کدام چت‌بات‌های هوش مصنوعی بیشترین انتشار کربن را دارند؟

تحلیل جدیدی نشان می‌دهد که میزان انتشار کربن چت‌بات‌های هوش مصنوعی تفاوت چشمگیری دارد و برخی مدل‌ها به‌ازای هر پرسش تا ۱۰ برابر بیشتر از رقبای خود گازهای گلخانه‌ای تولید می‌کنند.

سرویس هوش مصنوعی تک‌‌ناکطبق این بررسی که در ۸ نوامبر ۲۰۲۶ منتشر شده است، مدل‌های پیشرفته‌ای مانند GPT-4 و Claude Opus در مقایسه با مدل‌های کوچک‌تر، انرژی بیشتری مصرف می‌کنند و انتشار کربن بالاتری دارند.

وب‌سایت Emergentبا استناد به تحلیلی منتسب به بلومبرگ اعلام کرده است که میزان انتشار دی‌اکسیدکربن معادل به‌ازای هر پرسش در چت‌بات‌های مختلف، بین ۰٫۳ تا ۴٫۳ گرم متغیر است. این اختلاف به اندازه مدل، منابع محاسباتی مورد نیاز و نوع انرژی مصرفی مراکز داده بستگی دارد.

پژوهشگران اطلاعات این بررسی را از داده‌های منتشرشده شرکت‌های فناوری و اندازه‌گیری‌های مستقل گردآوری کرده‌اند. نتایج نشان می‌دهد که انتخاب مدل مناسب برای انجام وظایف مختلف می‌تواند نقش مهمی در کاهش پیامدهای زیست‌محیطی هوش مصنوعی داشته باشد.

رتبه‌بندی هوش مصنوعی براساس میزان انتشار کربن

مدل‌های پیشرفتههوش مصنوعیبیشترین میزان انتشار کربن را در میان گروه‌های بررسی‌شده دارند. طبق این تحلیل، مدل‌هایی مانند GPT-4 و Claude Opus به‌ازای پردازش هر پرسش، حدود ۲٫۹ تا ۴٫۳ گرم دی‌اکسیدکربن معادل منتشر می‌کنند.

در مقابل، مدل‌های کوچک‌تر مانند GPT-3.5 و Claude Haiku عملکرد بهینه‌تری از نظر مصرف انرژی دارند. میزان انتشار کربن این مدل‌ها به‌ازای هر تعامل بین ۰٫۳ تا ۰٫۸ گرم برآورد شده است.

مدل‌های Gemini گوگل نیز در محدوده میانی قرار می‌گیرند. میزان انتشار کربن این مدل‌ها بسته به پیکربندی و بهره‌وری مراکز داده، بین ۱٫۲ تا ۲٫۱ گرم برای هر پرسش اعلام شده است.

این بررسی مدل‌های هوش مصنوعی را از نظر میزان انتشار کربن در سه گروه دسته‌بندی می‌کند

این اعداد میزان انتشار دی‌اکسیدکربن معادل را نشان می‌دهند. این شاخص علاوه بر دی‌اکسیدکربن، تأثیر سایر گازهای گلخانه‌ای را نیز در قالب واحدی مشترک محاسبه می‌کند.

البته بازه‌های اعلام‌شده به گروه‌های مختلف مدل‌ها تعلق دارند و میزان انتشار دقیق هر مدل را به‌ صورت جداگانه مشخص نمی‌کنند. بنابراین، نمی‌توان صرفا با استفاده از این اطلاعات، یک چت‌بات مشخص را آلاینده‌ترین مدل هوش مصنوعی معرفی کرد.

دلیل انتشار کربن بیشتر مدل‌های بزرگ هوش مصنوعی

میزان انتشار کربنچت‌بات‌های هوش مصنوعیبه سه عامل اصلی بستگی دارد، که شامل اندازه مدل و تعداد پارامترهای آن، روش‌های بهینه‌سازی پردازش و میزان انتشار کربن ناشی از تولید برق مصرفی مراکز داده می‌شوند.

مدل‌های بزرگ معمولا برای پردازش درخواست‌ها به توان محاسباتی بیشتری نیاز دارند. این موضوع مصرف برق سرورها را افزایش می‌دهد و در نهایت می‌تواند انتشار گازهای گلخانه‌ای بیشتری ایجاد کند.

برای مثال، پردازش یک پرسش با مدلی دارای ۱۷۵ میلیارد پارامتر، منابع محاسباتی بسیار بیشتری نسبت به مدلی با ۷ میلیارد پارامتر نیاز دارد. این تفاوت حتی زمانی وجود دارد که هر دو مدل بتوانند پاسخ مناسبی برای یک درخواست ساده تولید کنند.

اندازه پنجره زمینه نیز بر مصرف انرژی تأثیر می‌گذارد. پنجره زمینه مشخص می‌کند که مدل هنگام پردازش یک درخواست، چه مقدار متن و اطلاعات را می‌تواند در نظر بگیرد. افزایش حجم اطلاعات پردازش‌شده معمولا به محاسبات بیشتری نیاز دارد.

زیرساخت مراکز داده عامل مهم دیگری است. شاخص اثربخشی مصرف انرژی یا PUE نشان می‌دهد که یک مرکز داده تا چه اندازه از برق مصرفی خود به‌ صورت مؤثر استفاده می‌کند. سیستم‌های خنک‌کننده نیز بخشی از انرژی مصرفی این مراکز را به خود اختصاص می‌دهند.

نوع منبع تولید برق نیز اهمیت زیادی دارد. طبق تحلیل منتشرشده، مدل‌هایی که در مناطق برخوردار از انرژی تجدیدپذیر آموزش داده می‌شوند یا فعالیت می‌کنند، در مقایسه با مدل‌های وابسته به برق تولیدشده از سوخت‌های فسیلی، بین ۴۰ تا ۶۰ درصد انتشار کربن کمتری دارند.

شرکت‌های OpenAI، آنتروپیک و گوگل اهدافی را برای دستیابی به خنثی‌سازی انتشار کربن تعیین کرده‌اند. با وجود این‌، رویکرد این شرکت‌ها برای کاهش تأثیرات زیست‌محیطی هوش مصنوعی متفاوت است.

طبق این تحلیل، OpenAI بر بهینه‌سازی سرعت اجرای مدل‌ها تمرکز دارد. آنتروپیک افزایش بهره‌وری مدل‌ها را با استفاده از روش‌های هوش مصنوعی قانون‌اساسی‌محور دنبال می‌کند و گوگل از زیرساخت‌های انرژی تجدیدپذیر خود بهره می‌برد.

با وجود این اقدامات، هیچ‌یک از این شرکت‌ها تا اواخر سال ۲۰۲۶ موفق نشده‌اند سیستم‌های هوش مصنوعی کاملا بدون انتشار کربن را در مقیاس گسترده عملیاتی کنند.

کاهش ۷۵ درصدی انتشار کربن با انتخاب مدل مناسب

افزایش استفاده سازمان‌ها از هوش مصنوعی، توجه به پیامدهای زیست‌محیطی این فناوری را بیشتر کرده است. شرکت‌ها اکنون با فشار فزاینده‌ای برای اندازه‌گیری و گزارش انتشار غیرمستقیم گازهای گلخانه‌ای ناشی از خدمات ابری مواجه هستند.

این نوع انتشار در چارچوب حسابداری کربن، در دسته انتشار دامنه ۳ یا Scope 3 قرار می‌گیرد و بخشی از اثرات زیست‌محیطی زنجیره ارزش سازمان‌ها را شامل می‌شود.

تحلیل منتشرشده نشان می‌دهد که کسب‌وکارها می‌توانند با انتخاب هوشمندانه مدل‌های هوش مصنوعی، انتشار کربن ناشی از استفاده از این فناوری را بین ۶۰ تا ۷۵ درصد کاهش دهند.

یکی از راهکارهای اصلی، استفاده از مدل‌های کوچک‌تر برای انجام وظایف ساده و تکراری است. در این روش، سازمان‌ها مدل‌های پیشرفته و پرمصرف را فقط برای درخواست‌هایی به کار می‌گیرند که به استدلال پیچیده یا توان پردازشی بیشتری نیاز دارند.

چندین ارائه‌دهنده خدمات ابری اکنون سیستم‌هایی برای مدیریت درخواست‌ها براساس میزان انتشار کربن ارائه می‌کنند. این سیستم‌ها در صورت امکان، درخواست‌ها را به مدل‌هایی با انتشار کمتر منتقل می‌کنند.

همچنین برخی از این راهکارها پردازش درخواست‌های غیرفوری را به زمان‌هایی موکول می‌کنند که انرژی تجدیدپذیر بیشتری در دسترس باشد.

طبق نتایج اولیه، سازمان‌هایی که از چنین روش‌هایی استفاده کرده‌اند، کاهش ۳۰ تا ۴۵ درصدی انتشار کربن را گزارش داده‌اند. این کاهش برای بیشتر کاربردها، بدون افت محسوس کیفیت پاسخ‌های هوش مصنوعی حاصل شده است.

ضرورت شفافیت شرکت‌ها درباره مصرف انرژی

با وجود انتشار داده‌های جدید، اطلاعات مربوط بهمصرف انرژیو انتشار کربن چت‌بات‌های هوش مصنوعی همچنان محدود است. بیشتر شرکت‌های فعال در این صنعت، جزئیات مصرف برق مدل‌های خود را منتشر نمی‌کنند.

همچنین کاربران معمولا نمی‌توانند میزان انتشار کربن ناشی از هر پرسش را مشاهده کنند. این کمبود اطلاعات، مقایسه دقیق اثرات زیست‌محیطی مدل‌های مختلف را دشوار می‌کند.

گروه‌های مدافع محیط زیست خواستار اجباری‌ شدن برچسب‌های انتشار کربن برای خدمات هوش مصنوعی شده‌اند. این برچسب‌ها می‌توانند مشابه اطلاعات تغذیه‌ای محصولات غذایی باشند و میزان تأثیرات زیست‌محیطی استفاده از هر سرویس را مشخص کنند.

قانون هوش مصنوعی اتحادیه اروپا که اجرای بخش‌های مختلف آن تا سال ۲۰۲۷ ادامه دارد، ممکن است در آینده زمینه الزام به انتشار چنین اطلاعاتی را برای سیستم‌های هوش مصنوعی با تأثیرگذاری بالا فراهم کند.

با گسترش استفاده از چت‌بات‌ها در صنایع مختلف، میزان انتشار کربن این فناوری به یکی از ملاحظات مهم اقتصادی و زیست‌محیطی تبدیل شده است. انتخاب مدل‌های بهینه و مدیریت هوشمند درخواست‌ها می‌تواند به سازمان‌ها کمک کند تا بدون کاهش محسوس بهره‌وری، مصرف انرژی و انتشار گازهای گلخانه‌ای را کاهش دهند.

نوشتهکدام چت‌بات‌های هوش مصنوعی بیشترین انتشار کربن را دارند؟اولین بار درTechnoc. پدیدار شد.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.