خبرگزاری علم و فناوری آنا؛ درعصر فناوری پیشرفته هوش مصنوعی ، یک پارادوکس جذاب و اغلب نادیده گرفته وجود دارد: درحالی که مدل‌های هوش مصنوعی مانند چت جی‌پی‌تی و جانشینان آن انقلابی بزرگ در توانایی ما برای تولید متن‌های انسان‌گونه ایجاد کرده‌اند، به طور ناخواسته به نگرانی‌های اثرات زیست‌محیطی با ابعادی قابل توجه نیز دامن می‌زنند.
در پشت صحنه این جادوی دیجیتال شبکه پیچیده‌ای از محاسبات نهفته است که نیاز به قدرت محاسباتی بسیار زیادی دارد و این گرسنگی برای انرژی ، به ناچار منجر به انتشار کربن می‌شود. از این رو در این گزارش به دنیای مدل‌های هوش مصنوعی قدم می‌گذاریم و تاثیرات آن‌ها بر محیط زیست را بررسی می‌کنیم.
دانشمندان دانشگاه کالیفرنیا، ایروین و ام‌آی‌تی، اوایل سال جاری مقاله‌ای را منتشر کردند که فرضیات مصرف انرژی مدل‌های هوش مصنوعی مولد را تغییر می‌دهد و ردپای کربن هوش مصنوعی مشخص می‌کند که در هفته گذشته بحثی را بین محققان و کارشناسان برجسته هوش مصنوعی به راه انداخته است.
از بلاک چین تا مدل‌های هوش مصنوعی؛ اثرات زیست محیطی باید اندازه‌گیری شود
نویسندگان این مقاله، «بیل تاملینسون» و «دان پترسون» از اساتید دانشگاه کالیفرنیا و «اندرو تورنس» از اساتید دانشکده مدیریت اسلون ام‌آی‌تی، در مصاحبه‌ای، دیدگاه‌هایی را در مورد آنچه که امیدوار به اندازه گیری آن بودند، ارائه کردند.
تاملینسون گفت که این مقاله در اصل در ماه مارس منتشر شد و در حال حاضر در دست بررسی است.
از بلاک چین تا مدل‌های هوش مصنوعی؛ اثرات زیست‌محیطی باید اندازه‌گیری شود
نویسندگان این مطالعه داده‌های موجود در مورد تأثیرات زیست محیطی سیستم‌های هوش مصنوعی، فعالیت‌های انسانی و تولید متن و تصویر را تجزیه و تحلیل کردند. این اطلاعات از مطالعات و پایگاه‌های داده‌ای جمع‌آوری شده‌اند که چگونگی تاثیر هوش مصنوعی و انسان بر محیط زیست را مطالعه می‌کنند.
به عنوان مثال، آن‌ها از یک برآورد غیررسمی و آنلاین براساس ترافیک ۱۰ میلیون پرس‌و‌جو ازچت جی‌پی‌تی استفاده کردند که تقریبا ۳.۸۲ تن کربن دی اکسید در روز تولید می‌کند در حالی که رد پای آموزشی ۵۵۲ تن کربن دی اکسید را نیز از بین می‌برد. همچنین، برای مقایسه بیشتر، آن‌ها داده‌های یک مدل زبانی بزرگ (LLM) کم اثر به نام «بلوم» (BLOOM) را در نیز نظر گرفتند.
از جنبه انسانی، آن‌ها از هر دو نمونه از رد پای کربن متوسط سالانه افرادی از ایالات متحده (۱۵ متریک تن) و هند (۱.۹ متریک تن) برای مقایسه اثرات مختلف سرانه انتشار گاز‌های گلخانه‌ای در مدت زمان تخمینی برای نوشتن یک صفحه متن یا ایجاد یک تصویر استفاده کردند.
محققان بر اهمیت اندازه گیری انتشار کربن از فعالیت‌های مختلف مانند هوش مصنوعی به منظور اطلاع رسانی و سیاست‌گذاری در مورد مسائل پایداری تاکید کردند.
پترسون در یک مصاحبه تلفنی گفت: بدون چنین تحلیلی، ما نمی‌توانیم هیچ نوع تصمیم منطقی در مورد نحوه هدایت یا اداره آینده هوش مصنوعی بگیریم. ما به نوعی اطلاعات پایه نیاز داریم، داده‌هایی که بتوانیم گام بعدی را براساس آن‌ها برداریم.
تاملینسون همچنین به سوالات شخصی که الهام بخش کار آن‌ها است، اشاره کرد و توضیح داد: من دوست دارم بتوانم در محدوده‌ای زندگی کنم که محیط زیست زمین می‌تواند از آن پشتیبانی کند. شاید از هوش مصنوعی به عنوان یک رسانه خلاق بدون اینکه آسیب زیادی ببیند، استفاده کنم. اما اگر آسیب زیادی به دنبال داشته باشد، انجام کار با هوش مصنوعی را متوقف خواهم کرد.
پترسون در مورد تحلیل قبلی خود از فناوری بلاک چین توضیحاتی ارائه داد و گفت: تاثیر زیست محیطی الگوریتم‌ها تا حد زیادی در اخبار منتشر شده است؛ بنابراین من فکر می‌کنم که این یک پیشرفت طبیعی است که در مورد اثرات زیست محیطی و این ابزار‌های واقعاً عظیم مانند مدل‌های زبانی بزرگ فکر کنیم.
تورنس اشاره کرد که ما در دنیایی از سیستم‌های پیچیده زندگی می‌کنیم. واقعیت اجتناب ناپذیر سیستم‌های پیچیده، غیرقابل پیش بینی بودن نتایج این سیستم‌ها است.
او کار آن‌ها را اینگونه تعریف کرد که نه یک، نه دو، بلکه سه سیستم پیچیده و متفاوت آب و هوا، جامعه و هوش مصنوعی را در نظر می‌گیرند. یافته آن‌ها مبنی بر اینکه هوش مصنوعی ممکن است انتشار گاز‌های گلخانه‌ای را کاهش دهد ممکن است برای بسیاری از افراد شگفت انگیز به نظر برسد.
این مقاله زمانی مورد توجه بیشتر جامعه هوش مصنوعی قرار گرفت که یان لیکان، دانشمند ارشد هوش مصنوعی متا، نموداری از آن را در حساب اجتماعی خود در ایکس (توییتر سابق) منتشر کرد و از آن برای اثبات این موضوع استفاده کرد که استفاده از هوش مصنوعی مولد برای تولید متن یا تصویر، نسبت به حالت دستی و یا با کمک کامپیوتر ۳ تا ۴ مرتبه کربن دی اکسید کم تری منتشر می‌کند.
این امر توجه منتقدان روش مطالعه را در مقایسه انتشار کربن از انسان و مدل‌های هوش مصنوعی به خود جلب کرد.
ساشا لوچونی، محقق هوش مصنوعی و سرپرست آب و هوا درهاگینگ فیس، گفت: نمی‌توان کل ردپای کربن یک فرد را برای کل زندگی‌اش تخمین زد و سپس آن را به حرفه‌اش نسبت داد. نکته دوم این است که مقایسه رد پای انسان با ارزیابی چرخه حیات یا رد پای انرژی منطقی نیست، چرا که شما نمی‌توانید انسان‌ها را با اشیاء مقایسه کنید.
تجزیه و تحلیل چرخه حیات هنوز زود است
پترسون هنگام کمی‌سازی انتشار گاز‌های گلخانه‌ای در انسان، اذعان کرد که انجام هر نوع تجزیه وتحلیل کلی مصرف انرژی دشوار است، زیرا همه چیز به هم پیوسته است. تاملینسون موافقت کرد که مرز‌ها باید تعیین شوند، اما استدلال کرد: یک زمینه کامل به نام ارزیابی چرخه زندگی وجود دارد که ما در مقاله تحت بررسی همتایان بیشتر با آن درگیر هستیم.
لوچونی از هاگینگ فیس معتقد است که این کار باید انجام شود و رویکردی که نویسندگان این مطالعه در پیش گرفتند، ناقص است. لوچونی فراتر از یک رویکرد صریح که مستقیما انسان‌ها و مدل‌های هوش مصنوعی را مقایسه می‌کند، اشاره کرد که داده‌های واقعی که به طور دقیق این اثرات زیست محیطی را تعیین می‌کنند، پنهان و اختصاصی باقی می‌مانند. او همچنین اشاره کرد که محققان از کار او برای اندازه گیری انتشار کربن مدل زبان «بلوم» استفاده کردند.
بدون دسترسی به جزئیات کلیدی در مورد استفاده از سخت افزار، مصرف انرژی و منابع انرژی، تخمین ردپای کربن غیرممکن است. لوچونی گفت: اگر هر یک از این سه عدد را از دست داده‌اید، تخمین ردپای کربن درست نیست.
عدم شفافیت غول‌های فناوری
بزرگ‌ترین مسأله عدم شفافیت شرکت‌های فناوری است. لوچونی توضیح می‌دهد که ما هیچ کدام از این اطلاعات را درباره چت جی‌پی‌تی نداریم. نمی‌دانیم چقدر بزرگ است، به کجا می‌رود و چقدر انرژی مصرف می‌کند. ما هیچ کدام از این موارد را نمی‌دانیم. بدون اشتراک گذاری باز این داده‌ها، تاثیر کربن هوش مصنوعی نامشخص باقی خواهد ماند.
محققان بر اتخاذ رویکردی شفاف و مبتنی بر علم برای این سوالات پیچیده به جای طرح ادعا‌های بی‌اساس تاکید کردند. تورنس می‌گوید: علم یک رویکرد توافق شده برای پرسیدن و پاسخ دادن به سؤالات است که با مجموعه‌ای شفاف از قوانین همراه است، ما از دیگران استقبال می‌کنیم تا نتایج ما را با علم یا هر رویکرد دیگری که ترجیح می‌دهند آزمایش کنند.
کلام پایانی
نقش هوش مصنوعی در جامعه ما به سرعت در حال گسترش است و با این گسترش، مسئولیت برای تضمین پایداری آن افزایش می‌یابد. دیگر بحث این نیست که آیا هوش مصنوعی می‌تواند جایگزین سبزتری باشد یا خیر. مسئله این است که چگونه می‌توانیم از پتانسیل آن استفاده کنیم و در عین حال اثرات زیست محیطی آن را به حداقل برسانیم.
همانطورکه همچنان با پیچیدگی‌های اثرات زیست‌محیطی هوش مصنوعی دست و پنجه نرم می‌کنیم، یک چیز مسلم است: جستجوی دانش، جستجوی راه‌حل‌های پایدار و تعهد به آینده‌ای سبزتر باید در دنیای مبتنی بر هوش مصنوعی امروز یک اولویت باقی بماند.