۴ راهکار پایدارسازی هوش مصنوعی شرکتها
برخی برآوردهای جدید از احتمال بحرانی شدن میزان مصرف انرژی هوش مصنوعی خبر میدهند. به عنوان مثال، طبق یکی از احتمالات، میزان مصرف انرژی پایگاههای داده و سرورهای هوش مصنوعی تا سال ۲۰۲۶ میتواند به اندازه مصرف انرژی کل کشورهای جهان شود. این جهش سریع فراتر از آن است که بتوان تصور کرد همه انرژی لازم از منابع تجدیدپذیر تامین میشود. هماکنون نیز میزان مصرف انرژی هوش مصنوعی مولد به اندازه مصرف انرژی کل کشور ایرلند است.
البته متخصصان شرکت آمریکایی خدمات فناوری اطلاعات و مشاوره کیندریل (Kyndryl) معتقدند که راههایی برای کنترل معایب هوش مصنوعی بدون فدا کردن مزایای آن وجود دارد. لیز پرتر، مشاور جهانی مسوولیتهای اجتماعی شرکت کیندریل و آوینتا مودالی، رئیس واحد مدیریت زیستمحیطی این شرکت، در یک وبلاگ، دلیل آوردهاند که هوش مصنوعی مولد در واقع نهتنها مانعی در راه دستیابی به اهداف پایداری شرکتها نیست، بلکه کلیدی برای رسیدن به این مهم است.
ابتدا اخبار بد
پیش از پرداختن به راهحل بالقوه باید به این موضوع پرداخت که چرا ما به یک دوراهی بزرگ رسیدهایم. لیز و آوینتا توضیح دادهاند که «ابزارها و راهکارهای هوش مصنوعی مولد ما را به ارزشآفرینی اجتماعی و کسبوکار در مقیاسی بزرگ امیدوار کردهاند.» آنها افزودهاند: «طبق پژوهشها، شرکتهای مختلف به طور قابلتوجهی میزان استفاده از این فناوری را طی یک سال اخیر افزایش دادهاند. اکنون میتوان گفت که بیشتر شرکتها در حال آزمایش کاربرد هوش مصنوعی مولد در یک یا چند بخش از فرآیندهای عملیاتی خود هستند.» در همین حال، ۲۰۲۴ در حال تبدیل شدن به گرمترین سال تاریخ ثبت شده است و بیشتر مردم نیز این موضوع را با گوشت و پوست خود احساس کردهاند. هوش مصنوعی به دلیل میزان مصرف انرژی خود بیش از پیش به این گرما میافزاید.
متخصصان کیندریل گفتهاند: «استفاده از هوش مصنوعی مولد نه تنها مصرف انرژی زیادی دارد، بلکه نیاز به خنکسازی پایگاههای داده نیز منجر به شکست برنامههای مدیریت مصرف انرژی میشود.» البته آنها اعتقاد دارند که این معایب را میتوان مدیریت کرد و با برداشتن چهار گام اساسی، هوش مصنوعی نهتنها پایدارتر، بلکه ابزاری برای تحقق اهداف پایداری شرکتهای بزرگ و کوچک میشود:
۱- سنجش میزان مصرف انرژی
کسبوکارها باید تصویر واضحی از میزان مصرف انرژی و انتشار گازهای گلخانهای خود داشته باشند. برای بهینهسازی مصرف انرژی نیز نیاز به نظارت مستمر بر آن است که ابزارهای هوش مصنوعی یکی از راههای این نظارت و بهینهسازی است. با این حال، پیش از آن شرکتها باید مشخص کنند که آیا با توجه به نیازهای خاص عملیات و کسبوکارشان، هوش مصنوعی مولد بهترین گزینه برای آنهاست یا خیر.
۲- بهینهسازی مصرف انرژی
زمانی که یک شرکت میزان مصرف انرژی استاندارد خود را مشخص کرد، بهتر میتوان برای بهینهسازی سیستمهای هوش مصنوعی مولد برنامه ریخت. لیز و آوینتا گفتهاند که شرکت کیندریل پیش از شروع برنامههای توسعه خود، نگاهی دقیق و سختگیرانه به شیوه استفاده از داراییهای خود، از جمله پایگاههای داده و ساختمانها انداخت. آنها میزان آثار زیستمحیطی ساختمانهای شرکت را به کمترین حد رساندند و فعالیتهای عملیاتی شرکت را به پایگاههای داده کارآتر و بهروز انتقال دادند. همچنین بسیاری از سرورهای آنها یکپارچه و مجازی شدند و مصرف انرژیشان کاهش یافت. آنها میگویند که بخش مهمی از فرآیند تحولشان، شامل همکاری با بزرگترین شرکتهای فعال جهان در مقیاسپذیری عملیات بود و به این صورت کارآیی عملیاتی خود را بیش از پیش افزایش دادند.
۳- طراحی هوش مصنوعی کممصرف
در حال حاضر، هنوز بهبودهای صورت گرفته روی هوش مصنوعی مولد، به قدر کافی به بهبود بهرهوری انرژی آنها کمک نکرده است. توصیه متخصصان شرکت کیندریل این است که از پتانسیلهای هوش مصنوعی باید برای مدیریت میزان مصرف انرژی بهره برد. راهکارهای مختلفی برای این هدف وجود دارد که از جمله آنها میتوان به مجازیسازی، بهینهسازی فرآیندهای کدنویسی و رمزنگاری، مهاجرت ابری یا استفاده از رابطهای برنامهنویسی کارآتر اشاره کرد. در هر صورت، باید به دنبال طراحی و بهبود هوش مصنوعی برای افزایش بهرهوری انرژی بود.
۴-جستوجوی منابع انرژی پاک
در نهایت، مهم این است که منابع انرژی مصرفی از کجا تامین میشوند. از یکسو میتوان با تغییر طراحیها و در نظر گرفتن برخی ملاحظات، مصرف انرژی اولیه و ثانویه (نیاز به خنکسازی) سیستمها و پایگاههای داده را کاهش داد. از سوی دیگر توصیه میشود که برنامههای توسعه و تامین انرژی پاک بررسی شود. شرکتهایی که در این مسیر گام برمیدارند، نهتنها به بهرهوری بالاتری میرسند، بلکه تابآوری بیشتری در مقابل اتفاقات غیرمنتظره و کمبود احتمالی انرژی در آینده خواهند داشت.
منبع: Sustainability Magazine