حذّرت الباحثة ميريام آتسل (المؤلفة الرئيسية للتقرير) من معهد الأمم المتحدة لبحوث المياه والبيئة والصحة (UNU-INWEH) في 7 يونيو، من أنه بحلول عام 2030 قد تستهلك مرافق مراكز البيانات التي تشغّل أنظمة الذكاء الاصطناعي ما يصل إلى 9.3 تريليون لتر من المياه سنوياً، بما يعادل الاحتياج السنوي الأساسي للمياه لدى 1.3 مليار نسمة في أفريقيا جنوب الصحراء.
تقديرات موارد رئيسية مؤكدة لِعام 2030
وفقاً لتقرير UNU-INWEH، فإن أرقام تقديرات الموارد الرئيسية الثلاثة هي كالتالي: يصل استهلاك المياه السنوي إلى 9.3 تريليون لتر (ما يعادل الاحتياج السنوي الأساسي للمياه لدى 1.3 مليار شخص)؛ يصل استهلاك الكهرباء إلى 945 تيراواط/ساعة؛ ويتجاوز احتياج الأرض 14,500 كيلومتر مربع (يشمل المواقع وبنى الطاقة التحتية وسلاسل الإمداد).
قال أستاذ هندسة الحسابات في جامعة كاليفورنيا ريفرسايد، رين شو لاي (عبر النسخة الإنجليزية من صحيفة The National): «تذكّرنا هذه الدراسة في وقت مناسب وبشكل مهم بأن الذكاء الاصطناعي لا يقتصر على النماذج والخوارزميات، بل يمتد إلى تأثيرات ملموسة على مراكز البيانات وأنظمة الكهرباء وأنظمة إمداد المياه واستخدام الأراضي وسلاسل توريد العتاد».
آليات استهلاك موارد الذكاء الاصطناعي المؤكدة
تستحوذ عمليات استدلال الذكاء الاصطناعي (أي الاستخدام اليومي، وليس التدريب) على ما بين 80% إلى 90% من إجمالي استهلاك طاقة الذكاء الاصطناعي، ما يجعل الاستخدام اليومي المنتظم المصدر الرئيسي لاستهلاك الموارد. تعالج ChatGPT نحو 2.5 مليار رسالة طلب يومياً؛ إذ إن حواراً واحداً لروبوت محادثة قياسي يستهلك طاقة أعلى بكثير من مهمة تصنيف بسيطة. وأشار الباحث أليكس هيرناندِيز من معهد كيبيك لأبحاث الذكاء الاصطناعي إلى أنه يصعب حالياً قياس الاستهلاك الطاقي لأنظمة الذكاء الاصطناعي بدقة، الأمر الذي يحد من دقة التوقعات.
الأسئلة الشائعة
ما أساس حساب توقعات UNU-INWEH البالغة 9.3 تريليون لتر من المياه؟
يشمل تقدير UNU-INWEH لاستهلاك المياه بُعدين: المياه المباشرة المستخدمة في أنظمة تبريد مراكز البيانات (بصمة المياه)، والمياه غير المباشرة المرتبطة بإنتاج الكهرباء. تضع الدراسة استهلاك المياه من مصادر توليد الكهرباء ضمن إطار الحساب، وليس فقط استهلاك المياه المباشر في موقع مركز البيانات. وذكر الباحث أليكس هيرناندِيز أنه نظراً لصعوبة قياس بيانات استهلاك الطاقة في منشآت الذكاء الاصطناعي بدقة حتى الآن، فإن هذا التقدير يتضمن درجة عدم يقين جوهرية.
لماذا تؤدي إجراءات خفض الانبعاثات الكربونية إلى زيادة حجم المياه بأكثر من 30 ضعفاً؟
وفقاً لتحليل UNU-INWEH، تُعد إحالة كهرباء مراكز البيانات من الفحم إلى الطاقة الحيوية مساراً شائعاً لخفض الانبعاثات الكربونية، إذ يمكن أن يخفض الانبعاثات بنحو 70%؛ لكن زراعة الطاقة الحيوية تتطلب كميات كبيرة من المياه للري، كما تستهلك مساحة واسعة من الأراضي الزراعية، ما يؤدي إلى زيادة استخدام المياه بأكثر من 30 ضعفاً وارتفاع استخدام الأراضي بنحو 100 ضعف تقريباً. وأوضح آتسل أن الاكتفاء باتخاذ الانبعاثات الكربونية معياراً لقياس الأثر البيئي قد يُخفي تكلفة الموارد المائية والأراضي.
هل يمكن للنماذج الأكثر كفاءة في الذكاء الاصطناعي أن تُقلل بشكل ملموس من استهلاك المياه؟
أشارت دراسة UNU-INWEH إلى خطر «تأثير الارتداد»: فقد يؤدي انخفاض تكلفة الذكاء الاصطناعي وزيادة كفاءته إلى خفض استهلاك الموارد لكل استخدام، لكن انخفاض التكلفة عادة ما يؤدي إلى ارتفاع كبير في وتيرة الاستخدام، ما قد يجعل إجمالي استهلاك الموارد أعلى من مستوى ما قبل تحسن الكفاءة. لذلك، تعتمد إمكانية أن يؤدي تحسين كفاءة النماذج إلى تقليل تأثير الذكاء الاصطناعي على الموارد المائية على نطاق واسع على ما إذا كانت سرعة نمو حجم الاستخدام تتجاوز مقدار التحسن في الكفاءة.
