مراکز داده هوش مصنوعی؛ پشت دیوار سرورها، بحران انرژی و اقلیم
مراکز دادهای که برای آموزش و اجرای مدلهای هوش مصنوعی ساخته میشوند، دیگر فقط یک موضوع فنی در صنعت فناوری نیستند. مصرف برق، آب، زمین و گاز آنها به مسئلهای اجتماعی و سیاسی تبدیل شده است. گزارش تازه WIRED از نشست هفته اقلیم نشان میدهد شرکتهای فعال در زیرساخت داده تلاش میکنند تصویر مثبتی از این مراکز بسازند، اما اعتراضها و مخالفتهای محلی ادامه دارد. شهروندان معمولاً پیش از آنکه درباره تغییرات اقلیمی صحبت کنند، از قبض برق، مصرف آب، صدای تجهیزات و کیفیت هوای اطراف پروژه میپرسند.
چرا اعتراضها بیشتر شده است؟
ساخت یک مرکز داده بزرگ میتواند سرمایهگذاری و شغل ایجاد کند و درآمد مالیاتی شهر را افزایش دهد. مدیران شرکتها نیز میگویند این مراکز میتوانند در مدیریت شبکه برق نقش داشته باشند و به ورود انرژی پاک کمک کنند. اما ساکنان محل معمولاً با هزینههای نزدیک و قابل لمس روبهرو هستند. نیروگاه یا خط انتقال جدید ممکن است روی قیمت برق اثر بگذارد، مصرف آب زیرزمینی را افزایش دهد یا چشمانداز و آرامش منطقه را تغییر دهد. فاصله میان وعدههای اقتصادی و تجربه روزمره، دلیل اصلی بیاعتمادی است.
در نشست گزارششده، معترضان بارها بحث مدیران فناوری را قطع کردند و نسبت به اتکا به گاز فشرده و نیروگاههای فسیلی اعتراض داشتند. این صحنه نشان میدهد تصویر عمومی صنعت از «نوآوری پاک» فاصله گرفته است. وقتی شرکتی برای تأمین برق مرکز داده به ساخت نیروگاه گازسوز متکی میشود، حتی اگر خود مرکز داده بهرهوری بالایی داشته باشد، اثر کلی آن بر انتشار گازهای گلخانهای میتواند منفی باشد.
مقیاس مصرف برق چهقدر است؟
برآوردهای BloombergNEF که در گزارش به آنها اشاره شده، نشان میدهد مراکز داده ممکن است تا سال ۲۰۳۵ بیش از پنج درصد برق جهان را مصرف کنند؛ رقمی که تقریباً سه برابر نیاز فعلی این بخش است. این رشد فقط نتیجه افزایش تعداد کاربران یک سرویس آنلاین نیست. مدلهای هوش مصنوعی برای آموزش به مجموعهای از پردازندههای پرمصرف نیاز دارند و هنگام پاسخگویی نیز بهطور پیوسته برق مصرف میکنند. هرچه مدل بزرگتر و پاسخها طولانیتر شوند، نیاز به ظرفیت پردازشی بیشتر خواهد شد.
پیشبینیها همچنین هشدار میدهند بخش قابل توجهی از این برق با نیروگاههای گاز طبیعی تأمین خواهد شد. اگر نیروگاههای گازسوز پیشنهادی در آمریکا ساخته شوند، انتشار بخش برق میتواند افزایش چشمگیری پیدا کند. این محاسبه هنوز به عملکرد واقعی پروژهها و سیاستهای انرژی بستگی دارد، اما یک نکته را روشن میکند: رشد هوش مصنوعی خودبهخود به معنای رشد انرژی پاک نیست. اگر برنامهریزی شبکه عقب بماند، سادهترین راه برای تأمین برق، استفاده بیشتر از سوخت فسیلی خواهد بود.
آب و هزینه محلی؛ نگرانیهای ملموستر
در بسیاری از مناطق، مخالفت با مرکز داده بیشتر از آنکه با زبان اقلیم بیان شود، با آب و هزینه زندگی ارتباط دارد. سامانههای خنککننده برای حفظ دمای تجهیزات به آب نیاز دارند و مقدار آن به طراحی ساختمان، اقلیم و روش خنکسازی وابسته است. در منطقهای که با خشکسالی روبهروست، حتی مصرفی که در مقیاس ملی کوچک به نظر میرسد، برای ساکنان محلی مهم است. شرکتها باید مقدار آب مصرفی، منبع آن و برنامه جبران یا کاهش مصرف را شفاف اعلام کنند.
افزایش تقاضای برق نیز میتواند قبض خانوارها را تحت فشار بگذارد. اگر شبکه برای مرکز داده نیازمند ساخت خطوط و نیروگاه جدید باشد، هزینه سرمایهگذاری ممکن است در نهایت از طریق تعرفهها یا بودجه عمومی پرداخت شود. بنابراین بحث تنها این نیست که یک پروژه چهقدر درآمد ایجاد میکند؛ باید پرسید چه کسی هزینه زیرساخت و ریسک آن را بر عهده میگیرد و آیا منافع به همان جامعهای میرسد که بار پروژه را تحمل میکند یا نه.
آیا مراکز داده میتوانند «شهروند خوب» باشند؟
برخی مدیران صنعت میگویند مراکز داده میتوانند در تنظیم شبکه برق نقش داشته باشند، از انرژی مازاد استفاده کنند و سرمایه لازم برای پروژههای پاک را فراهم آورند. ایدههایی مانند قراردادهای بلندمدت انرژی خورشیدی، بازیافت گرما، ذخیرهسازی باتری و واکنش به تقاضا میتواند فشار روی شبکه را کاهش دهد. اما این راهحلها نیازمند قرارداد شفاف و نظارت عمومی هستند. یک وعده کلی درباره خرید انرژی پاک کافی نیست؛ باید مشخص شود انرژی در چه زمانی و از کدام منبع تأمین میشود.
همچنین باید میان بهرهوری مرکز داده و اثر کل زنجیره تمایز گذاشت. سرورهای کارآمدتر میتوانند برق کمتری برای هر درخواست مصرف کنند، اما اگر تعداد درخواستها و اندازه مدلها با سرعت بیشتری افزایش یابد، مصرف نهایی باز هم بالا میرود. این پدیده در اقتصاد به اثر بازگشتی شبیه است: فناوری کارآمدتر میشود، اما استفاده از آن آنقدر رشد میکند که بخشی از صرفهجویی از بین میرود.
راهحلهای فنی هنوز در مرحله آزموناند
شرکتها به فناوریهایی مانند توربینهای جدید، نیروگاههای کوچک، خنکسازی پیشرفته و استفاده دوباره از گرمای تولیدشده نگاه میکنند. برخی استارتاپها میخواهند توربینهای گاز با چرخههای کارآمدتر یا فناوری دیاکسیدکربن فوقبحرانی را برای تولید برق به کار بگیرند. این ایدهها ممکن است بازده را افزایش دهند، اما هنوز در مقیاس بزرگ تجاری نشدهاند. تا زمان اثبات عملکرد، نباید آنها را جایگزین قطعی انرژی پاک دانست.
راه مطمئنتر ترکیبی از کاهش تقاضا، انتخاب محل مناسب، اتصال به انرژی تجدیدپذیر واقعی و الزام به گزارشدهی است. شرکتها باید پیش از ساخت، اثر پروژه را بر آب، برق، هوا و جامعه محلی اندازهگیری کنند و بعد از آغاز فعالیت نیز بهصورت دورهای گزارش دهند. این کار شاید سرعت توسعه را کم کند، اما هزینه تصمیمهای اشتباه را در آینده پایین میآورد.
هوش مصنوعی بدون قرارداد اجتماعی پیش نمیرود
مخالفت با مراکز داده الزاماً مخالفت با همه فناوریهای هوش مصنوعی نیست. بسیاری از مردم از خدمات سریعتر، ابزارهای پزشکی بهتر یا نرمافزارهای مفید استقبال میکنند؛ اما میخواهند بدانند این مزایا با چه هزینهای به دست میآید. اگر شرکتها فقط درباره شغل و نوآوری حرف بزنند و مصرف آب و انتشار را نادیده بگیرند، اعتماد عمومی کمتر میشود. توسعه زیرساخت هوش مصنوعی به یک قرارداد اجتماعی نیاز دارد: منافع و هزینهها باید شفاف باشند و جامعه محلی در تصمیمگیری سهم داشته باشد.
دادهمرکزها در سالهای آینده بزرگتر و پرمصرفتر خواهند شد. انتخاب میان توسعه بیقید و توقف کامل دو گزینه واقعی نیست. مسیر قابل دوام، ساخت کمتر اما سنجیدهتر، استفاده از انرژی پاک قابل راستیآزمایی، کاهش مصرف آب و پاسخگویی عمومی است. بحثی که امروز درباره قبض برق و صدای ژنراتورها شکل گرفته، ممکن است فردا به یکی از مهمترین آزمونهای اجتماعی صنعت هوش مصنوعی تبدیل شود.
منبع: WIRED