هوش مصنوعی نه فقط بلعیدن برق ؛ هر سوال ساده ای از آن می تواند منابع آب جهان را به اندازه چند قطره به یک بطری کامل آب مصرف کند
علاوه بر مصرف انرژی ، براساس تجارت اخبار ، هوش مصنوعی نیز تشنه آب است. طبق تحقیقات دانشگاهی ، هر مکالمه مختصر با GPT-1 معادل مصرف یک بطری کوچک آب (حدود 2 میلی لیتر) در مراکز داده است. از همین مقدار آب برای نوشتن یک ایمیل 4 کلمه ای استفاده می شود. این شامل آب است که برای سرورهای خنک کننده و در نیروگاه هایی که مراکز داده را تأمین می کنند ، استفاده می شود. البته میزان واقعی مصرف بستگی به موقعیت جغرافیایی ، شرایط آب و هوایی و نوع فناوری مرکز داده دارد.
در پشت هر سؤال هوش مصنوعی دو جریان پنهان وجود دارد: اول ، آب مورد نیاز برای خنک کردن سرورها ، که معمولاً با برج های تبخیر انجام می شود ، مستقیماً از منابع محلی مانند رودخانه ها یا سفره های زیرزمینی برداشت می شود. دوم ، آب مورد استفاده در نیروگاه ها (زغال سنگ ، گاز ، هسته ای یا حتی آب) برای چرخه بخار و خنک کننده. در مقابل ، انرژی باد و خورشیدی تقریباً بدون مصرف آب کار می کند. این اختلافات باعث می شود نوع انرژی و سیستم خنک کننده تأثیر زیادی در آثار هوش مصنوعی داشته باشد.
مکان و زمان نیز مهم هستند. یک مرکز داده خنک و مرطوب در ایرلند می تواند ماهها با حداقل مصرف آب کار کند ، اما مرکز در آریزونا برای دفع گرما مجبور است مقادیر زیادی آب را در تابستان مصرف کند. حتی در طول روز ، تفاوت وجود دارد: در اوج گرما ، مصرف آب دو برابر شب است. برخی از فناوری های جدید ، مانند خنک کننده غوطه وری یا طراحی جدید مایکروسافت که ادعا می کند “مصرف آب صفر” در بخش خنک کننده است ، می تواند یک راه حل باشد ، اما به دلیل هزینه و دشواری اجرای آن هنوز فراگیر نبوده است.
نوع مدل هوش مصنوعی نیز مهم است. مدل های پیچیده تر به انرژی و آب بیشتری نیاز دارند. به عنوان مثال ، یک پاسخ متوسط از GPT-1 حدود 1.5 وات انرژی مصرف می کند که معادل 1 تا 2 میلی لیتر آب است ، در حالی که همان خروجی GPT-1 فقط به 1 تا 2.5 میلی لیتر آب نیاز دارد. در مقایسه ، گزارش گوگل نشان می دهد که هر سؤال فقط 1.5 میلی لیتر آب مصرف می کند. این تفاوت ناخالص نشان می دهد که بهینه سازی معماری مدل ها و زیرساخت ها می تواند در ردپاهای آبی تفاوت معنی داری ایجاد کند.
سرانجام ، اگرچه کل مصرف روزانه آب توسط میلیون ها سؤال هوش مصنوعی (به عنوان مثال ، حدود 2 میلیون لیتر برای GPT-2) قابل توجه است ، اما هنوز هم بسیار کمتر از استفاده از آبیاری چمن در ایالات متحده است (روزانه 2 میلیارد لیتر). با این حال ، رشد سریع تقاضا برای هوش مصنوعی ، نیاز به شفافیت شرکت ها و تهیه داده های دقیق را دو برابر می کند. با استفاده از مراکز داده در مناطق خنک و زیاد آب ، بازیافت آب و سرمایه گذاری در فن آوری های خنک کننده جدید می تواند آینده ای پایدار را برای صنعت فراهم کند
منبع: فارس
