لطالما كانت تقنيات الذكاء الاصطناعي موضوعًا للنقاش فيما يتعلق بتأثيراتها البيئية بسبب زيادة استهلاكها للطاقة. على وجه الخصوص، يمكن أن تضع النماذج اللغوية الكبيرة عبئًا كبيرًا على استهلاك الطاقة العالمي حيث تتطلب موارد حوسبة ضخمة. تدعي شركة DeepSeek، التي تتخذ من الصين مقرًا لها، أنها طورت نموذج ذكاء اصطناعي يستهلك طاقة أقل. ومع ذلك، فإن مفارقة جيفونز، التي اقترحت في القرن التاسع عشر، تشير إلى أن الزيادات في الكفاءة لا تقلل دائمًا من استهلاك الطاقة؛ بل قد تزيد من الطلب على الطاقة على المدى الطويل. يستكشف هذا المقال ادعاء DeepSeek ومفارقة جيفونز.
كم تستهلك نماذج الذكاء الاصطناعي من الطاقة؟
اليوم، تستجيب النماذج اللغوية الكبيرة لاستفسارات المستخدمين بطريقة مشابهة لمحركات البحث. ومع ذلك، على عكس محركات البحث التقليدية، تقوم نماذج الذكاء الاصطناعي بإنشاء إجاباتها من الصفر. تعتبر هذه العملية مستهلكة للطاقة بشكل كبير لأنها تتطلب كمية كبيرة من القدرة الحاسوبية.
وفقًا للأبحاث، من المتوقع أن يستهلك قطاع الذكاء الاصطناعي بين 85 و134 تيراواط ساعة (TWh) من الكهرباء بحلول عام 2027. تعادل هذه الكمية إجمالي استهلاك الطاقة في هولندا لمدة عام. يتوقع الخبراء أنه بحلول عام 2030، سيتم توجيه أكثر من 20% من الكهرباء المولدة في الولايات المتحدة إلى مراكز بيانات الذكاء الاصطناعي.
على الرغم من أن عمالقة التكنولوجيا يدعون أنهم يقومون باستثمارات كبيرة في مصادر الطاقة المتجددة، إلا أنهم يجعلون حلول الطاقة الأكثر استقرارًا، مثل الطاقة النووية، ضرورية لتوفير طاقة غير منقطعة لأنظمة الذكاء الاصطناعي. على سبيل المثال، تخطط مايكروسوفت لإعادة تشغيل محطة جزيرة ثري مايل، المعروفة بأنها واحدة من أكبر الحوادث النووية في تاريخ الولايات المتحدة. في الوقت نفسه، على الرغم من أن جوجل تهدف إلى أن تكون محايدة للكربون بحلول عام 2030، إلا أن انبعاثات الكربون في قطاع الذكاء الاصطناعي قد زادت بنسبة 48% في السنوات الأخيرة.
ما هو ادعاء DeepSeek؟
تدعي DeepSeek أنها وجدت حلاً لهذه المشكلة. تم تدريب نموذج R1 الذي طورته الشركة بتكلفة أقل بكثير مقارنة بمنافسيه الرئيسيين. بينما أنفقت Meta أكثر من 60 مليون دولار على نموذج Llama الخاص بها، فإن DeepSeek حققت أداءً مشابهًا بميزانية تبلغ 6 ملايين دولار فقط. تشير DeepSeek إلى أن نموذجها يستخدم بنية تعلم الآلة تسمى Mixture of Experts، مما يسمح بتشغيل أكثر كفاءة.
وقد أثرت هذه التطورات أيضًا على الاقتصاد العالمي. في الولايات المتحدة، شهدت أسهم مصنعي الرقائق وشركات الطاقة انخفاضات كبيرة. واجهت Nvidia، منتجة معالجات الذكاء الاصطناعي، أكبر انخفاض في تاريخ وول ستريت، حيث خسرت 589 مليار دولار في يوم واحد. ومن المثير للاهتمام، أن تحسين كفاءة الطاقة في الذكاء الاصطناعي قد يؤدي إلى زيادة في إجمالي استهلاك الطاقة في القطاع بدلاً من انخفاضه. وذلك لأن مفارقة جيفونز تجادل بأن الاستخدام الأكثر كفاءة للطاقة يمكن أن يؤدي إلى زيادة الطلب على الطاقة.
ما هو مفارقة جيفونز؟
تم اقتراح مفارقة جيفونز لأول مرة من قبل ويليام ستانلي جيفونز في عام 1865. جادل جيفونز بأن زيادة كفاءة استخدام الفحم لم تقلل من الاستهلاك، بل زادته. وفقًا لجيفونز، أدت الأنظمة الأكثر كفاءة إلى خفض تكاليف الإنتاج، مما أدى إلى زيادة الاستثمارات وبالتالي رفع الاستهلاك الكلي. ينطبق نفس الوضع اليوم. قد توفر التطورات التكنولوجية وفورات في الطاقة، لكنها لا تقلل من الطلب الكلي على الطاقة.
الخاتمة
يستمر زيادة استهلاك الطاقة في صناعة الذكاء الاصطناعي في أن يكون قضية كبيرة فيما يتعلق بالتأثيرات البيئية. على الرغم من أن نماذج الذكاء الاصطناعي الأكثر كفاءة التي تطورها شركات مثل DeepSeek قد تبدو أنها تقلل من استهلاك الطاقة على المدى القصير، إلا أن مفارقة جيفونز تشير إلى أن هذه الزيادة في الكفاءة قد تؤدي إلى زيادة إجمالية في الاستهلاك على المدى الطويل. قد تؤدي التكاليف المنخفضة وتقليل استهلاك الطاقة إلى زيادة في الطلب مع انتشار الذكاء الاصطناعي وجعله أكثر وصولاً.
في هذه المرحلة، من الضروري للشركات ليس فقط زيادة كفاءة الطاقة ولكن أيضًا دمج مصادر الطاقة المستدامة والمتجددة. ومع ذلك، بالنظر إلى وتيرة التقدم التكنولوجي وارتفاع الطلب، لا يبدو من المحتمل أن يتمكن الذكاء الاصطناعي من تقليل استهلاكه للطاقة بشكل دائم. ونتيجة لذلك، سيستمر الطلب على الطاقة في الارتفاع، مما يستلزم تطوير حلول أكثر شمولاً للتخفيف من التأثيرات البيئية.
إذا كنت تبحث عن نظام يستهلك أقل قدر ممكن من الموارد بينما يقوم بالأتمتة بكفاءة، دعنا نفحص نظامك معًا. مع حلول الأتمتة المستندة إلى الذكاء الاصطناعي من PlusClouds، مثل Eaglet وLeo، يمكنك تحسين عمليات عملك مع توفير الوقت والجهد. يمكن لهذه الأنظمة الذكية زيادة الكفاءة التشغيلية بما يصل إلى 5 مرات، مما يقلل من استهلاك الموارد غير الضروري.
يقوم Eaglet بتحديد العملاء المحتملين في غضون ثوانٍ باستخدام تقنية مسح البيانات المتقدمة، وتحليل معلومات الاتصال وجدولة اجتماعاتك. يمكن استخدامه أيضًا لتحليل SWOT وتحديد المنافسة. من ناحية أخرى، يقوم Leo بأتمتة إدارة مركز البيانات الخاص بك بالكامل، مما يوفر تحكمًا شاملاً من لوحة واحدة. بهذه الطريقة، لا تقلل فقط من التكاليف ولكن أيضًا تقلل من تأثيرك البيئي. للحصول على بنية تحتية أكثر كفاءة واستدامة وذكاء، تواصل معنا ودعنا نحدد حلول الأتمتة الأنسب لك!
