الذكاء الاصطناعي: استهلاك الطاقة والفرص في التوازن

يصاحب الذكاء الاصطناعي زيادة في استهلاك الطاقة، ولكن يمكن أيضًا استخدام أنظمة الذكاء الاصطناعي لتوفير الطاقة في الشركات.

لم يعد الذكاء الاصطناعي والتعلم الآلي أمرًا جديدًا، لكن المناقشة حول استهلاك الذكاء الاصطناعي للطاقة أصبحت أكثر أهمية من أي وقت مضى. إن التطور السريع والانتشار السريع للذكاء الاصطناعي لديه القدرة على إحداث تغيير جذري في العديد من مجالات الحياة والاقتصاد. يتم استخدام أنظمة الذكاء الاصطناعي بشكل متزايد في صناعة تكنولوجيا المعلومات والبرمجيات للتعامل مع المهام المعقدة بشكل أكثر كفاءة وسرعة. ومع ذلك، فإن تشغيل العديد من نماذج الذكاء الاصطناعي الحديثة يتطلب قدرة حوسبة هائلة، وهي ليست باهظة التكلفة فحسب، بل تترك أيضًا بصمة بيئية كبيرة.

ومن ناحية أخرى، يفتح الذكاء الاصطناعي أيضًا فرصًا واعدة تتجاوز مجرد زيادة الكفاءة. تعمل الشركات والمؤسسات البحثية باستمرار على جعل تقنيات الذكاء الاصطناعي أكثر استدامة وتطوير تطبيقات جديدة تقدم فوائد اقتصادية وبيئية. على سبيل المثال، يمكن أن يساعد الذكاء الاصطناعي في تحسين أنظمة الطاقة، الأمر الذي لا يقلل التكاليف فحسب، بل يحمي البيئة أيضًا.

تسلط هذه المقالة الضوء على الجوانب المختلفة للاستدامة في سياق الذكاء الاصطناعي. وينظر إلى التحديات الحالية وجوانبها السلبية وكذلك التطورات المحتملة والإيجابية. وأخيرًا، يوضح كيف يمكن للشركات تنفيذ عمليات مستدامة من خلال الاستخدام الذكي للذكاء الاصطناعي وبالتالي تقديم مساهمة مهمة في تحول الطاقة.

استهلاك الطاقة: كم يكلفنا الذكاء الاصطناعي؟

من الأمثلة الرائعة على استهلاك الطاقة لأنظمة الذكاء الاصطناعي المقارنة بين استهلاك ChatGPT ومحركات البحث التقليدية مثل Google. وفقًا لتقرير صادر عن صحيفة بروكسل تايمز، يتطلب ChatGPT طاقة أكبر بحوالي 25 مرة من محرك بحث Google لأداء مهام مماثلة مثل الإجابة على أسئلة بسيطة.

ويفسر هذا التناقض بالاختلافات الأساسية في التقنيات. في حين أن محركات البحث مثل جوجل تعتمد على خوارزميات بسيطة نسبيًا تعتمد على فهرسة استعلامات البحث ومطابقتها مع البيانات الموجودة، فإن نماذج اللغات الكبيرة الحديثة (LLMs) مثل ChatGPT تعمل مع شبكات عصبية معقدة للغاية. تتطلب هذه الشبكات المكونة من مليارات المعلمات قوة حاسوبية هائلة أثناء التدريب والتنفيذ.

يتطلب تدريب نموذج لغوي كبير مثل OpenAI GPT، الذي يعتمد عليه ChatGPT، كميات هائلة من البيانات وأشهرًا من العمليات الحسابية على أجهزة كمبيوتر متخصصة عالية الأداء تسمى مجموعات GPU أو TPU، والتي تستهلك الطاقة باستمرار أثناء التدريب. يمكن التحكم في متطلبات الطاقة هذه من خلال تكرار التدريب (تحديثات النموذج، والاختبارات الداخلية، وما إلى ذلك).

عامل أساسي آخر هو الاستدلال، أي المرحلة التي يقوم فيها النموذج المدرب بإنشاء الإجابات أو تنفيذ المهام. وهنا أيضًا، يتطلب الأمر قوة حاسوبية كبيرة لتنفيذ العمليات الحسابية المعقدة بأقل زمن وصول ممكن. بشكل عام، كلما كان النموذج أكبر، كلما زاد استهلاكه للطاقة. وبما أن ChatGPT يعتمد على نماذج لغوية متقدمة قادرة على فهم وإعادة إنتاج السياق والفروق الدقيقة في اللغة البشرية، فإن إنفاق الطاقة مرتفع بالمقابل. يحدث هذا الجهد دائمًا بمجرد إرسال الاستعلام إلى الأنظمة. تعتبر عوامل مثل طول الإدخال (نافذة السياق، والحد الأقصى لحجم المعلومات التي سيتم معالجتها في الموجه) حاسمة هنا.

إن الاستهلاك العالي للطاقة عند تشغيل LLMs ليس له آثار بيئية فحسب، بل أيضًا آثار اقتصادية. ويجب على الشركات التي تدير نماذج الذكاء الاصطناعي هذه أن تقوم باستثمارات كبيرة في البنية التحتية لتوفير قوة الحوسبة المطلوبة والحفاظ عليها. بالإضافة إلى ذلك، يؤدي استهلاك الطاقة المرتفع إلى تكاليف تشغيل مستمرة، والتي يمكن أن تزيد بشكل كبير بمرور الوقت. وهذا هو بالضبط ما يجعل نماذج الذكاء الاصطناعي الجديدة من السحابة مثيرة للاهتمام للغاية بالنسبة للشركات الصغيرة والمتوسطة والأفراد، لأنها لا تتطلب أجهزة خاصة بهم.

تكاليف التشغيل

تكاليف التشغيل لنظام مثل ChatGPT هائلة. وفقًا لموقع Digital Trends، تقدر تكلفة تشغيل ChatGPT بعدة ملايين من الدولارات شهريًا. وتتكون هذه التكاليف من مكونات مختلفة، بما في ذلك الأجهزة وإمدادات الطاقة والصيانة. وهذا يعني أن OpenAI مهددة بخسارة ما يقرب من 5 مليارات دولار أمريكي هذا العام .

وبالتالي فإن جزءًا كبيرًا من تكاليف تشغيل LLM يذهب إلى تشغيل البنية التحتية للأجهزة في مراكز البيانات، التي لا تضم ​​الخوادم المادية فحسب، بل يجب أيضًا أن يكون لديها أنظمة تبريد وطاقة شاملة لضمان التشغيل المستمر. وبالإضافة إلى تكاليف الطاقة، هناك تكاليف تشغيل أخرى، بما في ذلك تكاليف صيانة وإدارة البنية التحتية للشبكة.

تختلف تكاليف الطاقة حسب الموقع ومصدر الطاقة، ولكنها كبيرة على أي حال. وفي المناطق التي ترتفع فيها أسعار الكهرباء، يمكن أن تشكل تكاليف الطاقة نسبة كبيرة من إجمالي الإنفاق. ومن المؤكد أن هذا الاستهلاك (لكل خادم) سيكون أقل خلال السنوات القليلة المقبلة، حيث تعمل الأنظمة الجديدة بكفاءة أكبر في استخدام الطاقة وتتطلب كهرباء أقل لنفس أداء العمل (الأداء لكل واط).

ومع ذلك، فإن كل هذا لا ينطبق فقط على استخدام الذكاء الاصطناعي، بل يؤثر أيضًا على جميع الأنظمة السحابية. قد يقول النقاد أن هذا هو جوهر المشكلة وأن الاتجاه السحابي يؤدي بالفعل إلى استهلاك وتكاليف هائلة للطاقة. لكن مراكز البيانات المركزية على وجه الخصوص التي يمكن بناؤها وتشغيلها بطريقة محسنة (بعضها مزود بمجمعات طاقة شمسية خاصة به) تكون أكثر كفاءة في استخدام الطاقة لكل وحدة حامل من، على سبيل المثال، إنشاء وتشغيل البنية التحتية الفعلية لمركز البيانات الخاص بك في بيئة صغيرة. أو شركة متوسطة الحجم.

إمكانات الذكاء الاصطناعي لتوفير الطاقة في الشركات

يمكن لتقنيات الذكاء الاصطناعي أن تساهم بشكل كبير في توفير الطاقة في الشركات من خلال تحسين العمليات والإجراءات. أحد الأمثلة على ذلك هو التحكم الذكي بمستهلكي الطاقة في مرافق الإنتاج والمكاتب. ومن خلال تحليل البيانات المتعلقة باستهلاك الطاقة والعمليات التشغيلية، يمكن للذكاء الاصطناعي إجراء تنبؤات وتقديم توصيات لتحسين استخدام الطاقة. ويمكن القيام بذلك، على سبيل المثال، عن طريق تعديل أوقات التشغيل، أو أتمتة مستهلكي الطاقة، أو تحسين أنظمة التدفئة والتهوية وتكييف الهواء.

والمثال العملي هو استخدام الذكاء الاصطناعي في الصناعة التحويلية. يمكن لأنظمة الذكاء الاصطناعي مراقبة عمليات الإنتاج وضبطها في الوقت الفعلي لتقليل استهلاك الطاقة. إن دمج أجهزة الاستشعار والتحليل المستمر للبيانات يجعل من الممكن تحديد العمليات غير الفعالة وتحسينها، مما يؤدي إلى انخفاض كبير في استهلاك الطاقة وتكاليف التشغيل.

مثال تطبيقي آخر هو استخدام الذكاء الاصطناعي في إدارة المباني. يمكن لأنظمة التحكم الذكية في المباني القائمة على الذكاء الاصطناعي أن تقلل بشكل كبير من استهلاك الطاقة في المبنى من خلال تحسين الإضاءة والتدفئة وتكييف الهواء. تتعلم هذه الأنظمة من عادات استخدام السكان باستخدام أجهزة الاستشعار وتكيف التحكم في مستهلكي الطاقة وفقًا لذلك من أجل تحقيق أقصى قدر من الراحة وتقليل استهلاك الطاقة.

تتطلب الأنظمة المذكورة هنا كميات أقل من البيانات مقارنة بنموذج اللغة العام، على سبيل المثال. وبالتالي يمكن تشغيل النماذج بتكلفة زهيدة نسبياً وبطريقة موفرة للطاقة. اعتمادًا على نوع وحجم الطراز، يمكن الآن تشغيلها بشكل جيد على أجهزة الكمبيوتر المحمولة أو أجهزة الكمبيوتر المكتبية القياسية متوسطة المدى.

استخدام الذكاء الاصطناعي لتحسين شبكات الطاقة

ومن المجالات الواعدة بشكل خاص حيث يمكن للذكاء الاصطناعي أن يساهم في الاستدامة هو تحسين شبكات الطاقة. يشكل تكامل مصادر الطاقة المتجددة مثل طاقة الرياح والطاقة الشمسية تحديات جديدة لشبكة الكهرباء لأن مصادر الطاقة هذه تعتمد على الطقس وبالتالي لا يمكن التنبؤ بها. يمكن أن يساعد الذكاء الاصطناعي في تحسين استقرار وكفاءة شبكة الكهرباء.

ووفقا لتقرير صادر عن هاندلسبلات، يتم بالفعل استخدام الذكاء الاصطناعي بنجاح لدعم تكامل الطاقات المتجددة وزيادة كفاءة شبكة الكهرباء. يمكن لأنظمة الذكاء الاصطناعي تحليل كميات كبيرة من البيانات في الوقت الفعلي لوضع تنبؤات حول إنتاج الطاقة واستهلاكها. تتيح هذه التوقعات التحكم في شبكة الطاقة بشكل أكثر كفاءة والتخطيط لتوزيع الطاقة بشكل أفضل. على سبيل المثال، يمكن تخزين الطاقة الزائدة التي تنشأ من المصادر المتجددة خلال أوقات الإنتاج المرتفع مؤقتًا في تخزين البطاريات وإعادتها إلى الشبكة خلال أوقات ارتفاع الطلب.

بالإضافة إلى ذلك، يمكن أن يساعد الذكاء الاصطناعي في منع انقطاع التيار الكهربائي عن طريق الكشف عن الحالات الشاذة والمشكلات المحتملة في وقت مبكر. ومن خلال المراقبة المستمرة لشبكة الكهرباء، يمكن تحديد نقاط الضعف واتخاذ التدابير الوقائية لضمان موثوقية الشبكة واستقرارها.

استخدم الذكاء الاصطناعي للحفظ

إن استخدام الذكاء الاصطناعي لتوفير الطاقة يمكن أن يوفر للشركات عددًا من الفوائد. أولاً، يمكن أن يؤدي تحسين العمليات والعمليات إلى توفير كبير في التكاليف. تعتبر الطاقة واحدة من أكبر نفقات التشغيل في العديد من الصناعات، وحتى التحسينات الصغيرة في كفاءة الطاقة يمكن أن تؤدي إلى وفورات مالية كبيرة. تختلف الأرقام الخاصة بهذا بشكل كبير وتتراوح بشكل واقعي من 9 إلى 20 بالمائة في عمليات المكاتب أو العيادات أو المصانع. يتم حاليًا تحديد القيم المستقلة والموثوقة من خلال مشاريع بحثية مختلفة. يمكن للشركات التي تستثمر في أنظمة إدارة الطاقة التي تعمل بالذكاء الاصطناعي تقليل تكاليف التشغيل وزيادة قدرتها التنافسية.

ثانيًا، يساعد تقليل استهلاك الطاقة أيضًا على تحسين البصمة البيئية للشركة. ونظرًا لانخفاض متطلبات الكهرباء، يتم حرق عدد أقل من الوقود الأحفوري في مزيج الكهرباء، مما يؤدي إلى انخفاض _{انبعاثات ثاني} أكسيد الكربون. ومع ذلك، فمن المهم أن تزن بعناية التكاليف والفوائد.