انتقال دیتاسنترهای هوش مصنوعی به زیر زمین؛ ایدهای جذاب که با موانع بزرگی روبهروست!
با گسترش خیرهکننده هوش مصنوعی، دیتاسنترهای پر سر و صدا و پرمصرف به یک چالش جدی تبدیل شدهاند و انتقال آنها به اعماق زمین در نگاه اول راهحلی ایدهآل به نظر میرسد. با این حال، بررسیهای فنی نشان میدهد که هزینههای نجومی تهویه، حفاری و عایقکاری، مانع از مهاجرت سرورهای غولپیکر به زیر زمین میشوند.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- دیتاسنترهای هوش مصنوعی به دلیل مصرف وحشتناک آب و برق و سر و صدای فراوان با اعتراضات مردمی روبهرو شدهاند و انتقال آنها به زیر زمین روی کاغذ راهحل فوقالعادهای به نظر میرسد.
- با این حال، هزینههای نجومی حفاری، عایقسازی ضدآب، سامانههای تهویه بسیار پیچیده و عدم امکان توسعه آسان، مانع از استقبال شرکتها از این ایده شده است.
- تنها راهکار عملی فعلی، استفاده از معادن متروکه قدیمی با شرایط دمایی ایدهآل است که البته به دلیل کمبود معادن متصل به شبکه برق، نمیتواند پاسخی برای حجم عظیم نیاز بازار باشد.
دیتاسنترها به «شرّ اجتنابناپذیری» تبدیل شدهاند که برای پیشبرد قطار سریعالسیر هوش مصنوعی چارهای جز کنار آمدن با آنها نداریم. با این حال، دردسرهای آنها کم نیست و اکثر مردم عادی هم به دلایل کاملاً موجهی دل خوشی از آنها ندارند. سر و صدای این مراکز به قدری سرسامآور است که گاهی تا بیش از یک کیلومتر آنطرفتر هم شنیده میشود؛ تازه مصرف سرسامآور آب و برق، افزایش هزینههای قبوض آب و برق محلی و اشغال زمینهای ارزشمند را هم باید به این سیاهه اضافه کرد. در چنین شرایطی، این ایده به ذهن میرسد که چرا دیتاسنترها را زیر زمین نسازیم؟ روی کاغذ، این کار میتواند بخش بزرگی از مشکلات را یکشبه حل کند.
اما کاش قضیه به همین سادگیها بود! درست است که مثلاً امارات به خاطر ملاحظات امنیتی و نظامی به فکر سنگربندی یا بردن برخی دیتاسنترها به زیر زمین افتاده، اما اینها راهکارهایی اضطراری با انگیزههای دفاعی هستند. در شرایط عادی، ساخت دیتاسنتر زیرزمینی هزینهای سر به فلک کشیده خواهد داشت؛ چون برای تحمل وزن خروارها خاک بالای سر، باید یک سازه و پوسته بتنی فوقالعاده مستحکم طراحی شود. این هزینه سنگین تازه بدون در نظر گرفتن مخارج طاقتفرسای حفاری، عایقکاری و ضدآبسازی است. از طرف دیگر، توسعه دادن این مجموعهها اصلاً کار راحتی نیست، چون هر بار افزایش ظرفیت به انفجار و حفاری مجدد نیاز دارد؛ به این ترتیب، کمتر شرکتی حاضر میشود صرفاً برای راضی نگه داشتن مردم محلی، زیر بار چنین هزینههای گزافی برود و قید قابلیت توسعه آسان را بزند.
اما شاید بپرسید بزرگترین چالش فنی کجاست؟ کیفیت و تهویه هوا! وقتی وارد اعماق زمین میشوید، کنترل وضعیت هوا خیلی سریع به یک کابوس مهندسی تبدیل میشود. سرورهای حساس هوش مصنوعی برای داشتن شرایط پایداری که روی زمین به صورت طبیعی در دسترس است، به سامانههای گرانقیمت تهویه مطبوع و کنترل دقیق رطوبت نیاز دارند؛ هزینهای سنگین که صورتحساب نهایی پروژه را نجومیتر میکند. در نهایت، هرچند ساخت دیتاسنتر در زیر زمین بسیار منطقیتر از ایدههای فانتزی مثل پرتاب دیتاسنتر به مدار زمین است، اما همچنان آنقدر پردردسر و پرهزینه به حساب میآید که غولهای فناوری رغبتی برای عملی کردن جدی آن نداشته باشند.
پس دیتاسنترهای زیرزمینی در چه حالتی واقعاً جواب میدهند؟

نکته مثبت دیتاسنترهای زیرزمینی، دستکم روی کاغذ، این است که به دلیل نبود تابش نور خورشید، هزینه سرسامآور خنکسازی سرورها به شکل چشمگیری کاهش پیدا میکند. علاوه بر این، امکان استفاده از انرژی زمینگرمایی وجود دارد که میتواند مانع از هدررفت گسترده برق شود. اگر هزینههای وحشتناک ساختوساز اولیه نبود، این ایده واقعاً مثل یک راهحل معجزهآسا به نظر میرسید. البته یک راه میانبر هوشمندانه هم وجود دارد: به جای کندن زمین از صفر، میتوان دیتاسنترهای جدید هوش مصنوعی را داخل سازههای زیرزمینی از پیش ساختهشده برپا کرد؛ راهکاری که بخش عمده موانع را دور میزند و نمونههای واقعی موفقی هم از آن در دنیای واقعی داریم.
به عنوان مثال، در حال حاضر چند دیتاسنتر در معادن متروکه آمریکا فعال هستند که از نظر امنیت فیزیکی در بالاترین سطح ممکن قرار دارند. بخش جذاب ماجرا اینجاست که راهاندازی و نگهداری آنها چندان گران تمام نشده است. علاوه بر این، دما و بهویژه رطوبت داخل برخی از این معادن در شرایطی ایدهآل و تقریباً بینقص قرار دارد. اما متأسفانه خبر بد این است که معادن متروکهای که هم به منابع برق قدرتمند نزدیک باشند و هم زیرساختهای ارتباطی و فیبر نوری لازم را داشته باشند، بسیار انگشتشمارند؛ بنابراین قرار نیست شرکتهای فناوری مثل کاراکترهای بازی Fallout دستهجمعی به زندگی در دل معادن روی بیاورند!
در یک دنیای بینقص و آرمانی، حفظ محیطزیست و منابع طبیعی قطعاً بر سودآوری مالی اولویت داشت؛ اما در دنیای واقعی، دلیل اصلی اینکه غولهای فناوری تمایل چندانی به اجرای چنین راهحلهایی نشان نمیدهند، این است که ساختوساز زیرزمینی به مراتب پرهزینهتر از خرید یک قطعه زمین معمولی روی سطح زمین است. بقیه گزینهها هم چالشهای خاص خودشان را دارند؛ مثلاً با وجود سرمای طبیعی و وسوسهانگیز قطب جنوب برای خنککاری سرورهای تشنه هوش مصنوعی، به دلیل دوری وحشتناک و نبود شبکه برق، ساخت دیتاسنتر در آنجا عملاً غیرممکن است. بنابراین تا زمانی که مهندسان راهکار ارزانتری پیدا نکنند، ظاهراً چارهای جز کنار آمدن با عوارض و رشد قارچگونه این هیولاهای پر سر و صدا روی زمین نخواهیم داشت.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی

غوغای مدل فوقالعاده سبک Gender-Classifier-Mini؛ ثبت دقت خیرهکننده ۹۷.۲ درصدی و ۷۷۸ هزار دانلود ماهانه!
مدل بینایی جمعوجور و سبک Gender-Classifier-Mini توانسته با ثبت دقت ۹۷.۲ درصدی در تشخیص چهره، به بیش از ۷۷۸ هزار دانلود ماهانه در پلتفرم هاگینگ فیس دست پیدا کند. این مدل متنباز با حجم اندک خود بهراحتی روی لپتاپهای شخصی اجرا میشود و نشان میدهد که برای کارهای تخصصی بینایی ماشین، همیشه نیازی به مدلهای غولپیکر و پردازندههای سنگین ابری نیست.

زنگ خطر در سیستم درمان؛ نفوذ ایجنتهای خودسر هوش مصنوعی به بیمارستانها بدون مجوز IT!
در حالی که بیمارستانها سخت درگیر مهار حملات سایبری هستند، تهدید غیرمنتظره جدیدی سر برآورده است: ایجنتهای هوش مصنوعی که بدون تأیید بخش IT در سیستمهای درمانی فعالیت میکنند. این دستیارهای خودمختار حالا با دسترسی به حساسترین پروندههای پزشکی، مرزهای حریم خصوصی و امنیت دادهها را به چالش کشیدهاند.

راز باهوشتر شدن هوش مصنوعی در برنامه «۶۰ دقیقه»؛ وقتی بلعیدن کل اینترنت هم کافی نیست!
مدلهای هوش مصنوعی دیگر نمیتوانند فقط با بلعیدن دادههای اینترنت هوشمندتر شوند و برای جهش بعدی به تخصص واقعی انسانها نیاز دارند. برنامه مشهور «۶۰ دقیقه» در گزارشی جذاب به سراغ استارتاپ مرکور رفته؛ جایی که بیش از ۱۰۰ هزار متخصص دستبهکار شدهاند تا به هوش مصنوعی مهارتهای پیچیده انسانی بیاموزند.
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.