شکوفایی هوش مصنوعی ممکن است زبالههای الکترونیکی به اندازه ۶ بار دور زمین بر جای بگذارد
یک گزارش جدید هشدار میدهد که برآوردهای پیشین که تنها بر پردازندههای گرافیکی تمرکز داشتند، حجم عظیم تجهیزات برق، خنککننده و شبکه را که به زودی به زباله تبدیل میشوند، نادیده گرفتهاند.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- زیرساختهای هوش مصنوعی تا سال ۲۰۵۰ میتوانند بین ۳۹۵ تا ۶۱۷ میلیون تن زباله الکترونیکی تولید کنند.
- برآوردهای پیشین تنها بر تجهیزاتی مثل پردازندههای گرافیکی (GPU) تمرکز داشتند که تنها ۱۳ درصد از وزن یک دیتاسنتر را تشکیل میدهند.
- تجهیزات مرتبط با شبکهسازی، برق و خنککننده که چرخه تعویض بسیار کوتاهی دارند، بخش عظیمی از این زبالههای پیشبینیشده را تشکیل میدهند.
بر اساس یک گزارش جدید که استدلال میکند برآوردهای کنونی به شدت این مشکل را دستکم گرفتهاند، زیرساختهای هوش مصنوعی تا سال ۲۰۵۰ میتوانند به اندازهای زباله الکترونیکی تولید کنند که صفی از کانتینرهای باری به طول شش برابر محیط زمین ایجاد شود.
این گزارش نشان میدهد که برآوردهای پیشین عمدتاً بر سرورها و شتابدهندههایی مانند پردازندههای گرافیکی متمرکز بودهاند که تنها ۱۳ درصد از تجهیزات یک دیتاسنتر را از نظر وزنی تشکیل میدهند. اگر زیرساختهای تامین برق، شبکهسازی، خنککننده و سایر موارد نیز در نظر گرفته شوند، مجموع زبالهها میتواند ۴۰ تا ۶۰ برابر بیشتر از شناختهشدهترین پیشبینیهای دانشگاهی باشد.
این گزارش پنج دسته از تجهیزات شامل شبکهسازی، توزیع برق، سیستمهای برق اضطراری، سرورها به همراه شتابدهندهها، و سیستمهای خنککننده را شناسایی کرده است. به گفته این گزارش، این تجهیزات در یک دیتاسنتر مرجع ۱۰۰ مگاواتی هوش مصنوعی مجموعاً به حدود ۷۰۰۰ تن میرسند که بخش عمده آن هنگام ارتقای تاسیسات باید تعویض شود.
این گزارش با عنوان «موج زباله هوش مصنوعی چقدر بزرگ است؟» [PDF] از سوی شبکه اقدام بازل (BAN) منتشر شده است؛ یک سازمان غیرانتفاعی که نام خود را از کنوانسیون بازل گرفته است که جابجایی بینالمللی زبالههای خطرناک را کنترل کرده و به دنبال جلوگیری از انتقال آنها از کشورهای توسعهیافته به کشورهای در حال توسعه است.
مدل سازمان BAN با بررسی آنچه که صنعت قصد ساخت آن را دارد آغاز شده و زبالههای احتمالی ناشی از این توسعه را محاسبه میکند.
این مدل تخمین میزند که زیرساختهای هوش مصنوعی بین سالهای ۲۰۲۵ تا ۲۰۵۰ بین ۳۹۵ میلیون تا ۶۱۷ میلیون تن زباله الکترونیکی تولید خواهند کرد. بر اساس این گزارش، این مقدار میتواند بین ۱۵ تا ۲۳ میلیون کانتینر باری را پر کند. قرار دادن ۲۰ میلیون از این کانتینرها پشت سر هم، صفی به طول تقریبی ۲۴۴ هزار کیلومتر، یعنی تقریباً شش برابر محیط زمین ایجاد میکند.
این تخمین بر پایه چندین فرض استوار است. این مدل فرض میکند که مس، فولاد، تجهیزات خنککننده و توزیع برق، تجهیزات شبکه و سختافزار محاسباتی در جدیدترین دیتاسنترهای هوش مصنوعی، با منسوخ شدن فناوری، به جای چند دهه، در عرض چند سال از رده خارج خواهند شد.
برای نمونه، این گزارش بیان میکند که وقتی یک تاسیسات، رکهای ۵ تا ۱۵ کیلوواتی را با رکهای ۵۰ تا ۱۴۰ کیلوواتی مورد نیاز برای پردازشهای هوش مصنوعی جایگزین میکند، بخش عمدهای از زیرساختهای برق آن باید جدا شده و تعویض شوند. یک دیتاسنتر ۱۰۰ مگاواتی به تنهایی حاوی حدود ۲۷۰۰ تن مس فقط در کابلکشی و شینههای خود است.
سازمان BAN ادعا میکند که پردازندههای گرافیکی و سایر شتابدهندههای هوش مصنوعی هر دو تا سه سال یک بار تعویض میشوند، در حالی که این زمان برای سرورهای همهمنظوره سنتی بین پنج تا هفت سال است. این مدل فرض میکند که مالکان هنگام ارتقا به جدیدترین نسل پردازندههای گرافیکی NVIDIA، برای مثال، کل سرورها را تعویض میکنند. BAN استدلال میکند که این موضوع منطقی است، زیرا تولیدکنندگان تجهیزات اصلی (OEM) که به شرکتهای بزرگ خدمات ابری تجهیزات میفروشند، تمایل دارند سیستمهای کامل و از پیش پیکربندی شده را ارسال کنند.
سایر تجهیزات چرخههای تعویض متفاوتی دارند: سه تا چهار سال برای زیرساخت شبکه، هشت سال برای توزیع برق، و پنج سال برای هر دو سیستم برق اضطراری و خنککننده.
این مقاله ۴۶ صفحهای، اولین بخش از یک مجموعه است. بخش دوم بررسی خواهد کرد که چگونه استفاده مجدد، نوسازی و تغییر کاربری میتواند حجم زبالههای الکترونیکی را کاهش دهد. بخش سوم به سمیت احتمالی آنها از جمله آلودگی با مواد پرفلوئوروآلکیل و پلیفلوئوروآلکیل (PFAS) میپردازد و بخش چهارم راههای کاهش این خطرات را بررسی خواهد کرد.
در این گزارش آمده است که هیچ شرکت ارائهدهنده خدمات ابری، دولت یا نهاد بینالمللی برنامهای برای مدیریت زبالههای الکترونیکی ناشی از هوش مصنوعی در مقیاس پیشبینیشده منتشر نکرده است. همچنین افزوده شده است که زیرساخت کافی برای پردازش ایمن حتی حجم فعلی این زبالهها نیز وجود ندارد.
جیم پاکت، بنیانگذار و مدیر استراتژی BAN، میگوید: «تا به امروز، بحثهای محیط زیستی پیرامون هوش مصنوعی بر مصرف برق، کربن و آب متمرکز بوده و تا حد زیادی آنچه که بر سر خود سختافزار میآید را نادیده گرفته است.»
وی هشدار داد: «اگر شرکتها و دولتها برنامهریزی برای این سونامی زباله جدید را آغاز نکنند، توسعه امروز هوش مصنوعی میتواند به بحران زبالههای سمی فاجعهبارتری نسبت به آنچه در حال حاضر تجربه میکنیم، تبدیل شود.»
برچسب های مرتبط
مطالب مرتبط و پیشنهادی

رکورد ۸۳۳ هزار دانلود ماهانه برای LEGAL-BERT؛ وقتی توسعهدهندهها قید مدلهای گرانقیمت را میزنند!
مدل زبانی تخصصی LEGAL-BERT با ثبت بیش از ۸۳۳ هزار دانلود در ماه روی پلتفرم هاگینگ فیس حسابی خبرساز شده است. این ابزار جمعوجور و تخصصی نشان میدهد که برای پردازش و تحلیل متون حقوقی، حتماً نیازی به مدلهای غولپیکر و پرهزینه ندارید و گزینههای بهینه همچنان در اوج هستند.

جاسوسی هوش مصنوعی در محل کار؛ کارمندان میگویند کارفرماها باید قانوناً مچگیریهایشان را لو بدهند!
نظرسنجیهای تازه نشان میدهد که بیشتر کارمندان حس میکنند مدیرانشان با ابزارهای هوش مصنوعی تمام حرکات آنها را زیر نظر گرفتهاند. حالا بیش از ۸۰ درصد شاغلان خواستار تصویب قانونی شدهاند که شرکتها را مجبور کند هرگونه مچگیری و نظارت هوش مصنوعی در محیط کار را رسماً اعلام کنند.

گزارش داغ مایکروسافت از نفوذ جهانی هوش مصنوعی؛ امارات در صدر و رتبه عجیب آمریکا!
مایکروسافت در تازهترین گزارش خود از ضریب نفوذ هوش مصنوعی در جهان پرده برداشت؛ آماری شگفتانگیز که نشان میدهد امارات و سنگاپور با فاصلهای خیرهکننده پیشتاز دنیا هستند و در مقابل، آمریکا در رتبه ۲۱ جا مانده است. همچنین الگوی استفاده از هوش مصنوعی میان کشورهای غربی و کشورهای در حال توسعه، از تفاوتی عمیق میان کاربردهای روزمره و آموزش پرده برمیدارد.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.