تحلیل تاثیرات زیست محیطی هوش مصنوعی
فاطمه لطفی، خبرنگار، در مقاله‌ای که در روزنامه اعتماد منتشر شده، به دو پدیده به نظر مستقل و ناهمخوان اشاره می‌کند: تغییرات اقلیمی و ظهور هوش مصنوعی. در اولین نگاه ممکن است به نظر برسد بین این دو موضوع ارتباطی مستقیم وجود ندارد، به جز اینکه شما بتوانید از هوش مصنوعی در مورد تغییرات اقلیمی سوال کنید و پاسخی دریافت کنید. اما نظریه‌پردازان اقلیمی و متخصصان اقتصاد انرژی چنین نظری ندارند.
تعداد زیادی از کارشناسان محیط زیست و انرژی بر این باورند که هوش مصنوعی ممکن است مشکلات اقلیمی را بدتر کند. واقعیت این است که به دلیل نیاز بالای انرژی مراکز داده، هوش مصنوعی می‌تواند موجب افزایش انتشار گازهای گلخانه‌ای شود، که خود از عوامل اصلی تشدید پیامدهای اقلیمی هستند. شرکت مالی و بانکی آمریکایی ولز فارگو پیش‌بینی کرده که تقاضای انرژی برای هوش مصنوعی تا سال ۲۰۲۶ به میزان ۵۵۰ درصد افزایش خواهد یافت و مصرف برق از ۸ تراوات ساعت در سال ۲۰۲۴ به ۵۲ تراوات ساعت خواهد رسید.
اما این داستان تنها به همین میزان محدود نمی‌شود؛ یک افزایش قابل توجه ۱۱۵۰ درصدی دیگر نیز در افق است. پیش‌بینی می‌شود رقم ۶۵۲ تراوات ساعت تا سال ۲۰۳۰ محقق شود. این رشد چشمگیر ۸۰۵۰ درصدی نسبت به پیش‌بینی سال ۲۰۲۴ است. آنالیزگران معتقدند که پیش‌بینی‌های خوش‌باورانه غول‌های تکنولوژی درباره نقش کلیدی هوش مصنوعی در حل بحران اقلیمی معمولاً از خواسته‌های رو به رشد برای انرژی مراکز بزرگ داده غافل می‌شوند. بنابراین سوال این است که آیا هوش مصنوعی زندگی ما را بهبود می‌بخشد یا آن را بدتر می‌کند؟
خوشبینی یا بدبینی؛ دلیل کدام یک بهتری است؟
در تاریخ ۱۰ و ۱۱ فوریه ۲۰۲۵ (۲۲ و ۲۳ بهمن ماه)، فرانسه میزبان اجلاس «اقدام هوش مصنوعی» خواهد بود که دارای حضور مقامات بلندپایه کشورهای مختلف، رهبران سازمان‌های جهانی، مدیران خطرناکی از شرکت‌های بزرگ و کوچک، نمایندگان دانشگاه‌ها و نهادهای غیر دولتی، و فعالان مدنی خواهد بود. یکی از محورهای اصلی این اجلاس بررسی ابعاد زیست‌محیطی هوش مصنوعی و تأثیرات آن، چه مثبت و چه منفی، بر روی بحران اقلیمی خواهد بود.
تشدید بحران تغییر اقلیم و رشد سریع هوش مصنوعی در حال آماده‌سازی زمان تغییرات ژرفی در زندگی ما از جمله در سیاست‌ها، اقتصاد و جنبه‌های روزمره زندگی است. اما آنچه معمولاً نادیده گرفته می‌شود، روش‌های بی‌شماری است که تغییر اقلیم و هوش مصنوعی در هم تنیده و بر یکدیگر تأثیر می‌گذارند. طبیعت بشری تمایل به ساده‌سازی دارد، و به همین دلیل بسیاری از گفته‌های کنونی به هیچ وجه به پیچیدگی رابطه بین این دو پدیده توجه نمی‌کنند.
در حالی که برخی از فناوری دوستان به بهبود اوضاع جهانی از طریق هوش مصنوعی امیدوارند، بدبینان بر خطرات آن تأکید دارند و بر این نکته اشاره می‌کنند که فناوری‌های جدید ممکن است بحران‌هایی را که می‌خواهند حل کنند، تشدید کنند. با این حال، هوش مصنوعی ظرفیت کمک به ما در تحقق اهداف اقلیمی را دارد و سیاست‌های هوشمندانه می‌توانند و باید هزینه‌های آن را کاهش دهند.
به همین دلیل، پیش‌بینی‌های خوش‌بینانه رهبران سیلیکون‌ولی در مورد توان بالقوه هوش مصنوعی برای حل بحران اقلیم نیاز به بازنگری دارد. به عنوان نمونه، سام آلتمن، مدیرعامل اوپن‌ای‌آی، مقاله‌ای در سپتامبر منتشر کرد که تصویری از آینده‌ای ترسیم می‌کند که در آن هوش مصنوعی به شکل بی‌حد و مرزی غلبه‌هایی بزرگ را به واقعیت بدل می‌سازد، شامل رفع بحران اقلیم، تشکیل مستعمرات فضایی و کشف رازهای فیزیک.
اریک اشمیت، مدیرعامل سابق گوگل نیز تأکید می‌کند که هوش مصنوعی بر مسأله اقلیمی مؤثر است، اما او گفت: «من تمایل دارم بر حل مشکل هوش مصنوعی تمرکز دهم تا محدود کردن آن.» شرکت‌های بزرگ مانند گوگل و مایکروسافت اغلب درباره استفاده از هوش مصنوعی در راستای پایداری سخن می‌گویند. با این حال، واقعیت نشان می‌دهد که انتشار دی‌اکسید کربن این غول‌ها در سال‌های ۲۰۱۹ و ۲۰۲۰ به ترتیب ۴۸ درصد و ۲۹ درصد افزایش یافته است، که به‌طور عمده ناشی از تقاضای بالا برای انرژی در مراکز داده بزرگ می‌باشد.
بدون تردید، پیشرفت‌هایی که در زمینه پردازش داده‌ها و محاسبات مرتبط با هوش مصنوعی صورت می‌گیرد، می‌تواند سرعت تحقیقات علمی را افزایش دهد و به ما کمک کند تا با چالش‌های فوری جهانی دست و پنجه نرم کنیم. به عنوان مثال، مدل‌های آلفافولد دیپ‌مایند، درک ما را از ساختارهای پروتئینی متحول کرده و نتایج بسیار شگفت‌انگیزی را در علوم زیستی به وجود آورده است. اما این پیشرفت‌ها، که برآمده از همکاری‌های چندجانبه پژوهشگران و دانشمندان هوش مصنوعی است، فاصله زیادی با دستیابی به یک هوش مصنوعی دانای کل (AGI) که بتواند به‌سرعت مسائل پیچیده علمی و فنی را حل کند، دارد.
در واقع، انسان نه تنها هنوز نتوانسته به یک هوش مصنوعی دانای کل دست یابد، بلکه حتی به آن نزدیک هم نشده است. حتی اگر بر اساس پیش‌بینی‌های خوش‌بینانه‌ترین حامیان هوش مصنوعی، این نوع جدید از هوش تا ۵ سال آینده ظهور کند و همزمان پیشرفت‌هایی در همجوشی هسته‌ای پایدار یا کارایی سلول‌های خورشیدی حاصل شود، بشر همچنان با واقعیت‌های سیاسی و اقتصادی ناپایدار در گذار به انرژی پاک دست به گریبان خواهد بود.
در حال حاضر بسیاری از فناوری‌های لازم برای دستیابی به انتشار خالص صفر وجود دارند و می‌توانند با بهره‌وری و مقرون‌به‌صرفه‌تر شدن به کار گرفته شوند، اما چالش‌های موجود در مسیر استقرار و گسترش این فناوری‌ها نمایانگر تضاد منافع سیاسی، اقتصادی، مالی و اجتماعی است که شکل‌دهنده منظر ژئوپلیتیک جهانی می‌باشد. اینجاست که تحلیلگران معتقدند خوشبینی آلتمن و دیگر رهبران مقاصد فناوری درباره توانایی هوش مصنوعی در حل بحران اقلیم، واقعیت‌ها را پنهان کرده و با توجه به ردپای کربن بزرگ مراکز داده، اتکا به چنین وعده‌هایی برای آینده بشر بسیار نگران‌کننده خواهد بود.
آمارها نشان می‌دهد که مراکز داده مصرف برق معادل ۲ تا ۴ درصد از کل مصرف برق ایالات متحده، اتحادیه اروپا و چین و بیش از ۲۰ درصد از مصرف برق ایرلند را به خود اختصاص داده‌اند.
نکته تأسف‌بار این است که آن‌هایی که ردپای بزرگ‌تری در تولید کربن دارند، مانند آمازون، اپل، مایکروسافت، گوگل و متا، به شیوه‌های خاصی برای فریب افکار عمومی متوسل می‌شوند، همانند کسب گواهی‌های انرژی تجدیدپذیر تا بتوانند ردپای خود در بحران اقلیم را پوشش دهند.
برخی بر این عقیده‌اند که مدل‌های اخیر منتشر شده توسط شرکت چینی DeepSeek به همین سبب که نسبت به همتایان آمریکایی خود در زمینه مصرف انرژی کارآمدتر به نظر می‌رسند، حواس‌ها را جلب کرده است.
اما این یک پارادوکس است؛ محققان نشان داده‌اند که افزایش کارآیی و در نتیجه کاهش هزینه‌ها، می‌تواند احتمال رشد تقاضا برای عملکردهای جدید هوش مصنوعی را افزایش داده و در نتیجه مصرف انرژی را نیز بالا ببرد.
از این رو، محققان حوزه محیط زیست معتقدند به‌جای اینکه سوال بپرسیم آیا هوش مصنوعی می‌تواند به دستیابی به اهداف اقلیمی کمک کند، باید اطمینان حاصل کنیم که قبل از اینکه این فناوری‌ها بتوانند به وعده‌هایشان عمل کنند، مراکز داده تشنه انرژی و منابع، ممکن است زمین را از نقاط اوج زیست‌محیطی عبور ندهند. به اعتقاد این محققان، تحقق چنین هدفی مستلزم این است که مراکز داده و صاحبان فناوری، اطلاعات مربوط به انتشار گازهای گلخانه‌ای را افشا کرده و گزارش‌های دقیقی از آن ارائه دهند. همچنین ایجاد سیستم‌های مالیاتی برای انتشارات نیز می‌تواند راه‌حل مؤثری برای کاهش آثار مخرب این مراکز داده باشد.
دریایی فراتر از کربن
حتی اگر کارشناسان بخواهند تنها بر میزان گازهای گلخانه‌ای منتشرشده از مراکز داده تمرکز کنند، محاسبه تأثیر دقیق هوش مصنوعی بر بحران اقلیم کارسختی است، زیرا انواع متنوعی از هوش مصنوعی مانند مدل‌های یادگیری ماشینی، خودروهای خودران، یا مدل‌های زبان بزرگ (به عنوان مثال ربات‌های چت) همگی به مقدار متفاوتی از محاسبات نیاز دارند. برآوردها نشان می‌دهد که زمانی که اوپن‌ای‌آی مدل زبان بزرگ GPT-3 را آموزش داد، هم‌ارز با ۵۰۰ تن دی اکسید کربن تولید شد. مدل‌های ساده‌تر، معمولاً کمترین مقدار انتشار را دارند.
اما وقتی که تأثیر این شرکت‌ها تنها از منظر انتشار گازهای گلخانه‌ای بررسی نمی‌شود، درک ارتباط بین این مدل‌ها و محیط زیست پیچیده‌تر می‌شود. دیوید رولنیک، دانشمند علوم کامپیوتر از دانشگاه مک گیل، هوش مصنوعی را به چکش تشبیه می‌کند و می‌گوید: «تأثیر اصلی یک چکش مرتبط با آن کسی است که چکش را به کار می‌برد نه با خود چکش.» به همین ترتیب، هوش مصنوعی می‌تواند هم به محیط زیست آسیب بزند و هم به آن کمک کند.
وضعیت صنعت سوخت‌های فسیلی را در نظر بگیرید. مایکروسافت در سال ۲۰۱۹ همکاری جدیدی با اکسون موبیل آغاز کرد و اکسون موبیل اعلام کرد که به‌منظور بهینه‌سازی عملیات استخراج نفت از پلتفرم محاسبات ابری مایکروسافت آژر استفاده خواهد کرد. این غول نفتی ادعا کرد که با اتکا به این فناوری، که بخش‌هایی از کارهایش به هوش مصنوعی وابسته است، می‌تواند تولید نفت خود را تا سال ۲۰۲۵ به میزان ۵۰ هزار بشکه در روز افزایش دهد. در این مورد، هوش مصنوعی مایکروسافت به‌طور مستقیم برای تولید بیشتر سوخت‌های فسیلی مورد استفاده قرار می‌گیرد که با سوزاندن آن‌ها، گازهای گلخانه‌ای منتشر می‌شود.
هوش مصنوعی تنها یک کاربرد مضر برای محیط زیست نبوده و اِما استروبل، دانشمند علوم کامپیوتر از دانشگاه کارنگی ملون، تأکید می‌کند که نمونه‌هایی از این قبیل در بخش‌های مختلف از قبیل جنگلداری، مدیریت زمین و کشاورزی نیز یافت می‌شود.
این موضوع را می‌توان در کاربرد هوش مصنوعی در تبلیغات خودکار نیز مشاهده کرد. به‌گزارش ساینتیفیک امریکن، وقتی یک تبلیغ خاص در شبکه‌های اجتماعی مانند اینستاگرام یا فیس‌بوک ظاهر می‌شود، الگوریتم‌های پیچیده‌ای در پس‌زمینه فعالیت می‌کنند. رولنیک اشاره می‌کند که این اقدامات در میان جامعه، رفتار مصرفی را تقویت می‌کند. به‌عنوان مثال، تبلیغات مربوط به مد سریع و تبلیغات هدفمند موجب تقاضای مداوم برای تولید و خرید لباس‌های ارزان و به‌سرعت تولید می‌شود، در نتیجه خرید پوشاکی که فقط در مدت زمانی کوتاه استفاده خواهد شد، افزایش می‌یابد. این امر تقاضایی بالا برای شرکت‌ها و صنعت مد سریع ایجاد می‌کند؛ صنایعی که به تنهایی حدود ۸ درصد از کل انتشار جهانی را به عهده دارند و از صنعت حمل و نقل گلخانه‌های بیشتری تولید می‌کنند و مانع از کاهش زباله‌های موجود در محل‌های دفن زباله می‌شوند.
در کنار این موارد، برنامه‌های کاربردی هوش مصنوعی وجود دارند که می‌توانند به مدیریت بحران تغییر اقلیم و دیگر مشکلات زیست محیطی، به‌ویژه در اثر توفان‌های شدید، کمک کنند. یک برنامه به نام xView2 وجود دارد که از مدل‌های یادگیری ماشین و بینایی رایانه‌ای در ترکیب با تصاویر ماهواره‌ای برای شناسایی ساختمان‌های آسیب‌دیده در بلایای طبیعی استفاده می‌کند. این برنامه توسط اداره نوآوری دفاعی وزارت دفاع ایالات متحده راه‌اندازی شده است.
مدل‌های این برنامه می‌توانند زیرساخت‌های آسیب‌دیده را ارزیابی کنند، به این ترتیب خطرات کاهش یافته و زمان صرفه‌جویی می‌شود. همچنین این مدل‌ها می‌توانند به تیم‌های نجات کمک کنند تا تلاش‌های خود را به‌طور مؤثر به کار بگیرند. نظارت بر انتشار گازهای گلخانه‌ای نیز یکی دیگر از کاربردهای هوش مصنوعی است. دانشمندان توانسته‌اند تاسیسات تحت نظارت را شناسایی کنند و از تصاویر ماهواره‌ای برای بیان نشانه‌های بصری انتشار استفاده نمایند.
سپس مهندسان الگوریتم‌هایی روی این داده‌ها آموزش می‌دهند تا برنامه‌ها تنها بر اساس ورودی بصری، تخمینی از انتشار گازهای گلخانه‌ای تولید کنند. این تنها دو نمونه از کاربردهای هوش مصنوعی در راستای مقابله با گرمایش جهانی است. بنابراین، پاسخ به این پرسش که آیا هوش مصنوعی به شکل مثبت یا منفی به آینده ما شکل خواهد داد، به این بستگی دارد که به چه روشی این فناوری به کار گرفته می‌شود و چگونه سیاست‌گذاران بر اساس این مفاهیم عمل خواهند کرد.
