مخالفت مردم با ساخت مراکز داده و قوانین جدید انرژی؛ برنامههای هوش مصنوعی شرکتها چگونه تغییر میکند؟
مخالفت شهروندان محلی با احداث مراکز داده، قوانین جدید برای دریافت هزینه ارتقای شبکه برق و مقررات تازه ایالتی، زمانبندی و بودجه پروژههای هوش مصنوعی را دستخوش تغییر کردهاند. شرکتها پیش از تصویب بودجه بعدی خود باید چهار پرسش کلیدی را بررسی کنند.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- مخالفت ساکنان محلی و نتایج انتخابات ایالتی در آمریکا ممکن است روند توسعه نزدیک به ۴۵ درصد از مراکز داده برنامهریزیشده را با توقف موقت و تأخیر روبهرو کند.
- قوانین جدید در برخی ایالتها مراکز داده را ملزم میکنند هزینه ارتقای شبکه برق را شخصاً بپردازند که این موضوع هزینه ساخت و نگهداری زیرساختهای هوش مصنوعی را بالا میبرد.
- شرکتهایی که از ابزارهای هوش مصنوعی برای استخدام، وامدهی یا بیمه استفاده میکنند، طبق قوانین جدید ایالتی باید نحوه تصمیمگیری الگوریتمها را به کاربران توضیح دهند.

برنامههای هوش مصنوعی شرکت شما به تصمیمهایی وابسته است که در شهرهای کوچک و دورتر گرفته میشوند؛ در ادامه نکاتی را مرور میکنیم که باید پیش از تصویب بودجه بعدی خود بررسی کنید.
در روز انتخابات، رأیدهندگان در شهر کوچک اشویل در ایالت اوهایو با ۱٬۴۶۸ رأی مخالف در برابر ۳۳۰ رأی موافق، قرارداد احداث یک مرکز داده را لغو کردند. هرچند این شمارش هنوز غیررسمی است، اما فاصله آرا بسیار زیاد است. شرکت سازنده یعنی EdgeConneX موافقت شورای شهر را جلب کرده بود، اما نتوانست رضایت مردم را به دست آورد. این اتفاق مربوط به یک شهر کوچک و یک پروژه است، اما هر مدیری که بودجهای برای هوش مصنوعی کنار گذاشته است باید به آن توجه کند.
فضای ابری در واقعیت یک ابر انتزاعی نیست؛ بلکه ساختمانهایی فیزیکی در شهرها و مناطق مختلف است و ساکنان آن مناطق حق رأی دارند. شهروندان همیشه این قدرت را داشتهاند، اما روز انتخابات نشان داد که تا چه اندازه آماده استفاده از این حق هستند. این انتخابات همچنین فرمانداران جدیدی را در ایالتهای اوهایو، جورجیا و تگزاس روی کار آورد؛ سه ایالت بزرگی که قطب مراکز داده محسوب میشوند و فرمانداران جدید آنها بر نحوه تأمین برق و صدور مجوزها نظارت مستقیم خواهند داشت. بنابراین نباید فقط چشم به تصمیمهای دولت فدرال در واشنگتن دوخت. در ادامه به چهار موضوع مهم اشاره میکنیم که باید زیر نظر داشته باشید.
آیا اجرای پروژههای هوش مصنوعی بیشتر طول خواهد کشید؟
سرورهایی که همین حالا روشن هستند و کار میکنند مشکلی ندارند؛ چالش اصلی مربوط به پروژههایی است که هنوز روی کاغذ هستند. مؤسسه Goldman Sachs برآورد میکند که نتایج انتخابات ایالتی و محلی میتواند به توقف موقت حدود ۴۵ درصد از طرحهای توسعه مراکز داده در آمریکا منجر شود. البته این پیشبینی مربوط به تأخیرهای احتمالی در پروژههای ساختهنشده است و تحلیلگران Goldman Sachs انتظار دارند که این توقفها کوتاهمدت باشند.
این اصطکاکها و مخالفتها هم از روز انتخابات شروع نشدهاند. در ماه سپتامبر، شهرستان پرینس ویلیام در ایالت ویرجینیا به لغو مجوزهای خودکار برای مراکز داده رأی دادبه این ترتیب، هر پروژه جدیدی نیازمند رأیگیری جداگانه در شورای شهرستان خواهد بود. به همین دلیل است که امروزه جلب رضایت جوامع محلی، دشوارتر از خرید تراشههای هوش مصنوعی شده است.
این موضوع چگونه بر یک خریدار عادی خدمات هوش مصنوعی اثر میگذارد؟ یک تیم کوچک که از اشتراک ماهانه چتباتها استفاده میکند، از ظرفیتی بهره میبرد که همین حالا وجود دارد. اما شرکتی که قصد دارد سال آینده یک سیستم بزرگ را روی سرورهای اختصاصی راهاندازی کند، در موقعیت کاملاً متفاوتی قرار دارد. این کار درست مانند پیشخرید خودرو از کارخانهای است که هنوز مجوز ساخت زمین خود را نگرفته است. شاید خودروی نهایی عالی باشد، اما تاریخ تحویل آن در هالهای از ابهام قرار دارد. اگر شما هم در چنین وضعیتی هستید، از شرکت ارائهدهنده خدمات خود بپرسید که آیا ظرفیت پردازشی مورد نیازتان همین امروز آماده است یا هنوز در مرحله ساخت قرار دارد. سپس بررسی کنید که تأخیر احتمالی چه اثری بر زمانبندی پروژه و مفاد قرارداد شما خواهد گذاشت.
آیا هوش مصنوعی گرانتر خواهد شد؟
مسئله بعدی، قبض برق است. وقتی یک مرکز داده به پست برق یا خطوط انتقال جدیدی نیاز دارد، نگرانی مردم این است که هزینه آن در نهایت روی قبض برق خانوارها سرشکن شود. همسایهای را تصور کنید که میخواهد پارکینگ خانه خود را بزرگتر کند و از تمام اهالی کوچه میخواهد که در هزینه آن شریک شوند. ایالت پنسیلوانیا در تلاش است تا این صورتحساب را مستقیماً به خود آن همسایه تحویل دهد. بهار امسال، کمیسیون خدمات عمومی این ایالت چارچوب جدیدی را برای مشترکان پرمصرف برق تصویب کرد که مراکز داده و سایر مشتریان بزرگ را موظف میکند هزینه ارتقای شبکه برق مورد نیاز خود را شخصاً پرداخت کنند. آنها همچنین باید ودیعهای را به امانت بگذارند تا اگر پروژه نیمهکاره رها شد، هزینهها بر دوش سایر شهروندان نیفتد. البته این مصوبه زمانی لازمالاجرا میشود که شرکتهای برق آن را با تأیید کمیسیون به کار بگیرند. پژوهشگران مؤسسه Brookings معتقدند که نتایج انتخابات میتواند چنین قوانینی را اجباری کند؛ اقدامی که به گفته آنها هزینههای ساخت و بهرهبرداری از مراکز داده را افزایش میدهد.
البته این موضوع لزوماً به معنای افزایش فوری هزینه خدمات هوش مصنوعی برای شرکت شما نیست، چراکه در گام اول شرکت سازنده مرکز داده این هزینه را میپردازد. این وضعیت شبیه رستورانی است که گوشت را گرانتر میخرد؛ اینکه قیمت غذای شما هم گرانتر شود، به قیمتهای رستوران رقیب در آن سوی خیابان و همچنین به وجود قراردادهای بلندمدت با قیمت ثابت بستگی دارد. برق تنها یکی از عوامل هزینهزا است و تراشههای بهینهتر، مدلهای سبکتر و رقابت شدید در بازار همگی بر قیمت نهایی اثر میگذارند. بنابراین برنامهریزی مالی کسبوکار خود را صرفاً بر پایه یک سناریوی قیمتی بنا نکنید.
قراردادهای خود را با همین دیدگاه مطالعه کنید. بررسی کنید چه عواملی میتوانند تعرفه شما را تغییر دهند، قیمتهای فعلی تا چه زمانی تضمین شدهاند و اگر راهاندازی پروژه با تأخیر روبهرو شود، آیا تعهدات مربوط به حداقل پرداخت همچنان پابرجا میمانند یا خیر. همچنین دو عدد را از هم تفکیک کنید: قیمت هر واحد پردازشی و تعداد واحدهایی که مصرف خواهید کرد. یک پروژه آزمایشی ارزانقیمت، معیار خوبی برای برآورد هزینه اجرای سراسری در کل شرکت نیست؛ زیرا موفقیت پروژه باعث جهشچشمگیر میزان مصرف میشود.
کدام قوانین هوش مصنوعی واقعاً تغییر میکنند؟
قوانین مصوب را از شعارهای سیاسی جدا کنید. وعدههای انتخاباتی فقط فضای رسانهای را تغییر میدهند، اما این قوانین رسمی هستند که تعهدات حقوقی و اداری شما را عوض میکنند.
بسیاری از مدیران فراموش میکنند که برای مشمول شدن در قوانین هوش مصنوعی، نیازی نیست حتماً سازنده مدلهای هوش مصنوعی باشید. ایالت کلرادو بهار امسال قانون هوش مصنوعی خود را بازنویسی کرد و اجرای الزامات آن از سال ۲۰۲۷ آغاز میشود. این قوانین شامل شرکتهایی است که برای تصمیمگیری درباره استخدام افراد، واگذاری مسکن، خدمات بیمه یا تأیید وام از هوش مصنوعی کمک میگیرند. اگر از ابزاری برای رتبهبندی متقاضیان کار استفاده کنید، موظف هستید پیش از شروع کار به متقاضیان اطلاع دهید، در صورت رد شدن درخواستشان دلیل آن را توضیح دهید و اگر تقاضا کردند، پرونده آنها را توسط یک نیروی انسانی بازبینی کنید. جزئیات اجرایی این قانون هنوز در حال تدوین است، اما یک اقدام منطقی را باید همین امروز انجام دهید: از شرکت فروشنده نرمافزار بپرسید که ابزار آنها دقیقاً چگونه تصمیم میگیرد، چون در نهایت این شما هستید که باید به کاربران پاسخ دهید.
رقابت بزرگتر بر سر این است که چه نهادی باید قوانین را تعیین کند. یک فرمان اجرایی در دسامبر ۲۰۲۵ کارگروهی را در وزارت دادگستری آمریکا تشکیل داد تا قوانین ایالتی هوش مصنوعی را به چالش بکشد. با این حال، یک فرمان اجرایی بهتنهایی نمیتواند قوانین مصوب یک ایالت را باطل کند. در کنگره آمریکا نیز طرحی دوحزبی به نام قانون FRONTIER مطرح شده است که یک استاندارد ملی واحد برای توسعهدهندگان پیشرفتهترین مدلهای هوش مصنوعی تعیین میکند. این طرح از ماه جولای در کمیته تخصصی مانده است و هر طرحی که تا پایان دوره کنگره فعلی در اوایل ژانویه تصویب نشود، بهطور کامل از دستور کار خارج خواهد شد.
تا زمانی که تکلیف این قوانین فدرال روشن شود، باید از مقررات ایالتی یا منطقهای که در آن فعالیت میکنید پیروی نمایید. در این فاصله، فهرستی از تمام بخشهایی تهیه کنید که هوش مصنوعی در آنها درباره سرنوشت افراد تصمیم میگیرد. فارغ از اینکه چه کسی در انتخابات پیروز شود، به این فهرست نیاز خواهید داشت.
آیا هوش مصنوعی فیزیکی میتواند اعتماد عمومی را جلب کند؟
سه پرسش نخست درباره این بود که آیا میتوانید پروژههای هوش مصنوعی را بهموقع و مطابق بودجه اجرا کنید یا خیر. اما پرسش چهارم به این میپردازد که آیا پس از راهاندازی، مردم و کارکنان آن را میپذیرند؟ این بخش برای برنامههای مبتنی بر رباتیک و سیستمهای خودران اهمیت بسیار بالایی دارد.
جامعه با چشم بسته به هوش مصنوعی اعتماد نمیکند. نتایج یک نظرسنجی در اواخر سپتامبر نشان داد که هشت نفر از هر ۱۰ بزرگسال معتقدند دولت باید حفاظت از مشاغل کارکنان و نگه داشتن هوش مصنوعی تحت کنترل انسان را در اولویت قرار دهد.
در این نقطه، هوش مصنوعی فیزیکی یعنی رباتها و ماشینهایی که در دنیای واقعی عمل میکنند، هم یک مزیت بزرگ دارند و هم با یک چالش جدی روبهرو هستند. مزایای آنها کاملاً ملموس و قابل مشاهده است. رباتی که به داخل یک مخزن صنعتی میرود تا نیازی به ورود انسان نباشد، یا تجهیزات واقع در نقاط خطرناک را بازرسی میکند، کاری انجام میدهد که فایده آن برای همه روشن است. اما خطرات آن نیز به همان اندازه ملموس است: اینکه ربات در کنار انسانها چگونه رفتار میکند، دوربینهایش چه چیزهایی را ضبط میکنند و شغل چه کسانی را تغییر میدهد. ضمن اینکه رباتی که در ویدیوهای تبلیغاتی بینقص به نظر میرسد، ممکن است در شیفت کاری شبانه به یک دردسر واقعی تبدیل شود.
بنابراین با شواهد و مستندات جلو بروید. به کارکنان نشان دهید که چه چیزی، برای چه کسانی و در چه بازه زمانی بهبود یافته است؛ برای نمونه، کاهش ساعات حضور کارگران در فضاهای بسته و خطرناک، یا کاهش خطاهای بازرسی. سپس بهطور شفاف مشخص کنید که در صورت بروز خطا از سوی ماشین، چه فردی پاسخگو است. مزایای ملموس به جلب اعتماد کمک میکنند و وجود یک مسئول مشخص برای زمان بروز خرابی، این اعتماد را زنده نگه میدارد.
فرضیات پشت بودجه هوش مصنوعی خود را محک بزنید
رأی مردم شهر اشویل استراتژی هوش مصنوعی شرکت شما را تعیین نمیکند، اما یادآور این واقعیت است که افراد دیگر نیز در سرنوشت زیرساختهای آن نقش دارند. نتایج انتخابات اخیر را بهعنوان یک هشدار زودهنگام و رایگان در نظر بگیرید. پیش از آنکه قرارداد اجرای پروژه بعدی خود را امضا کنید، سه پرسش کلیدی را از شرکت ارائهدهنده خدمات بپرسید: ظرفیت پردازشی مورد نیاز چه زمانی آماده میشود، چه عواملی میتوانند قیمت را تغییر دهند و چه قوانینی بر نحوه استفاده شما از این ابزار حاکم است. پاسخ این پرسشها، اطلاعات بسیار مفیدتری نسبت به یک نسخه نمایشی جذاب به شما خواهد داد.
مطالب مرتبط و پیشنهادی

موج آبی و حباب هوش مصنوعی؛ چرا نتایج انتخابات میاندورهای به سود آینده این صنعت است؟
پیروزی دموکراتها در انتخابات میاندورهای آمریکا و افزایش مخالفتهای مردمی با ساخت مراکز داده، سیاستگذاریهای هوش مصنوعی را دگرگون خواهد کرد. با این حال، تدوین قوانین مشخص و ایجاد ثبات نظارتی میتواند از ترکیدن ناگهانی حباب هوش مصنوعی جلوگیری کند و زمینهساز رشد پایدار و بلندمدت این فناوری شود.

تحول در ارزیابی مدلهای هوش مصنوعی با فریمورک DSPy استنفورد؛ افزایش ۶ درصدی امتیازات و جابهجایی رتبهبندیها
پژوهش جدید دانشگاه استنفورد نشان میدهد که ترکیب فریمورک DSPy با بنچمارک HELM و جایگزینی پرامپتهای ثابت با پرامپتهای ساختاریافته، دقت مدلهای زبانی را بهطور میانگین ۶ درصد افزایش داده و جایگاه مدلها را در ۵ آزمون از ۷ بنچمارک تغییر میدهد.

مدل بینایی EfficientViT-L2؛ کاهش چشمگیر هزینه پردازش تصاویر با وضوح بالا در هوش مصنوعی
آزمایشگاه Han در دانشگاه MIT با ارائه مدل بینایی EfficientViT-L2، راهکاری بهینه برای پردازش تصاویر با وضوح بالا در اختیار توسعهدهندگان PyTorch قرار داده است. این معماری با جایگزین کردن مکانیزم توجه خطی بهجای روشهای مرسوم، مصرف حافظه و هزینه محاسباتی را بهشدت کاهش میدهد.
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.