چالش رو به رشد ضایعات هوش مصنوعی و راهکارهای آن

سرمایه‌گذاری گسترده در هوش مصنوعی و چالش‌های پایداری

یکی از مهم‌ترین انگیزه‌ها برای سرمایه‌گذاری کلان در هوش مصنوعی—به‌ویژه در مدل‌های قدرتمند و پرمصرفی مانند مدل‌های زبانی بزرگ (LLM)—قابلیت‌های بالقوه این فناوری در حل مسائل زیست‌محیطی و پایداری است. هوش مصنوعی می‌تواند به بهینه‌سازی شبکه‌های انرژی تجدیدپذیر، پیش‌بینی تغییرات اقلیمی و حتی کشف مواد جدید برای استفاده در فناوری‌های پایدار کمک کند. بااین‌حال، در دل این استدلال یک تناقض جدی وجود دارد: در حالی که هوش مصنوعی می‌تواند به بهبود پایداری کمک کند، اثرات زیست‌محیطی خود این فناوری ممکن است بسیاری از مزایای آن را خنثی کند.

مصرف انرژی و منابع در هوش مصنوعی

هوش مصنوعی، به‌ویژه مدل‌های یادگیری عمیق، از نظر مصرف انرژی و منابع طبیعی بسیار پرهزینه است. فرایندهای آموزش و استنتاج این مدل‌ها نه‌تنها نیازمند انرژی عظیمی هستند، بلکه به مقادیر زیادی آب برای خنک‌سازی زیرساخت‌های محاسباتی نیز احتیاج دارند. علاوه بر این، رشد فزاینده استفاده از هوش مصنوعی منجر به افزایش مصرف سخت‌افزار، تولید زباله‌های الکترونیکی، و فشار مضاعف بر اکوسیستم‌های طبیعی شده است.

گرچه هوش مصنوعی به‌عنوان یک فناوری دیجیتال در نظر گرفته می‌شود، اما زیربنای آن به‌شدت وابسته به زیرساخت‌های فیزیکی است. مراکز داده عظیم، سرورها، پردازنده‌ها، تجهیزات ذخیره‌سازی، کابل‌کشی‌های گسترده و سیستم‌های خنک‌کننده، همگی بخشی از این اکوسیستم هستند. این زیرساخت‌ها نه‌تنها نیازمند مصرف بالای انرژی هستند، بلکه تولید و نگهداری آن‌ها نیز اثرات زیست‌محیطی قابل‌توجهی به همراه دارد.

برای مثال، بررسی‌های انجام‌شده بر روی یک سرور متعلق به شرکت Dell نشان داده است که مصرف انرژی عملیاتی آن تنها نیمی از کل انتشار گازهای گلخانه‌ای را شامل می‌شود. مابقی اثرات زیست‌محیطی به مراحل تولید و استخراج مواد اولیه اختصاص دارد. این موضوع نشان می‌دهد که اثرات مخرب هوش مصنوعی فقط محدود به مصرف انرژی نیست، بلکه فرآیندهای تولید و دفع تجهیزات آن نیز نقش بسزایی در تخریب محیط‌زیست ایفا می‌کنند.

این چالش‌ها به حدی جدی شده‌اند که مسائل زیست‌محیطی و تنوع زیستی اکنون یکی از فاکتورهای کلیدی در انتخاب و طراحی مراکز داده محسوب می‌شوند. برای نمونه، یکی از پروژه‌های مرکز داده شرکت Meta در ایالات متحده به‌دلیل شناسایی گونه‌ای نادر از زنبورها در منطقه، متوقف شد. همچنین، در بریتانیا قانونی جدید تحت عنوان «افزایش خالص تنوع زیستی» به تصویب رسیده که شرکت‌ها را ملزم می‌کند پیش از اجرای پروژه‌های جدید، اثرات زیست‌محیطی آن‌ها را بررسی و جبران کنند.

برای اینکه هوش مصنوعی بتواند به‌طور مؤثر در خدمت توسعه پایدار باشد، باید از ابتدا با درنظرگرفتن اصول پایداری طراحی و پیاده‌سازی شود.

فشارهای زیست‌محیطی بر زیرساخت‌های هوش مصنوعی

انتظار می‌رود که ظرفیت مراکز داده جهانی طی پنج سال آینده دو برابر شود، که عمدتاً ناشی از رشد سریع هوش مصنوعی است. اما این رشد صرفاً به افزایش مصرف انرژی محدود نمی‌شود. تولید سخت‌افزارهای مورد نیاز برای اجرای هوش مصنوعی، از جمله نیمه‌رساناها و تراشه‌های پردازشی، مستلزم استفاده از بیش از ۳۰۰ نوع ماده معدنی و فلزات کمیاب نظیر طلا، مس، نیکل و پالادیوم است. این مواد نه‌تنها برای فناوری‌های هوش مصنوعی، بلکه برای سایر فناوری‌های کاهش انتشار کربن مانند توربین‌های بادی و باتری‌های الکتریکی نیز ضروری هستند. درنتیجه، تقاضای بالا برای این منابع باعث افزایش رقابت و فشار بر زنجیره تأمین جهانی شده است.

افزایش استفاده از سخت‌افزارهای هوش مصنوعی همچنین منجر به رشد چشمگیر زباله‌های الکترونیکی شده است. پیش‌بینی‌ها نشان می‌دهند که تا سال ۲۰۳۰، هوش مصنوعی مولد به‌تنهایی بین ۱.۲ تا ۵ میلیون تن زباله الکترونیکی اضافی تولید خواهد کرد که معادل ۴۹۵ برابر وزن برج ایفل است. این زباله‌ها حاوی مواد سمی مانند سرب، آرسنیک و جیوه هستند که می‌توانند به‌شدت برای سلامت انسان و محیط‌زیست خطرناک باشند.

در حال حاضر، تنها ۲۲ درصد از زباله‌های الکترونیکی جهان به‌صورت رسمی بازیافت می‌شوند. بسیاری از این زباله‌ها به کشورهای درحال‌توسعه در آفریقا، جنوب شرق آسیا و آمریکای جنوبی منتقل شده و در کارگاه‌های غیررسمی بازیافت می‌شوند. این فرایندهای غیرقانونی و غیراستاندارد، از جمله سوزاندن قطعات الکترونیکی برای استخراج فلزات ارزشمند، موجب انتشار گازهای سمی و آسیب‌های جدی به سلامت کارگران—به‌ویژه زنان باردار و کودکان—می‌شود. طبق گزارش سازمان بین‌المللی کار (ILO) در سال ۲۰۲۱، حدود ۱۶.۵ میلیون کودک در سراسر جهان در این صنعت خطرناک مشغول به کار هستند.

راهکارهای اقتصاد چرخشی برای کاهش اثرات زیست‌محیطی

اقتصاد چرخشی رویکردی است که می‌تواند به کاهش اثرات زیست‌محیطی هوش مصنوعی کمک کند. در این مدل، به‌جای تولید و مصرف بی‌رویه منابع، تمرکز بر افزایش طول عمر تجهیزات، استفاده مجدد از قطعات، و توسعه سیستم‌های بازیافت کارآمد است. این استراتژی می‌تواند به کاهش هزینه‌های عملیاتی کسب‌وکارها، افزایش بهره‌وری و کاهش ردپای زیست‌محیطی آن‌ها کمک کند.

سخت‌افزارهای چرخشی

یکی از عوامل اصلی تولید زباله‌های الکترونیکی، چرخه عمر کوتاه تجهیزات محاسباتی است. شرکت‌هایی مانند Cisco از طراحی ماژولار، استفاده از مواد بازیافتی و سیستم‌های بازیافت پیشرفته برای افزایش طول عمر سخت‌افزارهای خود بهره می‌برند. این اقدامات باعث کاهش ۴۰ درصدی مصرف مواد خام و ۶۶ درصدی مصرف انرژی در فرایندهای تولید می‌شود.

مراکز داده پایدار

مراکز داده از جمله منابع بزرگ تولید انتشار گازهای گلخانه‌ای هستند. در حال حاضر، ساختمان‌های جهانی ۳۹ درصد از کل انتشار کربن را تشکیل می‌دهند که ۱۱ درصد آن به مصالح ساختمانی و فرآیندهای ساخت مربوط است. استفاده از مواد جایگزین، مانند چوب‌های لمینت‌شده، می‌تواند انتشار کربن را در این حوزه کاهش دهد.

برخی از مراکز داده نیز از زیرساخت‌های قدیمی برای ایجاد مراکز جدید بهره می‌برند. به‌عنوان نمونه، پروژه Start Campus در پرتغال از تأسیسات یک نیروگاه زغال‌سنگ بازنشسته برای ایجاد یک مرکز داده با سیستم خنک‌کننده مبتنی بر آب دریا استفاده کرده است.

علاوه بر کاهش اثرات مخرب، مراکز داده می‌توانند تأثیرات مثبتی بر محیط اطراف خود داشته باشند. برای مثال، مایکروسافت در حال توسعه «مراکز داده احیاکننده» است که علاوه بر مدیریت پایدار منابع آبی، به تقویت تنوع زیستی در مناطق اطراف خود کمک می‌کنند.

جمع‌بندی

چالش‌های زیست‌محیطی هوش مصنوعی روزبه‌روز جدی‌تر می‌شوند. برای مقابله با این چالش‌ها، کسب‌وکارهای فناوری باید راهکارهای چرخشی و پایدار را در اولویت قرار دهند. سرمایه‌گذاری در طراحی سخت‌افزارهای پایدار، استفاده مجدد از زیرساخت‌های قدیمی، و توسعه فناوری‌های بازیافت ازجمله اقداماتی هستند که می‌توانند به کاهش اثرات زیست‌محیطی کمک کنند.

اقتصاد چرخشی نه‌تنها به حفظ محیط‌زیست کمک می‌کند، بلکه یک مزیت رقابتی برای کسب‌وکارهای آینده‌نگر خواهد بود. تنها با پذیرش این تغییرات و یادگیری مداوم می‌توان توسعه‌ای پایدار و منصفانه را محقق کرد.

Credits: "I’s Growing Waste Problem—and How to Solve It” by Samsurin Welch, Khaled Soufani and Eva Morales, published in Harvard Business Review.

Read the full article here: https://hbr.org/2025/02/ais-growing-waste-problem-and-how-to-solve-it