فاطمه لطفي
امروزه با دو پديده به ظاهر متفاوت و نامربوط به هم مواجه هستيم: تغيير اقليم و ظهور هوش مصنوعي. در نگاه اول احتمالا ارتباط خاصي بين اين دو نبايد وجود داشته باشد غير از اينكه شما از هوش مصنوعي درباره تغيير اقليم سوال كنيد و هوش مصنوعي به شما جواب بدهد. اما متخصصان اقليم و اقتصاددانان حوزه انرژي اينچنين فكر نمي‌كنند. بخش بزرگي از جامعه متخصص حوزه محيط زيست و انرژي بر اين باورند كه هوش مصنوعي رخدادهاي اقليمي را تشديد خواهد كرد. به واقع به‌واسطه حجم عظيم انرژي مورد نياز مراكز داده، هوش مصنوعي مي‌تواند انتشار گازهاي گلخانه‌اي را افزايش بدهد و اين گازها عامل مستقيم تشديد رخدادهاي اقليمي هستند. شركت هلدينگ خدمات مالي و بانكداري چندمليتي امريكايي ولز فارگو پيش‌بيني كرده كه تقاضاي برق هوش مصنوعي تا سال 2026 به ميزان 550 درصد افزايش يابد و از 8 تراوات ساعت در سال 2024 به 52 تراوات ساعت برسد. اما ماجرا به همين‌جا ختم نمي‌شود؛ يك افزايش 1150 درصدي ديگر هم در پيش است. رقم 652 تراوات ساعتي، آن هم تا سال 2030. اين رشد قابل توجه 8050 درصدي نسبت به سطح پيش‌بيني شده در سال 2024 است. تحليلگران بر اين باورند كه پيش‌بيني‌هاي خوشبينانه غول‌هاي فناوري درباره نقش بالقوه هوش مصنوعي در مقابله با بحران اقليم، اغلب تقاضاي رو به رشد انرژي مراكز داده عظيم را ناديده مي‌گيرد. پس سوال اين است كه آيا هوش مصنوعي زندگي ما را بهتر خواهد كرد يا بدتر؟
خوشبيني يا بدبيني؛ كدام بهتر است؟
هفته آينده در 10 و 11 فوريه 2025 (22 و 23 بهمن ماه) فرانسه ميزبان اجلاس «اقدام هوش مصنوعي» خواهد بود با حضور سران كشورها و دولت‌ها، رهبران سازمان‌هاي بين‌المللي، مديران عامل شركت‌هاي كوچك و بزرگ، نمايندگان دانشگاه‌ها و موسسات غيردولتي و اعضاي جوامع مدني. يكي از محورهاي مورد بحث در اين اجلاس، جنبه زيست‌محيطي هوش مصنوعي و تاثير آن، مثبت يا منفي بر بحران اقليم است. تشديد بحران تغيير اقليم و گسترش سريع هوش مصنوعي قرار است جهان ما را تغيير بدهد و سيستم‌هاي سياسي، اقتصاد و زندگي روزمره ما را متحول كند. با اين حال، آنچه اغلب ناديده گرفته مي‌شود، آن بي‌شمار روش‌هايي است كه تغيير اقليم و هوش مصنوعي روي يكديگر همپوشاني دارند و بر يكديگر تاثير مي‌گذارند. بشر عاشق ساده‌سازي است، بنابراين بسياري از بحث‌هاي كنوني پيچيدگي رابطه بين هوش مصنوعي و تغيير اقليم را به‌هيچ عنوان در نظر نمي‌گيرند. در حالي كه فناوران خوشبينانه از هوش مصنوعي به عنوان نوشدارويي براي مشكلات جهان ياد مي‌كنند، بدبين‌های فناوري هزينه‌هاي زيست‌محيطي آن را برجسته مي‌كنند و هشدار مي‌دهند كه فناوري‌هاي نوظهور مي‌توانند در نهايت بحراني را كه قصد حل آن دارند، تشديد كنند. اما هوش مصنوعي اين پتانسيل را دارد كه به ما در دستيابي به اهداف مهم اقليمي كمك كند و سياست‌هاي خوب طراحي شده مي‌توانند و بايد هزينه‌هاي زيست‌محيطي آن را كاهش بدهند. با اين حال پيش‌بيني‌هاي بسيار خوشبينانه حاكمان سيليكون‌ولي در مورد نقش بالقوه هوش مصنوعي در مقابله با بحران اقليم بر نياز به رويكردي متفاوت تاكيد مي‌كند. مثلا در ماه سپتامبر، سام آلتمن، مديرعامل اوپن‌اي‌آي مقاله‌اي منتشر كرد با تصويرسازي از آينده‌اي كه در آن هوش مصنوعي تقريبا بدون محدوديت و با انرژي فراوان پيروزي‌هاي خيره‌كننده را ممكن ساخته، بر مشكلاتي چون بحران اقليم، تاسيس يك مستعمره فضايي و گشودن اسرار فيزيك كمك مي‌كند.
اريك اشميت، مديرعامل سابق گوگل هم تاييد مي‌كند كه هوش مصنوعي بر بحران اقليم موثر است، اما مي‌گويد: «من ترجيح مي‌دهم مشكل هوش مصنوعي را حل كنم نه اينكه آن را محدود كنم.» و غول‌هاي فناوري مانند گوگل و مايكروسافت اغلب لاف استفاده از هوش مصنوعي براي ارتقاي پايداري مي‌زنند. اما واقعيت اين است كه انتشار دي‌اكسيد كربن اين غول‌ها در سال 2019 و 2020 به ترتيب 48 درصد و 29 درصد افزايش يافته كه عمدتا به دليل تقاضاي رو به رشد انرژي مراكز عظيم داده است.
مطمئنا پيشرفت در پردازش داده‌ها و محاسبات مورد نياز هوش مصنوعي مي‌تواند تحقيقات علمي را تسريع كند و ما را قادر سازد تا با چالش‌هاي فوري جهاني مقابله كنيم. به عنوان مثال مدل‌هاي آلفافولد ديپ‌مايند درك ما را از ساختارهاي پروتئيني متحول كرده و پيامدهاي بسيار شگفت‌آوري براي علوم زيستي به بار آورده است. اما اين پيشرفت‌ها كه حاصل سال‌ها همكاري بين‌رشته‌اي بين محققان و دانشمندان هوش مصنوعي است با يك هوش مصنوعي داناي كل (AGI) كه قادر به حل فوري مشكلات پيچيده علمي و فناوري باشد، فاصله زيادي دارد.
درواقع بشر نه‌تنها هنوز نتوانسته به يك هوش مصنوعي داناي كل دست يابد، بلكه حتي به دستيابي به آن نزديك هم نشده است. حتي اگر بر اساس پيش‌بيني خوشبين‌ترين حاميان هوش مصنوعي، هوش مصنوعي داناي كل تا 5 سال آينده ظاهر شود و پيشرفت‌هايي هم در همجوشي هسته‌اي پايدار يا در كارايي سلول‌هاي خورشيدي به دست آيد، باز هم بشر همچنان بايد با واقعيت‌هاي اقتصادي و سياسي آشفته گذار انرژي پاك دست و پنجه نرم كند.
در حال حاضر بسياري از فناوري‌هاي مورد نياز براي دستيابي به انتشار خالص صفر وجود دارند و مي‌توانند كارآمدتر يا مقرون به‌صرفه‌تر شوند، اما موانع موجود بر سر راه استقرار و گسترش اين فناوري‌ها انعكاسي است از تضاد منافع سياسي، اقتصادي، مالي و اجتماعي كه چشم‌انداز ژئوپليتيك جهاني را شكل مي‌دهد. بر همين اساس تحليلگران بر اين باورند كه خوشبيني آلتمن و ديگر سردمداران غول‌هاي فناوري مبني بر اينكه هوش مصنوعي بحران اقليم را حل خواهد كرد، اين واقعيت‌ها را پنهان مي‌كند و با توجه به ردپاي عظيم كربن مراكز داده، تكيه بر چنين وعده‌هايي براي آينده بشر خطرناك است.
آمارها مي‌گويند مراكز داده مصرف برقي معادل 2 تا 4 درصد از كل مصرف برق ايالات متحده، اتحاديه اروپا و چين و بيش از 20 درصد مصرف برق ايرلند را از آن خود كرده‌اند.
اما نكته تاسف‌آور اين است آنها كه ردپاهاي بزرگ‌تري دارند در انتشار كربن، مثلا آمازون، اپل، مايكروسافت، گوگل و متا به ترفندهاي بزرگ‌تري هم متكي مي‌شوند براي فريب افكار عمومي، ترفندهايي چون كسب گواهينامه‌هاي انرژي تجديدپذير و در نتيجه ردپاي خود در بحران اقليم را پنهان مي‌كنند.
برخي بر اين باورند كه مدل‌هايي كه اخيرا توسط شركت چيني DeepSeek منتشر شده، دقيقا به اين دليل كه به نظر مي‌رسد نسبت به همتايان امريكايي خود از نظر انرژي بسيار كارآمدتر هستند، سر و صداي زيادي به پا كرده است.
اما پارادوكسي مطرح است و آن اينكه محققان نشان داده‌اند كه افزايش راندمان و در نتيجه هزينه‌هاي كمتر، احتمال افزايش تقاضا براي عملكردهاي جديد هوش مصنوعي را بالا برده درنتيجه مصرف انرژي كلي هم بيشتر شود.
بنابراين محققان حوزه محيط زيست معتقدند به جاي اينكه بپرسيم آيا هوش مصنوعي مي‌تواند به ما در دستيابي به اهداف اقليمي كمك كند، بايد اطمينان حاصل كنيم كه قبل از اينكه اين فناوري‌ها بتوانند به وعده‌هاي خود عمل كنند، مراكز داده تشنه انرژي و منابع، كره زمين را از نقاط اوج زيست‌محيطي عبور ندهند. به باور اين محققان، دستيابي به چنين هدفي مستلزم آن است كه اين مراكز داده و گردانندگان غول‌هاي فناوري داده‌هاي انتشار گازهاي گلخانه‌اي را منتشر كنند و گزارش‌هايي دقيقي از آن ارائه بدهند. ايجاد ساز و كارهاي مالياتي بر انتشارات هم مي‌تواند راه‌حلي موثر براي مقابله با اثرات مخرب اين مراكز داده باشد.
دریايي فراتر از كربن
حتي اگر كارشناسان فقط روي ميزان گازهاي گلخانه‌اي منتشر شده از مراكز داده تمركز كنند، محاسبه تاثير دقيق هوش مصنوعي بر بحران اقليم دشوار است، چون انواع مختلف هوش مصنوعي مانند مدل‌هاي يادگيري ماشيني، برنامه خودروهاي خودران يا مدل زبان بزرگ براي ربات چت، همگي به مقادير متفاوتي از محاسبات نياز دارند. آمارها مي‌گويند زماني كه اوپن‌اي‌آي مدل زبان بزرگ (LLM) خود به نام GPT-3 را آموزش داد، معادل 500 تن دي اكسيد كربن توليد كرد. مدل‌هاي ساده‌تر كمترين ميزان انتشار را دارند.
اما وقتي تنها از يك لنز انتشارات اين شركت‌ها بررسي نمي‌شود، درك تاثير اين مدل‌ها بر محيط زيست پيچيده‌تر هم مي‌شود. ديويد رولنيك، دانشمند علوم كامپيوتر در دانشگاه مك گيل، هوش مصنوعي را به يك چكش تشبيه مي‌كند؛ او مي‌گويد: «تاثير اصلي يك چكش در آن چيزي است كه چكش مي‌خورد، نه آنچه در چكش است.» درست همان طور كه چكش مي‌تواند چيزي را خرد كند براي ساختن خانه نيز به كار مي‌آيد؛ هوش مصنوعي نيز مي‌تواند به محيط زيست آسيب برساند يا به آن كمك كند.
صنعت سوخت‌هاي فسيلي را در نظر بگيريد. در سال 2019 مايكروسافت شراكت جديدي با اكسون موبيل به راه انداخت و اكسون موبيل اعلام كرد كه اين شركت از پلتفرم محاسبات ابري مايكروسافت اژر استفاده خواهد كرد. اين غول نفتي ادعا كرد كه با استفاده از اين فناوري كه براي كارهاي خاصي مانند تجزيه و تحليل عملكرد به هوش مصنوعي متكي است، مي‌تواند عمليات استخراج را بهينه كند و تا سال 2025، توليد را معادل50 هزار بشكه نفت در روز افزايش بدهد. در اين مورد، هوش مصنوعي مايكروسافت مستقيما براي توليد سوخت‌هاي فسيلي بيشتر استفاده مي‌شود كه در صورت سوختن، گازهاي گلخانه‌اي منتشر مي‌كند.
استخراج سوخت‌هاي فسيلي تنها كاربرد هوش مصنوعي نيست كه مي‌تواند براي محيط زيست مضر باشد. اِما استروبل، دانشمند علوم كامپيوتر در دانشگاه كارنگي ملون، مي‌گويد: «نمونه‌هايي از اين دست در هر بخش مانند جنگلداري، مديريت زمين و كشاورزي هم وجود دارد.»
اين موضوع را مي‌توان در نحوه استفاده از هوش مصنوعي در تبليغات خودكار نيز مشاهده كرد. بر اساس گزارش ساينتيفيك امريكن، هنگامي كه يك تبليغ خاص در اينستاگرام يا فيس‌بوك ظاهر مي‌شود، الگوريتم‌هاي تبليغاتي بسياري پشت‌پرده كار مي‌كنند. رولنيك مي‌گويد كه اين عمل رفتار مصرفي كلي را در جامعه تقويت مي‌كند.
به عنوان مثال، با تبليغات مد سريع و تبليغات هدفمند، چرخش ثابتي از لباس‌هاي ارزان و توليد انبوه را به سمت مصرف‌كنندگان مي‌آورد، در نتيجه خريد لباس‌هايي افزايش مي‌يابد كه صرفا در يك بازه زماني كوتاه استفاده خواهند شد. اين امر تقاضاي بالاتري را براي شركت‌ها و صنعت مدِ سريع ايجاد مي‌كند؛ شركت‌هايي كه همين حالا هم مجموعا تا 8 درصد از انتشار جهاني را توليد مي‌كند. صنعت مد سريع بيشتر از صنعت حمل و نقل گازهاي گلخانه‌اي توليد مي‌كند و باعث مي‌شود لباس‌هاي دور ريخته شده بيشتري در محل‌هاي دفن زباله جمع شوند.
در كنار همه اينها اما برنامه‌هاي كاربردي هوش مصنوعي وجود دارد كه مي‌تواند به مقابله با تغيير اقليم و ساير مشكلات زيست محيطي، مانند تخريب ناشي از توفان‌هاي شديد كمك كنند. يكي از اين برنامه‌ها xView2 است؛ برنامه‌اي كه مدل‌هاي يادگيري ماشيني و بينايي كامپيوتري را با تصاوير ماهواره‌اي تركيب مي‌كند تا ساختمان‌هاي آسيب ديده در بلاياي طبيعي را شناسايي كند. اين برنامه توسط واحد نوآوري دفاعي وزارت دفاع ايالات متحده راه‌اندازي شده است.
مدل‌هاي اين برنامه مي‌توانند زيرساخت‌هاي آسيب‌ديده را ارزيابي كنند، در نتيجه خطر را كاهش داده و در زمان صرفه‌جويي مي‌كنند. همچنين اين مدل‌ها قادرند به تيم‌هاي جست‌وجو و نجات كمك كند تا تلاش‌هاي‌شان را هدفمند انجام بدهند. نظارت بر انتشار گازهاي گلخانه‌اي از ديگر كاربردهاي هوش مصنوعي است. دانشمندان انتشار گازهاي گلخانه‌اي تاسيسات تحت نظارت را شناسايي مي‌كنند. بعد از تصاوير ماهواره‌اي براي مشخص كردن نشانه‌هاي بصري فعاليت‌هاي ايجاد كننده انتشار استفاده مي‌كنند. در مرحله بعد، مهندسان الگوريتم‌هايي را روي اين داده‌ها آموزش مي‌دهند تا برنامه‌ها تخمين انتشار گازهاي گلخانه‌اي را تنها بر اساس ورودي بصري توليد كنند. اين تنها دو نمونه از كاربردهاي هوش مصنوعي در جهت مقابله با گرمايش جهاني بود. به نظر مي‌رسد پاسخ به اين سوال كه هوش مصنوعي آينده ما را خواهد ساخت يا نابود خواهد كرد، بستگي به اين دارد كه كاربرد هوش مصنوعي به چه نحو تعريف مي‌شود و سياستگذاران از اين تعريف چگونه بهره ببرند.
روزنامه‌نگار