هزینه پنهان هوش مصنوعی: بحران آب و برق مراکز داده تا ۲۰۳۰

تا سال ۲۰۳۰، سرورها ممکن است با چنان سرعتی آب مصرف کنند که از نیاز سالانه همه مردم زمین به آب آشامیدنی فراتر برود. این تصویر، داستان علمی تخیلی نیست. این هشدار از برآوردی جدی از سوی سازمان ملل می‌آید که آینده هوش مصنوعی را به شبکه‌های انرژی، منابع آب و درسی سخت از تاریخ اقتصاد پیوند می‌زند.

می‌توان آن را مسئله جِوونز نامید: وقتی یک فناوری ارزان‌تر و کارآمدتر می‌شود، انسان‌ها معمولا بیشتر از آن استفاده می‌کنند، نه کمتر. اقتصاددان قرن نوزدهمی که این اثر را نام‌گذاری کرد، مشاهده کرده بود که موتورهای بخار بهتر، استفاده از زغال‌سنگ را ارزان‌تر کردند و مصرف افزایش یافت. اکنون سازمان ملل هشدار می‌دهد همین پویایی می‌تواند درباره هوش مصنوعی نیز تکرار شود. افزایش بهره‌وری در مدل‌ها و مراکز داده ممکن است به جای کاهش مصرف، کاربردهای تازه، استقرارهای بزرگ‌مقیاس‌تر و رشد انفجاری تقاضا را آزاد کند.

اعداد، این واقعیت را ملموس‌تر می‌کنند. این گزارش برآورد می‌کند که هوش مصنوعی تا سال ۲۰۳۰ می‌تواند تا ۳ درصد برق جهان را مصرف کند، یعنی تقریبا دو برابر ردپای امروزی آن. در سال ۲۰۲۵، مراکز داده همین حالا به اندازه عربستان سعودی برق مصرف می‌کردند، کشوری که خود یازدهمین مصرف‌کننده بزرگ برق در جهان است. اگر مصرف برق هوش مصنوعی دو برابر شود، بار کربنی آن عظیم خواهد بود: جبران آن طی ده سال، مستلزم کاشت حدود ۶.۷ میلیارد درخت است.

آب، هزینه پنهان دیگر است. سرورها داغ کار می‌کنند. خنک‌سازی آن‌ها به حجم عظیمی از آب نیاز دارد و سازمان ملل پیش‌بینی می‌کند که تا سال ۲۰۳۰، زیرساخت‌های مرتبط با هوش مصنوعی ممکن است برای سرمایش، آبی بیش از مصرف سالانه آب آشامیدنی کل جمعیت جهان طلب کنند. این گزارش این نیازها را به ارقامی تکان‌دهنده تبدیل می‌کند: مراکز داده ممکن است به حدود ۹.۳ تریلیون لیتر آب و زمینی تقریبا ده برابر مساحت مکزیکوسیتی نیاز داشته باشند. این اعداد انتزاعی نیستند؛ آن‌ها منابع و مکان‌هایی هستند که مردم در آن‌ها زندگی و کار می‌کنند.

یک بُعد ژئوپلیتیکی نیز در میان است. امروز فقط ۳۲ کشور میزبان زیرساخت ابری ویژه هوش مصنوعی هستند و نزدیک به ۹۰ درصد این ظرفیت در دو کشور متمرکز است: ایالات متحده و چین. نتیجه، شکاف دیجیتال رو به گسترش است. کشورهایی که سامانه‌های هوش مصنوعی بزرگ‌مقیاس را می‌سازند و کنترل می‌کنند، منافع اقتصادی را به دست می‌آورند، در حالی که دیگران هزینه‌های زیست‌محیطی را از استخراج مواد معدنی تا زباله‌های الکترونیکی تحمل می‌کنند، بی‌آنکه سهمی برابر از دستاوردها داشته باشند.

پس هوش مصنوعی مسئولانه چه شکلی خواهد داشت؟ سازمان ملل از نگاه چرخه عمر دفاع می‌کند: حکمرانی‌ای که یک مدل را از معدن تا محل دفن زباله دنبال کند. این یعنی افشای اثرات زیست‌محیطی در سطح مدل و وظیفه، وارد کردن تقاضای هوش مصنوعی در راهبردهای ملی اقلیمی و طراحی سامانه‌هایی با محوریت بهره‌وری و عدالت. مسئله فقط سریع‌تر کردن مدل‌ها نیست. مسئله این است که آن‌ها طوری طراحی شوند که کمتر مصرف کنند، ردپای واقعی‌شان سنجیده شود و اطمینان حاصل شود که منافعشان به شکل گسترده‌تری تقسیم می‌شود.

آزمایش‌های سیاستی همین حالا آغاز شده‌اند. آئوتئاروا نیوزیلند یک راهبرد ملی هوش مصنوعی و چارچوبی برای استفاده از هوش مصنوعی در خدمات عمومی اجرا کرده است. برنامه ملی هوش مصنوعی استرالیا بر موارد کاربرد در دولت تأکید دارد: باوربرد متعلق به آرشیو ملی فیلم و صدا، یک موتور یادگیری ماشین برای رونویسی انبوه، و یک ابزار اثبات مفهوم در وزارت امور کهنه‌سربازان که بررسی می‌کند آیا هوش مصنوعی می‌تواند پردازش درخواست‌ها را سرعت دهد یا نه. هر دو کشور رویکردی سبک، اصول‌محور، انعطاف‌پذیر، دوستدار نوآوری و عمدا کم‌مداخله را ترجیح می‌دهند.

این انعطاف‌پذیری هزینه دارد. در حال حاضر، هیچ‌یک از این دو حوزه قضایی افشای اثرات زیست‌محیطی را اجباری نکرده‌اند و هیچ آمار ملی جامعی از مصرف انرژی یا انتشار گازهای گلخانه‌ای هوش مصنوعی نگه نمی‌دارند. به بیان دیگر، این چارچوب‌ها استقرار هوش مصنوعی را تشویق می‌کنند، بی‌آنکه حسابرسی بده‌بستان‌های زیست‌محیطی را الزامی سازند. وقتی اثر جِوونز و پذیرش سریع، تقاضا را بالاتر می‌برند، بهبود بهره‌وری به‌تنهایی ممکن است کافی نباشد.

بهره‌وری بدون حد و مرز می‌تواند سراب باشد: کاهش هزینه هر واحد، اغلب مصرف کل را افزایش می‌دهد.

تغییر واقعی به دو اقدام هم‌زمان نیاز دارد. نخست، شفافیت محیط‌زیستی باید در چرخه‌های توسعه گنجانده شود تا هر مدل تازه با برآوردی روشن از ردپای خود عرضه شود: انرژی، آب، مواد معدنی و برنامه پایان عمر. دوم، تقاضای پیش‌بینی‌شده هوش مصنوعی باید در سیاست‌های گسترده‌تر انرژی و اقلیم ادغام شود تا شبکه‌های برق و سامانه‌های آب برای رشد برنامه‌ریزی کنند، نه اینکه پس از بحران واکنش نشان دهند.

اهمیت موضوع روشن است. محیط‌زیست طبیعی زیربنای اقتصادها، فرهنگ‌ها و رفاه است. اگر در شتاب برای استقرار سامانه‌های هوشمندتر، آن را موضوعی حاشیه‌ای بدانیم، خطر آن وجود دارد که بارهای بالادستی، از معدن‌کاری و تنش آبی تا آلودگی، بر دوش جوامعی بیفتد که از پیش آسیب‌پذیرترند.

ما می‌توانیم همچنان قابلیت‌های شگفت‌انگیز اختراع کنیم. هنوز می‌توانیم از مزایای اجتماعی اتوماسیون و کشف بهره ببریم. اما اگر تاریخ چیزی به ما آموخته باشد، این است که رفتار انسان به مشوق‌ها واکنش نشان می‌دهد. بدون حکمرانی دقیق، مشوق‌های پیرامون هوش مصنوعی همچنان بهره‌وری را به اشتها تبدیل خواهند کرد. برنامه‌ریزی و شفافیت اهرم‌هایی هستند که هنوز در اختیار داریم؛ زمان استفاده از آن‌ها فرا رسیده است.