاثات كربونية. وهذا هو السبب في أن نماذج التعلم الآلي تولد أيضًا انبعاثات الكربون. ChatGPT ليس استثناءً. **

وتشير البيانات إلى أن تدريب GPT-3 يستهلك 1287 ميجاوات في الساعة (ميجاوات في الساعة)، وهو ما يعادل انبعاث 552 طنًا من الكربون. وفي هذا الصدد، قام باحث البيانات المستدامة كاسبار لودفيغسن أيضًا بتحليل: "يمكن تفسير الانبعاثات الكبيرة لـ GPT-3 جزئيًا بحقيقة أنه تم تدريبه على أجهزة أقدم وأقل كفاءة، ولكن نظرًا لعدم وجود طريقة موحدة لقياس انبعاثات ثاني أكسيد الكربون، فإن هذه الأرقام تعتمد على التقديرات. بالإضافة إلى ذلك، فإن معيار مقدار هذا الجزء من قيمة انبعاث الكربون الذي يجب تخصيصه لتدريب ChatGPT هو أيضًا غامض نسبيًا. وتجدر الإشارة إلى أنه نظرًا لأن التعلم المعزز نفسه يتطلب طاقة إضافية فإنه يستهلك الكهرباء، وبالتالي فإن الكربون يجب أن تكون الانبعاثات الناتجة عن ChatGPT خلال مرحلة التدريب النموذجي أكبر من هذه القيمة. "تم حسابها فقط من خلال 552 طنًا من الانبعاثات، وهي تعادل استهلاك الطاقة السنوي لـ 126 أسرة دنماركية.

**في مرحلة التشغيل، على الرغم من أن استهلاك الطاقة لأفعال الأشخاص عند تشغيل ChatGPT صغير جدًا، إلا أنه قد يصبح أيضًا ثاني أكبر مصدر لانبعاثات الكربون نظرًا لحقيقة أنه قد يكون هناك مليار مرة يوميًا في العالم. **

أوضح كريس بولتون، المؤسس المشارك لشركة Databoxer، إحدى طرق الحساب، "أولاً، نقدر أن كل كلمة استجابة تستغرق 0.35 ثانية على وحدة معالجة الرسومات A100، بافتراض وجود مليون مستخدم مع 10 أسئلة لكل مستخدم، وتوليد 1000 10000 إجابة و300 مليون كلمة يوميًا، لكل منهما الكلمة هي 0.35 ثانية، ويمكن حساب أن وحدة معالجة الرسومات A100 تعمل لمدة 29167 ساعة يوميًا."

تسرد Cloud Carbon Footprint الحد الأدنى لاستهلاك الطاقة لوحدة معالجة الرسومات A100 في مركز بيانات Azure وهو 46 وات والحد الأقصى لاستهلاك الطاقة 407 وات. وبما أنه من المحتمل ألا تكون العديد من معالجات ChatGPT في وضع الخمول، فإن استهلاك الطاقة اليومي سيصل إلى 11870 كيلو وات في الساعة في الجزء العلوي من النطاق.

وقال كريس بولتون: "إن عامل الانبعاث في غرب الولايات المتحدة هو 0.000322167 طن/كيلوواط ساعة، لذلك ستنتج 3.82 طن من مكافئ ثاني أكسيد الكربون يومياً. وينتج المواطن الأمريكي العادي حوالي 15 طناً من مكافئ ثاني أكسيد الكربون سنوياً. وبعبارة أخرى، "هذا يعادل انبعاثات ثاني أكسيد الكربون السنوية لـ 93 أمريكيًا. المعدل قابل للمقارنة. "

على الرغم من أن الطبيعة "الافتراضية" تجعل من السهل على الناس تجاهل كتب الكربون الخاصة بالمنتجات الرقمية، إلا أن الإنترنت كانت منذ فترة طويلة واحدة من أكبر الآلات التي تعمل بالفحم على هذا الكوكب. **تشير دراسة بيركلي حول موضوع استهلاك الطاقة والذكاء الاصطناعي إلى أن الذكاء الاصطناعي يستهلك الطاقة تقريبًا. **

على سبيل المثال، استخدم نموذج اللغة T5 الذي تم تدريبه مسبقًا من Google 86 ميجاوات من الكهرباء وأنتج 47 طنًا متريًا من انبعاثات ثاني أكسيد الكربون، واستخدم برنامج الدردشة الآلي متعدد الجولات في المجال المفتوح Meena من Google 232 ميجاوات من الكهرباء وولد 96 طنًا متريًا من انبعاثات ثاني أكسيد الكربون. الإطار الذي طورته Google - استخدم GShard 24 ميجاوات من الكهرباء وأنتج 4.3 طنًا متريًا من انبعاثات ثاني أكسيد الكربون؛ واستخدمت خوارزمية التوجيه Switch Transformer التي طورتها Google 179 ميجاوات من الكهرباء وأنتجت 59 طنًا متريًا من انبعاثات ثاني أكسيد الكربون.

وقد زادت قوة الحوسبة المستخدمة في التعلم العميق بعامل قدره 300000 بين عامي 2012 و2018، مما يجعل GPT-3 يبدو وكأنه الذي له أكبر تأثير على المناخ. ومع ذلك، عندما يعمل في وقت واحد مع الدماغ البشري، فإن استهلاك طاقة الدماغ البشري يبلغ 0.002٪ فقط من استهلاك الآلة.

لا يستهلك الكهرباء فحسب، بل يستهلك الماء أيضًا

بالإضافة إلى استهلاك الطاقة المذهل، فإن الذكاء الاصطناعي يستهلك أيضًا الكثير من المياه.

وفي الواقع، بغض النظر عن استهلاك الطاقة أو استهلاك المياه، فهو لا ينفصل عن المركز الرقمي، وهو ركيزة العالم الرقمي. باعتبارها الخوادم ومعدات الشبكات التي تعمل على تشغيل الإنترنت وتخزين كميات هائلة من البيانات، تتطلب مراكز البيانات العالمية الكثير من الطاقة لتشغيلها، وتعد أنظمة التبريد أحد المحركات الرئيسية لاستهلاك الطاقة. **

والحقيقة هي أن مركز البيانات الكبير للغاية يستهلك ما يقرب من 100 مليون كيلووات/ساعة من الكهرباء كل عام، وقد أدى تطوير الذكاء الاصطناعي التوليدي إلى زيادة استهلاك الطاقة في مركز البيانات. نظرًا لأن النماذج واسعة النطاق تتطلب غالبًا عشرات الآلاف من وحدات معالجة الرسومات، فقد تتراوح فترة التدريب من بضعة أسابيع إلى عدة أشهر، وتتطلب هذه العملية قدرًا كبيرًا من الطاقة.

تولد خوادم مراكز البيانات الكثير من الطاقة الحرارية أثناء التشغيل، ويعتبر التبريد المائي هو الطريقة الأكثر شيوعًا للخوادم، مما يؤدي بدوره إلى استهلاك ضخم للطاقة المائية. تشير البيانات إلى أن GPT-3 يستهلك ما يقرب من 700 طن من الماء أثناء التدريب، ثم يستهلك 500 ملليلتر من الماء لكل 20-50 سؤالاً يتم الإجابة عليه.

ووفقا لدراسة أجرتها جامعة فرجينيا للتكنولوجيا، تستهلك مراكز البيانات ما متوسطه 401 طن من المياه يوميا للتبريد، وهو ما يعادل استهلاك المياه لـ 100 ألف أسرة. واستخدمت ميتا أكثر من 2.6 مليون متر مكعب (حوالي 697 مليون جالون) من المياه في عام 2022، معظمها لمراكز البيانات. كما يتطلب أحدث نموذج لغوي واسع النطاق، "Llama 2"، الكثير من الماء لتدريبه. ومع ذلك، في عام 2022، سيواجه خمس مراكز بيانات ميتا "نقصًا في المياه".

بالإضافة إلى ذلك، فهي شريحة بنية تحتية مهمة أخرى للذكاء الاصطناعي، وعملية تصنيعها هي أيضًا عملية تستهلك الكثير من موارد الطاقة والمياه. من حيث الطاقة، تتطلب عملية تصنيع الرقائق الكثير من الطاقة، وخاصة رقائق العمليات المتقدمة. قام تقرير منظمة البيئة الدولية غرينبيس بشرق آسيا بعنوان "استهلاك الطاقة وتوقعات انبعاثات الكربون لسلسلة توريد الإلكترونيات الاستهلاكية" بدراسة انبعاثات الكربون لـ 13 شركة رائدة في تصنيع الإلكترونيات في شرق آسيا، بما في ذلك Samsung Electronics وTSMC، وقال إن صناعة تصنيع الإلكترونيات، وخاصة صناعة الإلكترونيات صناعة أشباه الموصلات تتزايد انبعاثات الكربون، وسوف يرتفع استهلاك الكهرباء في صناعة أشباه الموصلات العالمية إلى 237 تيراواط ساعة بحلول عام 2030.

فيما يتعلق باستهلاك الموارد المائية، تتطلب عملية رقاقة السيليكون تنظيف "المياه فائقة النقاء"، وكلما زادت عملية تصنيع الرقائق، زاد استهلاك المياه. يستغرق الأمر حوالي 32 كيلوجرامًا من الماء لإنتاج شريحة كمبيوتر بوزن 2 جرام. ويستهلك تصنيع الرقائق مقاس 8 بوصة حوالي 250 طنًا من الماء في الساعة، ويمكن أن يصل إنتاج الرقائق مقاس 12 بوصة إلى 500 طن.

**تمتلك شركة TSMC قدرة إنتاجية سنوية للرقائق تبلغ حوالي 30 مليون رقاقة، ويستهلك إنتاج الرقائق حوالي 80 مليون طن من الماء. أصبحت الموارد المائية الكافية شرطًا ضروريًا لتطوير صناعة الرقائق. **في يوليو 2023، قررت وزارة الاقتصاد والتجارة والصناعة اليابانية إنشاء نظام جديد لتقديم الإعانات لبناء المرافق التي توفر المياه الصناعية لمصانع أشباه الموصلات لضمان المياه الصناعية اللازمة لإنتاج أشباه الموصلات.

على المدى الطويل، سيؤدي تعزيز وتطبيق الذكاء الاصطناعي التوليدي والقيادة بدون طيار إلى مزيد من النمو في صناعة تصنيع الرقائق، يليه استهلاك كبير لموارد الطاقة.

**من يستطيع توفير استهلاك الطاقة للذكاء الاصطناعي؟ **

ويمكن القول أن استهلاك الطاقة أصبح اليوم نقطة ضعف تقيد تطور الذكاء الاصطناعي. وفقًا للمسار التقني الحالي ونموذج التطوير، فإن تقدم الذكاء الاصطناعي سوف يسبب مشكلتين:

**من ناحية، سيصبح حجم مركز البيانات أكبر وأكبر، وسيزداد استهلاك الطاقة أيضًا وفقًا لذلك، وسيصبح التشغيل أبطأ وأبطأ. **

من الواضح أنه مع تعميم تطبيقات الذكاء الاصطناعي، سيزداد طلب الذكاء الاصطناعي على موارد مراكز البيانات بشكل كبير. تتطلب مراكز البيانات واسعة النطاق كميات كبيرة من الكهرباء لتشغيل الخوادم وأجهزة التخزين وأنظمة التبريد. ويؤدي هذا إلى زيادة استهلاك الطاقة، بينما يثير أيضًا قضايا استقرار إمدادات الطاقة والأثر البيئي. قد يؤدي النمو المستمر لمراكز البيانات أيضًا إلى الضغط على إمدادات الطاقة، وقد يؤدي الاعتماد على مصادر الطاقة التقليدية لتلبية احتياجات الطاقة لمراكز البيانات إلى ارتفاع أسعار الطاقة وعدم استقرار العرض. وبطبيعة الحال، فإن الاستهلاك العالي للطاقة في مراكز البيانات له أيضًا آثار بيئية، بما في ذلك انبعاثات ثاني أكسيد الكربون واستهلاك الطاقة.

**من ناحية أخرى، تتطور رقائق الذكاء الاصطناعي نحو قوة حاسوبية عالية وتكامل عالي، وتعتمد على عمليات التصنيع لدعم نمو ذروة قوة الحوسبة، ومع تقدم عمليات التصنيع، يتزايد أيضًا استهلاكها للطاقة واستهلاك المياه. **

لذا، في مواجهة هذا الاستهلاك الضخم للطاقة في مجال الذكاء الاصطناعي، هل لدينا طريقة أفضل؟ وفي الواقع فإن أفضل طريقة لحل المعضلة التقنية هي تطوير تقنيات جديدة.

من ناحية، يتطلب تقدم الذكاء الاصطناعي في حقبة ما بعد مور إيجاد نماذج وأساليب جديدة أكثر مصداقية.

في الواقع، اليوم، يرتبط السبب الذي يجعل الذكاء الاصطناعي سيجلب مشاكل هائلة في استهلاك الطاقة ارتباطًا وثيقًا بالطريقة التي يدرك بها الذكاء الاصطناعي الذكاء.

يمكننا مقارنة بناء وتشغيل الشبكات العصبية الاصطناعية في هذه المرحلة بمجموعة من "الخلايا العصبية" الاصطناعية المستقلة التي تعمل معًا. تشبه كل خلية عصبية وحدة حسابية صغيرة تأخذ المعلومات، وتقوم ببعض الحسابات، وتنتج مخرجات. يتم بناء الشبكات العصبية الاصطناعية اليوم من خلال التصميم الذكي لكيفية توصيل وحدات الحوسبة هذه بحيث تتمكن، بمجرد تدريبها، من أداء مهام محددة.

لكن الشبكات العصبية الاصطناعية لها أيضًا حدودها. على سبيل المثال، إذا كنا بحاجة إلى استخدام شبكة عصبية لتمييز الدائرة عن المربع. تتمثل إحدى الطرق في وضع خليتين عصبيتين في طبقة الإخراج، واحدة للدائرة والأخرى للمربع. ومع ذلك، إذا أردنا أن تكون الشبكة العصبية أيضًا قادرة على تمييز ألوان الأشكال، مثل الأزرق والأحمر، فإننا نحتاج إلى أربع خلايا عصبية للإخراج: دائرة زرقاء، ومربع أزرق، ودائرة حمراء، ومربع أحمر.

وهذا يعني أنه مع زيادة تعقيد المهمة، فإن بنية الشبكة العصبية تتطلب أيضًا المزيد من الخلايا العصبية لمعالجة المزيد من المعلومات. والسبب هو أن الطريقة التي تحقق بها الشبكات العصبية الاصطناعية الذكاء ليست هي الطريقة التي يدرك بها الدماغ البشري العالم الطبيعي، ولكن "بالنسبة لجميع التركيبات، يجب أن يحتوي الجهاز العصبي للذكاء الاصطناعي على خلية عصبية مقابلة".

على النقيض من ذلك، يمكن للعقل البشري أن يقوم بمعظم عملية التعلم دون عناء، لأن المعلومات الموجودة في الدماغ تتمثل في نشاط عدد كبير من الخلايا العصبية. وهذا يعني أن إدراك الدماغ البشري للمربع الأحمر لا يتم تشفيره على أنه نشاط خلية عصبية واحدة، ولكنه يتم تشفيره على أنه نشاط آلاف الخلايا العصبية. يمكن لنفس المجموعة من الخلايا العصبية، التي تعمل بطرق مختلفة، أن تمثل مفهومًا مختلفًا تمامًا.

**كما ترون، فإن حوسبة الدماغ البشري هي طريقة حوسبة مختلفة تمامًا. وإذا تم تطبيق طريقة الحساب هذه على تكنولوجيا الذكاء الاصطناعي، فسوف تقلل بشكل كبير من استهلاك الطاقة في الذكاء الاصطناعي. **وطريقة الحساب هذه هي ما يسمى بـ "الحساب فائق الأبعاد". وذلك لتقليد طريقة الحساب للدماغ البشري، واستخدام المساحة الرياضية عالية الأبعاد لإجراء العمليات الحسابية لتحقيق عملية حسابية أكثر كفاءة وذكاء.

على سبيل المثال، نموذج التصميم المعماري التقليدي ثنائي الأبعاد، ولا يمكننا رسم سوى الرسومات على المستوى، ويمثل كل رسم جانبًا مختلفًا من المبنى، مثل تخطيط الأرضية وتوجيه الأسلاك. ولكن مع ازدياد تعقيد المباني، نحتاج إلى المزيد والمزيد من الرسومات لتمثيل جميع التفاصيل، الأمر الذي يستغرق الكثير من الوقت والورق.

ويبدو أن الحوسبة فائقة الأبعاد تزودنا بطريقة تصميم جديدة. يمكننا تصميم المباني بثلاثة أبعاد، حيث يمثل كل بعد خاصية ما مثل الطول والعرض والارتفاع والمادة واللون وغيرها. علاوة على ذلك، يمكننا أيضًا التصميم في مساحة ذات أبعاد أعلى، مثل البعد الرابع الذي يمثل تغيرات المباني في نقاط زمنية مختلفة. يتيح لنا ذلك إكمال جميع التصميمات في رسم واحد فائق، مما يلغي الحاجة إلى مجموعة من الرسومات ثنائية الأبعاد، مما يحسن الكفاءة بشكل كبير.

وبالمثل، يمكن مقارنة استهلاك الطاقة في التدريب على الذكاء الاصطناعي بتصميم المباني. يتطلب التعلم العميق التقليدي كمية كبيرة من موارد الحوسبة لمعالجة كل ميزة أو سمة، بينما تضع الحوسبة فائقة الأبعاد جميع الميزات في مساحة عالية الأبعاد للمعالجة. وبهذه الطريقة، يمكن للذكاء الاصطناعي إدراك ميزات متعددة في نفس الوقت فقط من خلال إجراء العمليات الحسابية مرة واحدة، وبالتالي توفير الكثير من وقت الحساب واستهلاك الطاقة.

** ومن ناحية أخرى إيجاد حلول جديدة لموارد الطاقة مثل تكنولوجيا الاندماج النووي. **تعتبر تكنولوجيا توليد الطاقة بالاندماج النووي أحد الحلول النهائية لمشكلة انبعاثات الكربون العالمية لأنها في الأساس لا تولد نفايات نووية ولا يوجد بها أي تلوث بانبعاثات الكربون أثناء عملية الإنتاج.

في مايو 2023، وقعت مايكروسوفت اتفاقية شراء مع شركة Helion Energy، وهي شركة ناشئة في مجال الاندماج النووي، لتصبح العميل الأول للشركة وستشتري الكهرباء عندما تقوم الشركة ببناء أول محطة للطاقة بالاندماج النووي في العالم في عام 2028. علاوة على ذلك، على المدى الطويل، حتى لو حقق الذكاء الاصطناعي انخفاضًا في استهلاك الطاقة لكل وحدة من الطاقة الحاسوبية من خلال مصابيح حوسبة فائقة الأبعاد، فإن الاختراقات في تكنولوجيا الاندماج النووي أو غيرها من تقنيات الطاقة منخفضة الكربون يمكن أن تجعل تطوير الذكاء الاصطناعي لم يعد مقيدًا بالكربون. الانبعاثات.. لا يزال يحظى بدعم كبير وأهمية الترويج.

ففي نهاية المطاف، لا يزال من الممكن حل مشكلة استهلاك الطاقة والموارد التي جلبتها التكنولوجيا بشكل جذري فقط على المستوى الفني. تقيد التكنولوجيا تطور التكنولوجيا وتعزز أيضًا تطور التكنولوجيا، وهو ما كان عليه الحال منذ العصور القديمة.