در سال ۲۰۲۲ وقتی یکی از روزنامه‌نگاران به دیدار سم آلتمن در خانه‌اش در سانفرانسیسکو رفت، متوجه دو بالاپوش صورتی رنگ روی کتابخانه شد. یکی از آنها لوگوی استارت‌آپ یادگیری ماشینی سم آلتمن، یعنی OpenAI، را داشت و دیگری هم نشان شرکت Helion را داشت که در زمینه هم‌جوشی هسته‌ای فعالیت می‌کند که سم آلتمن هم از آن حمایت می‌کند. آلتمن معتقد است که هزینه هوش مصنوعی و انرژی روی یکدیگر اثر متقابلی می‌گذارند. او این اثر متقابل را یک روند تصاعدی زیبا و طولانی خواند.
به گزارش داتیکا به نقل از دنیای اقتصاد، ناخوشایند، بی‌رحم، کوتاه و بیش از این‌ها. اگر با شرکت‌های ارائه خدمات عمومی و مراکز داده صحبت کنید، خواهید دید که اگرچه بسیاری از آنها در شور و اشتیاق سم آلتمن در مورد هوش مصنوعی سهیم و همراه هستند، اما تمام آنها با معضل انرژی دست‌وپنجه نرم می‌کنند که تا حدودی آینده سه تحول بزرگ اقتصادی جهان به آن بستگی دارد: انقلاب هوش مصنوعی، اقدامات مربوط به برق‌رسانی به بخش‌های اقتصادی و مبارزه با تغییرات آب و هوایی. به‌طور خلاصه، هوش مصنوعی مولد که در چت جی‌پی‌تی شرکت OpenAI هم به کار رفته است، اشتهای شدیدی برای برق دارد. هوش مصنوعی به شکلی تقریبا ناگهانی روی یک سیستم انرژی جهانی فرود آمده است که در حال حاضر در تلاش برای جایگزینی با منابع تامین نیاز برق است. با این همه هنوز مشخص نیست که آیا انرژی پاک کافی برای رفع نیازهای همه وجود خواهد داشت یا خیر.
در نگاه اول راه‌حل این مشکل، ساده به نظر می‌رسد. مراکز داده، از قبیل آنهایی که شرکت‌هایی مانند آلفابت، آمازون و مایکروسافت از آنها برای ارائه خدمات رایانش ابری استفاده می‌کنند، در حدود یک دهه گذشته تنها یک تا دو درصد از تقاضای جهانی انرژی را به خود اختصاص داده‌اند. سال‌هاست که غول‌های تکنولوژی (یا مقیاس‌کنندگان بزرگ)، حتی با افزایش چشمگیر حجم کارهای محاسباتی در سراسر جهان، بازده انرژی بسیار بیشتری را از مزارع سرور خود به دست آورده‌اند. علاوه بر این، این شرکت‌های بزرگ سرمایه‌گذاری قابل‌توجهی در زمینه انرژی پاک کرده‌اند تا به این ترتیب ردپا و اثر کربن خود را جبران کنند. در آمریکا تامین‌کنندگان برق به مقیاس‌کنندگان بزرگ، اشتیاق زیادی به کمک در این زمینه دارند. آنها دو دهه تقاضای پایین برای برق را تحمل کرده‌اند و به شکلی جدی در جست‌وجوی منابع جدید برای رشد هستند. مدیران این تامین‌کنندگان برق در گزارش‌های درآمدی اخیر خود وعده داده‌اند که در طول پنج سال آینده، ده‌ها میلیارد دلار سرمایه‌گذاری را جذب کنند تا بتوانند انرژی برق بیشتری را به مراکز داده منتقل کنند. در ماه گذشته یکی از این شرکت‌ها (Talen Energy)، یک دیتاسنتر هسته‌ای را با قیمت ۶۵۰ میلیون دلار به شرکت آمازون فروخت. تا اینجا، این اقدام بسیار امیدوارکننده است.
با این حال اما هوش مصنوعی مولد ماهیت بازی را به کلی تغییر می‌دهد. از روزهایی که بازار ارزهای دیجیتال رونق گرفت، تقاضا برای پردازنده‌های پردازش گرافیکی (gpuها) و تراشه‌هایی رشد کرد که مدل‌هایی مانند Chatgpt روی آنها آموزش دیده و اجرا می‌شوند، اعتیاد به انرژی به‌شدت افزایش یافته است. به گفته کریستوفر ولیس از شرکت اجاره‌دهنده دیتاسنتر Equinix، یک رک سرور پیش‌مقیاس‌کننده هوش مصنوعی بین ۱۰ تا ۱۵ کیلووات برق مصرف می‌کند. یک رک هوش مصنوعی هم بین ۱۰ تا ۱۵ کیلووات برق استفاده می‌کند. با این اوصاف فقط محاسبات رایانشی نیستند که برق را می‌بلعند. خنک نگه داشتن رک‌ها یا قفسه‌های gpuها هم به همان اندازه برق نیاز دارد. علاوه بر این، در بیش از یک سال گذشته بسیاری از تقاضاهای انرژی مرتبط با هوش مصنوعی از سوی آموزش‌دهندگان الگوهای زبانی پایه مانند gpt-۴، آخرین محصول OpenAI است، آمده‌اند. استفاده گسترده از این الگوها به عنوان ابزارهایی برای تحقیق، ساختن ویدئو و پوشاندن لباس به تن پاپ، می‌تواند فشار بیشتری را بر شبکه وارد کند. یک جست‌وجو با استفاده چت جی‌پی‌تی ممکن است ۱۰ برابر بیشتر از یک جست‌وجو با گوگل برق مصرف کند.
هنوز در روزهای ابتدایی رونق هوش مصنوعی مولد هستیم، بنابراین برای پیش‌بینی‌های سخت و سریع خیلی زود است. اما حدس و گمان‌های آگاهانه درباره افزایش تقاضای انرژی قابل‌توجه هستند. در صدر تمام این‌ها، آژانس بین‌المللی انرژی که میزان مصرف انرژی در سطح جهانی را پیش‌بینی می‌کند، اعلام کرده است که تا سال ۲۰۲۶ مراکز داده می‌توانند تا دو برابر انرژی بیشتر از دو سال گذشته – به اندازه مصرف امروز ژاپن- را مصرف کنند. انتظار می‌رود که در دو سال آینده مراکز داده یک‌سوم تقاضای جدید برق در آمریکا را در اختیار بگیرند. رنه هاس، مدیر اجرایی شرکت بزرگ طراح تراشه Arm، در هفته گذشته به وال‌استریت ژورنال گفت که تا پایان این دهه، مراکز داده مربوط به هوش مصنوعی می‌توانند تا یک‌چهارم کل برق آمریکا را مصرف کنند، در حالی که این میزان در حال حاضر برابر ۴ درصد یا کمتر است.
در آمریکا، دو موضوع دیگر پیچیدگی‌ها و مشکلات را بیشتر می‌کند. نخستین مورد مربوط به زمان‌بندی است. ظهور هوش مصنوعی مولد همزمان با یک رونق اقتصادی اتفاق افتاده است که با مصرف برق مطابقت دارد. بسیاری از مصرف‌کنندگان انرژی می‌خواهند انرژی مصرفی‌شان کربن صفر (پاک) باشد و این موضوع رقابت برای یک منبع کمیاب انرژی را ایجاد می‌کنند. خریداران خودروهای برقی (EVS) هم که رشد آنها ممکن است کند شده باشد، اما متوقف نشده است، همین رویکرد را دارند. مشکل دوم در آمریکا مربوط به گسترش شبکه است. با وجود حمایت کاخ سفید، ایجاد سریع ظرفیت‌های انرژی تجدیدپذیر جدید برای شرکت‌ها آسان نیست. این شرکت‌ها با مشکلات جدی در زنجیره تامین مواجه هستند؛ تا جایی که بر اساس بعضی آمارهای ارائه شده در این زمینه، تحویل یک ترانسفورماتور سه سال طول می‌کشد، در حالی که این زمان نسبت به یک سال قبل کمتر شده است. نرخ بهره هزینه پروژه‌های بادی و خورشیدی را به‌شدت بالا برده و تامین مالی آنها را سخت و پیچیده‌تر کرده است. این در حالی است که ساخت خطوط انتقال جدید هم بسیار سخت است.
با این همه بی‌شک تفکر خلاق وجود خواهد داشت. راه‌حل واضح و شفاف در این زمینه آن است که gpuها را از نظر مصرف بهینه انرژی کارآمدتر کرد. شرکت انویدیا که بزرگ‌ترین تامین‌کننده gpuهاست اعلام کرده قبلا با آخرین نسل از سرورهای هوش مصنوعی به این موفقیت مهم دست یافته است. با این حال، تراشه‌های بهینه‌تر به راحتی می‌توانند باعث ترغیب به استفاده بیشتر بشوند. آرون دنمن از شرکت مشاوره Bain می‌گوید که گزینه دیگر برای مقیاس‌کنندگان بزرگ این است که آنها از جیب‌های عمیق خود برای کمک به شرکت‌های ارائه‌دهنده خدمات عمومی استفاده کنند تا این شرکت‌ها بتوانند بر برخی از محدودیت‌های شبکه غلبه کنند و کمک بگیرند. او می‌گوید که بحران و معضل واقعی ممکن است در زمان‌های خاصی از سال مانند روزهای گرم تابستان رخ بدهد که آمریکایی‌ها کولرهای گازی خودشان را روشن می‌کنند. این اتفاق شبیه به داشتن نیروگاه‌های کوچک در حالت آماده به کار است. با این حال، این احتمال وجود دارد که سوخت آنها از گاز طبیعی تامین بشود و تعهدات و مسوولیت‌های ارائه‌دهندگان خدمات رایانش ابری برای جلوگیری از تغییرات آب و هوایی را تضعیف کند.
اگر جهان با کمبود انرژی‌های تجدیدپذیر مواجه شود، با هزینه‌ای سرسام‌آور مواجه خواهد شد. در مقابل اما هنوز کسی نمی‌داند که هوش مصنوعی چگونه درآمدزایی خواهد کرد. چیزی که مردم می‌دانند این است که هزینه خرید gpuها بسیار زیاد است. اگر هزینه‌های انرژی برای راه‌اندازی آنها هم افزایش یابد، این روند می‌تواند جلوی گسترش کاربردهای هوش مصنوعی را بگیرد. علاوه بر این، وابستگی دیگر بخش‌های اقتصادی به انرژی برق به‌شدت هزینه‌بر است. کشمکش هوش مصنوعی و خودروهای برقی برای دسترسی به انرژی پاک قیمت‌ها را بالا می‌برد و البته به رشد هیچ یک از این صنعت‌ها هم کمک نمی‌کند. به هر حال شاید باید دست روی دست گذاشت تا رویای صورتی سم آلتمن از ترکیب هوش مصنوعی و انرژی هسته‌ای به واقعیت تبدیل شود. اما نمی‌شود چندان هم روی آن حساب کرد.
