هوش مصنوعی و بهرهوری انرژی
پریسا مطرانلویی- بر اساس گزارش مجمع جهانی اقتصاد، شاخص گذار انرژی در سال 2024، که عملکرد سیستم انرژی فعلی و آمادگی و توانمندی محیط در انتقال انرژی در حال پیشرفت را در 120 کشور مورد بررسی قرار میدهد، نشان میدهد این شاخص در مواجهه با افزایش عدم اطمینان جهانی، شتاب خود را از دست داده است. اگرچه طی سال گذشته پیشرفت قابل توجهی در بهرهوری انرژی و رشد قابل توجهی در پذیرش منابع انرژی پاک شکل گرفتهاست، اما شتاب انتقال انرژی متوقف شده است.
در سوی دیگر مساله گذار انرژی، موضوع فناوری و تاثیر آن بر میزان مصرف انرژی قرار دارد به نحوی که فناوریهای نسل چهارم از جمله هوش مصنوعی علاوه بر اینکه در مسیر گذار انرژی نقش موثری دارند، همچون شمشیر دولبهای عمل کرده که در دیگر سو با افزایش میزان تقاضا برای انرژی بر انتشار گازهای گلخانهای میافزایند. در واقع شرکتهای فناوری محور به دلیل راهاندازی مراکز دادهای مبتنی بر هوش مصنوعی، موجب افزایش انتشار گازهای گلخانهای میشوند که مسیر گذار انرژی را دشوارتر مینماید.
سیستمهای هوش مصنوعی بسته به پیچیدگی و کاربردشان در مصرف انرژی بسیار متفاوت هستند، اما معمولاً برای پردازش و تجزیه و تحلیل دادهها به مقدار قابل توجهی برق نیاز دارند. طبق برخی برآوردها، میزان مصرف انرژی هوش مصنوعی ده برابر بیشتر از جستجوی گوگل است.
استفاده هوش مصنوعی از انرژی در حال حاضر تنها کسری از مصرف انرژی بخش فناوری را نشان میدهد که تخمین زده میشود حدود 2 تا 3 درصد از کل انتشار جهانی باشد که این نسبت به دلیل اینکه شرکتها، دولتها و سازمانهای بیشتری در طول زمان از هوش مصنوعی برای افزایش کارایی و بهرهوری استفاده میکنند، ثابت نبوده و روند افزایشی خواهد داشت.
هوش مصنوعی به قدرت محاسباتی قابل توجهی نیاز دارد و سیستمهای هوش مصنوعی مولد ممکن است در حال حاضر حدود 33 برابر بیشتر از نرمافزارهای خاص برای انجام یک کار مشخص، انرژی مصرف کنند. مادامی که این سیستمها توسعه مییابند، آموزش و اجرای مدلها باعث افزایش تصاعدی در تعداد مراکز داده مورد نیاز در سطح جهانی و مصرف انرژی مرتبط خواهد شد که فشار فزایندهای را بر شبکههای الکتریکی که قبلاً تحت فشار قرار داشتهاند، وارد میکند.
آموزش هوش مصنوعی مولد، به طور خاص بسیار انرژیبر است و نسبت به فعالیتهای سنتی مرکز داده، برق بیشتری مصرف میکند. همچنین افزایش پیچیدگی یک مدل زبان بزرگ، مانند مدلی که ChatGPT بر روی آن ساخته شده است، تقاضای فزاینده برای انرژی را نشان میدهد و تخمین زده میشود که آموزش مدلی مانند ترانسفورماتور از پیش آموزش دیده (یا GPT-3) حدود 1300 مگاوات ساعت برق مصرف کند که تقریباً معادل مصرف برق سالانه 130 خانه در ایالات متحده است. در حالی که تخمین زده میشود در آموزش GPT-4 پیشرفتهتر، 50 برابر بیشتر برق مصرف شود و به طور کلی، انرژی مورد نیاز برای حفظ رشد هوش مصنوعی تقریباً هر 100 روز دو برابر میشود.
در سوی دیگر مساله گذار انرژی، موضوع فناوری و تاثیر آن بر میزان مصرف انرژی قرار دارد به نحوی که فناوریهای نسل چهارم از جمله هوش مصنوعی علاوه بر اینکه در مسیر گذار انرژی نقش موثری دارند، همچون شمشیر دولبهای عمل کرده که در دیگر سو با افزایش میزان تقاضا برای انرژی بر انتشار گازهای گلخانهای میافزایند. در واقع شرکتهای فناوری محور به دلیل راهاندازی مراکز دادهای مبتنی بر هوش مصنوعی، موجب افزایش انتشار گازهای گلخانهای میشوند که مسیر گذار انرژی را دشوارتر مینماید.
سیستمهای هوش مصنوعی بسته به پیچیدگی و کاربردشان در مصرف انرژی بسیار متفاوت هستند، اما معمولاً برای پردازش و تجزیه و تحلیل دادهها به مقدار قابل توجهی برق نیاز دارند. طبق برخی برآوردها، میزان مصرف انرژی هوش مصنوعی ده برابر بیشتر از جستجوی گوگل است.
استفاده هوش مصنوعی از انرژی در حال حاضر تنها کسری از مصرف انرژی بخش فناوری را نشان میدهد که تخمین زده میشود حدود 2 تا 3 درصد از کل انتشار جهانی باشد که این نسبت به دلیل اینکه شرکتها، دولتها و سازمانهای بیشتری در طول زمان از هوش مصنوعی برای افزایش کارایی و بهرهوری استفاده میکنند، ثابت نبوده و روند افزایشی خواهد داشت.
هوش مصنوعی به قدرت محاسباتی قابل توجهی نیاز دارد و سیستمهای هوش مصنوعی مولد ممکن است در حال حاضر حدود 33 برابر بیشتر از نرمافزارهای خاص برای انجام یک کار مشخص، انرژی مصرف کنند. مادامی که این سیستمها توسعه مییابند، آموزش و اجرای مدلها باعث افزایش تصاعدی در تعداد مراکز داده مورد نیاز در سطح جهانی و مصرف انرژی مرتبط خواهد شد که فشار فزایندهای را بر شبکههای الکتریکی که قبلاً تحت فشار قرار داشتهاند، وارد میکند.
آموزش هوش مصنوعی مولد، به طور خاص بسیار انرژیبر است و نسبت به فعالیتهای سنتی مرکز داده، برق بیشتری مصرف میکند. همچنین افزایش پیچیدگی یک مدل زبان بزرگ، مانند مدلی که ChatGPT بر روی آن ساخته شده است، تقاضای فزاینده برای انرژی را نشان میدهد و تخمین زده میشود که آموزش مدلی مانند ترانسفورماتور از پیش آموزش دیده (یا GPT-3) حدود 1300 مگاوات ساعت برق مصرف کند که تقریباً معادل مصرف برق سالانه 130 خانه در ایالات متحده است. در حالی که تخمین زده میشود در آموزش GPT-4 پیشرفتهتر، 50 برابر بیشتر برق مصرف شود و به طور کلی، انرژی مورد نیاز برای حفظ رشد هوش مصنوعی تقریباً هر 100 روز دو برابر میشود.

ارسال دیدگاه
عناوین این صفحه
-
ضرورت تدبیریابی برای حل چالش کریدور زنگزور
-
اثرات مخرب افزایش دمای آبهای خلیج فارس بر اکوسیستم دریایی
-
توسعه ایران دریایی در گرو ایجاد زیر ساختهای مواصلاتی
-
هوش مصنوعی و بهرهوری انرژی
-
خیز آمریکا برای نوسازی ناوگان نفتکشهای قدیمی
-
ساماندهی سواحل مازندران نیازمند طرح جامع است
-
پیشنهادی برای تامین منافع بورسی در بودجه ۱۴۰۴
-
فرصت ۲۵۰ هزار دلاری IMO برای ایران
اخبار روز
-
بازدید صالحیامیری از پروژههای گردشگری اطراف دریاچه چیتگر
-
استاد فرشچیان معمار فرهنگ و هویت ایران زمین است
-
بازدید معاون توسعه روستایی رئیسجمهور از بندر شهید حقانی بندرعباس
-
تصویب قیمت پایه و روش مولدسازی ۳۰ قطعه زمین، واحد تجاری، ملک و ساختمان
-
سرمایه گذاری ۲۴ همتی بخش خصوصی و دولتی در بندر چابهار
-
گرهگشایی در مسیر توسعه شیلات
-
حرکت قطار توسعه صنعت ریلی با صرفهجویی سوخت
-
تولید ۷۳ تن گوشت و ۹۰ کیلو خاویار
-
شیلات خراسان جنوبی در مسیر توسعه تجارت با افغانستان
-
حلقه طلایی ترانزیت منطقهای و امنیت اقتصادی شرق کشور
-
دیدار مشاور وزیر راه و شهرسازی در امور ایثارگران با مدیرعامل سازمان بنادر
-
کمبود نیروی انسانی مراقبت پرواز با جذب دانشجوی بورسیه برطرف میشود
-
تسهیل سرمایهگذاری و رفع موانع اداری؛ گامهای راهآهن برای رونق حملونقل مسافری
-
پیام تبریک وزیر راه و شهرسازی به نگهبانان بیدار ایمنی پروازها
-
هوشمندسازی، مهمترین پروژه در حال اجرا در سازمان راهداری و حملونقل جادهای است
-
توجه و تمرکز دولت برای ماندگاری کارکنان متخصص در دستگاههای حاکمیتی
-
چهار طرح نوآورانه برای قشم پایدار و سبز
-
تماس تلفنی وزیر امور خارجه مصر با وزیر امور خارجه جمهوری اسلامی ایران
-
رشد ۳۵ درصدی بهرهوری لکوموتیو در راهآهن قم طی نیمه نخست ۱۴۰۴
-
تأکید مدیرعامل راهآهن بر ضرورت اتصال کارخانههای بزرگ به شبکه ریلی کشور