هوش مصنوعی سبز به دنبال پیدا کردن ارتباط بین توان محاسباتی و انتشار گاز کربن است

هوش مصنوعی سبز به دنبال راهی است تا بتواند بین توان محاسباتی مورد نیاز برای ساخت مدل‌های هوش مصنوعی و انتشار گاز کربن ناشی از تولید انرژی مصرفی آن‌ها ارتباط برقرار کند و انتشار گاز کربن را کنترل کند. هوش مصنوعی سبز قصد دارد پیوندی میان توان محاسباتی و انتشار کربن ایجاد کند؛ اقدامی که می‌تواند هزینه‌های انرژی ناشی از تقاضای بالای محاسبات هوش مصنوعی را تا حدی کاهش دهد.
طبق گزارشی که به تازگی در sifted منتشر شده است برای کاهش اثر کربن مصرفی هوش مصنوعی باید سه مسئله را کنترل نمود. این سه مورد عبارتند از: طراحی الگوریتم‌های هوش مصنوعی، سخت افزارهای آموزشی، و تامین برق پایگاه‌های داده از انرژی سبز.

شرکت‌های بزرگ،مانند گوگل، با منابعی که در اختیار دارند می‌توانند هر سه مورد را کنترل کنند امّا شرکت های متوسط این امکانات را در اختیار ندارند. در همین راستا برین مولینز، مدیرعامل شرکت‌نوپای «Mind Foundry»، بر لزوم در نظر گرفتن «پایداری منابع طبیعی »در تمام مراحل طراحی و آموزش تاکید دارد.
این فارغ‌التحصیل دانشگاه اکسفورد در گزارش خود اینطور نوشت: «برقراری تعادل بین بهره‌مندی شرکت از مزایای فناوری‌های هوش مصنوعی و اثرات طولانی مدت آن بر محیط زیست همواره برای شرکت‌های نوپای هوش مصنوعی و شرکت‌هایی که به دنبال تامین خدمات هستند دشوار است».
با توجه به بزرگی مسئله، اتحادیه اروپا هشدار داده است که انتشار گازهای گلخانه‌ای ناشی از فناوری اطلاعات و ارتباطات (ICT) امروزه دو درصد از کل گازهای گلخانه‌ای متصاعد شده در سطح زمین را تشکیل می‌دهد (به اندازه حجم ترافیک هوایی) و در صورتی که به آن رسیدگی نشود طی بیست سال آینده این مقدار به 14 درصد می‌رسد.
می‌توان از هوش مصنوعی در پروژه‌‌های سبز استفاده کرد. برای مثال، شرکت نوپای انگلیسی Space Intelligence از یادگیری ماشین و هوش مصنوعی برای ارسال داده‌های ماهواره‌ای استفاده می‌کند. این شرکت نگرانی‌های زیست محیطی، مانندجنگل‌زدایی، را مطرح کندتا صنایع مربوطه را به انجام اقدامات اصلاحی وادارد.
مولینز معتقد است «اکنون درشرایطی به سر می‌بریم که رهبران کسب و کارها باید رویکرد مداخله مستقیم را در پیش بگیرند و اطمینان حاصل کنند که هوش مصنوعی مورد استفاده آن‌ها مسائل زیست محیطی را مد نظر قرار می‌دهد؛ و شرکت‌های سازنده‌ی این فناوری‌ها نیز باید به تعهدات خود در این زمینه عمل کنند. خسارت‌های ساخت و استقرار مدل‌های هوش مصنوعی،خواه به لحاظ مالی باشد خواه به لحاظ تاثیرات آن بر محیط زیست، باید در همه حوزه‌ها و از همه جوانب مد نظر قرار گیرد».
شرکت گوگل متعهد شده است تا سال 2023 از منابع بدون کربن استفاده کند و انرژی زمین‌گرمایی را به سبد انرژی خود اضافه نماید.

در همین راستا شرکت گوگل متعهد شده استتا سال 2023 از منابع عاری از کربن استفاده کند. در کنفرانس اخیر Google I/O 2021، شرکت گوگل این مسئله را توضیح داد و برنامه‌ای ارائه کرد که به موجب آن از انرژی زمین‌ گرمایی برای تامین انرژی مراکز داده ها خود در نوادا استفاده خواهد کرد. مدیر پایداری شرکت گوگل پیش از برگزاری کنفرانس در مصاحبه‌ای با c|net اظهار داشت «ما اولین شرکتی هستیم کهبرای ساختنسل جدید انرژی یعنی انرژی زمین‌گرماییتوافق‌نامه امضاء کرده‌ایم».
این توافق نامه بین شرکت گوگل و شرکت Fervo Energy منعقد شده است. Fervo Energy یک شرکت نوپای تولید انرژی پاک است که قصد دارد از منابع انرژی زمین‌گرمایی «بهره‌برداری» کند. سال آینده این دو شرکت همکاری خود را برای اضافه نمودن انرژی زمین‌ گرمایی به شبکه نوادا آغاز خواهند کرد. انرژی زمین‌گرمایی تکمیل کننده منابع انرژی تجدیدپذیر این منطقه می‌شود و گوگل را به سمت دستیابی به اهداف همیشگی خود سوق می‌دهد.
نیروگاه‌های زمین‌گرمایی از گرمای زمین به عنوان منبع انرژی استفاده می‌کنند. کیلومترها پایین‌تر از سطح زمین، مواد رادیو اکتیو فعالیت دارند و مواد مذاب آب پمپ شده به اعماق را گرم می‌کنند؛ اگر این گرما قابل دسترسی باشد بشر به انرژی بی پایانی دست‌یافته است.
گراهام هینسون ، متخصص ژئوفیزیک دانشگاه آدلاید، در این باره می‌گوید: «‌گرمای زمین منبع خارق‌العاده انرژی به شمار می‌آید و گرمای بسیار زیادی در زمین محبوس است که می‌تواند انرژی مناطق بسیاری از جهان را تامین کند».
از این پس زمین‌گرمایی، در کنار انرژی خورشیدی و بادی، بخشی از سبدِ انرژی گوگل خواهد بود. برخلاف انرژی بادی و خورشیدی، انرژی زمین‌ گرمایی همیشه در دسترس است. شرکت Fervo، درسال 2018 از صندوق «انرژی پیشرو» (Breakthrough Energy) باپشتیبانی بیل گیتس بودجه دریافت کرد. این شرکت درحال حاضر بر روی سیستم‌ تقویت‌شده زمین‌گرمایی (EGS) کار می‌کند. در این سیستم، آب به درون زمین (چاه‌های تزریق با فشار بالا) پمپ می‌شود. آب پمپ شده بعد از حضور در لایه‌های داغ زیرین گرم می‌شود و بالا می‌آید. این روش نسبت به روش‌های فعلی (یعنی سیستم بخار خشک، مایع داغ، پمپ حرارتی باحلقه بسته، و غیره.) پیشرفته‌تر است. گوگل و Fervo امیدوار هستند همکاری آن‌ها منجر به پیشرفت‌های چشمگیری در این زمینه شود.
مدیر پایداری شرکت گوگل، از ترکیب هوش مصنوعی گوگل با تکنیک‌های حفاری و حسگر‌های فیبر نوری سخن گفت. او از چالش پیش روی گوگل یاد کرد و خاطر نشان نمود که بسیاری از مناطق برای تامین برق شبکه همچنان از «انرژی ناپاک» یا انرژی فسیلی، استفاده می‌کنند. برای مثال در سیدنی استرالیا، دفتر مدیریت پایداری گوگل، زغال‌سنگ بزرگ‌ترین منبع تامین انرژی است.
برندت در ادامه گفت «تا زمانی که سیاست‌ها و روش‌های تامین منابع در این منطقه تغییر نکند، نیروی مورد نیاز برای دسترسی به محصولات و خدمات گوگل از انرژی پاک تامین نخواهند شد. تغییری که تحقق آن دشوار خواهد بود».
شاخص انتشار کربن می‌تواند مصرف انرژی مدل‌های هوش مصنوعی را تخمین بزند.

تیمی از پژوهشگران برای تخمین انرژی مصرفی و تاثیر آموزش مدل‌های یادگیری ماشین بر محیط زیست یک «شاخص انتشار کربن» طراحی نموده‌اند. یکی از پژوهشگران این تیم، الکساندرا لوچیونی، پژوهشگر حوزه هوش مصنوعی و عضو دانشگاه مونترآل و موسسه الگوریتم‌های یادگیری (Mila) است. او در گزارش اخیر خود درNature Machine Intelligence توضیح داد که«کاهش انتشار کربن مقوله‌ای است که دانشمندان بر روی آن کار می‌کنند، خواه از طریق پردازنده‌ای گرافیکی قوی باشد خواه از طریق خرید انرژی تجدید‌پذیر برای آموزش شبکه‌های عصبی». به عقیده لوچیونی استفاده از منابع انرژی تجدیدپذیر برای آموزش شبکه‌های عصبی بزرگ‌ترین تحول پیش روی بشر است. «با این تغییر ضریب انتشار گاز کربن بین شبکه‌ای با سبد انرژی کاملا ً تجدیدپذیر و شبکه‌ای با سبد انرژی فسیلی (زغال‌سنگ) می‌تواند تا 40 درصد متغیر باشد».
لوچیونی معتقد است برای پیشرفت در این حوزه محققان باید مشخص کنند پژوهش آن‌ها چه مقدار دی‌اکسیدکربن تولید کرده است؛ به عقیده او بهتر است به جای آموزش مدل‌های جدید، از مدل‌های قبلی یا از پردازنده‌های گرافیکی قوی استفاده شود.
لوچیونی برای تحقق اهداف هوش مصنوعی سبز راهکارهایی پیشنهاد می‌کند. به نظر او باید «برای شرکت‌های تامین‌کننده خدمات ابری که پایگاه داده خود را در مناطقی با سبد انرژی آبی یا خورشیدی تاسیس می‌کنند، تخفیف‌های مالیاتی در نظر گرفته شود. برای مثال، شبکه برق استان کِبِک کربن بسیار پایینی تولید می‌کند و بیشتر انرژی آن از منابع آبی تامین می‌گردد؛ علاوه بر این، در زمستان از گرمای بدست آمده در مراکز محاسباتی برای گرم کردن منازل استفاده می‌شود. اگر شرکت‌ها به جای تاسیس پایگاه داده‌های خود در ایالتی مثل تگزاس که برق آن از طریق سوخت فسیلی (زغال سنگ) تامین می‌شود، آن را در کِبِک تاسیس کنند، می‌توانند تاثیر بزرگی بر محیط زیست داشته باشند».
به نظر یکی از دانشمندان بهتر است از هوش مصنوعی کمتر استفاده کنیم. دیپیکا سادیپ ، رئیس پروژه هوش مصنوعی و یادگیری ماشین در شرکت «تامین برق و روشنایی بهارات» (BLP)، یک شرکت تامین کننده انرژی پاک در بنگلور هندوستان، است. این دانشمند حوزه هوش مصنوعی به این نتیجه رسیده است که باید از هوش مصنوعی به طور عاقلانه استفاده کنیم؛ به عقیده او لزومی ندارد تمام مشکلات را با راهکارهای هوش مصنوعی برطرف کنیم.
در حال حاضر بیشتر شرکت‌های نوپا مصرف بهینه انرژی را در دستور کار خود قرار داده‌اند. AI Startups اخیراً فهرست 42 شرکت برتر در این زمینه را منتشر کرده است.

انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید