تخفي الإجابات التي تقدّمها روبوتات الدردشة الذكية تكلفة بيئية باهظة، إذ تستهلك هذه التقنيات التي تشهد انتشارًا هائلًا كميات ضخمة ومتزايدة من الطاقة.
ويعود هذا الاستهلاك المرتفع إلى البنية التحتية العملاقة التي تعتمد عليها، فمراكز البيانات، التي تستخدم لتدريب ومعالجة الذكاء الاصطناعي، كانت مسؤولة عن 4.4% من استهلاك الكهرباء في الولايات المتحدة خلال عام 2023، وحوالي 1.5% من استهلاك الطاقة العالمي، لكن الأرقام الأكثر إثارة للقلق هي التوقعات المستقبلية، حيث يُنتظر أن يتضاعف هذا الاستهلاك على الأقل بحلول عام 2030 مع تزايد الطلب على خدمات الذكاء الاصطناعي.
ويقول أليكس دي فريس-جاو، الباحث في استدامة التكنولوجيا الناشئة بجامعة فريجي بأمستردام: "قبل ثلاث سنوات فقط، لم يكن لدينا حتى ChatGPT، والآن نتحدث عن تقنية ستكون مسؤولة عن ما يقرب من نصف استهلاك الكهرباء في مراكز البيانات على مستوى العالم». هذا
ما سر شهية روبوتات الدردشة الذكية للطاقة؟
يكمن السبب الرئيسي وراء هذا الاستهلاك الضخم في عمليتين أساسيتين تتطلبهما روبوتات الدردشة الذكية وهما، التدريب والاستدلال.
ويشرح مشرف شودري، عالم الكمبيوتر في جامعة ميشيغان، أن هاتين العمليتين هما الأكثر استهلاكًا للطاقة في دورة حياة الذكاء الاصطناعي.
ويوضح أنه أثناء عملية التدريب، يتم تزويد النماذج اللغوية الكبيرة بمجموعات بيانات هائلة لكي تتمكن من التعلم والتعرف على الأنماط وتقديم التوقعات.
ويسود اعتقاد في هذا المجال مفاده أن "الأكبر هو الأفضل"، أي أن النماذج الأكبر التي تستهلك بيانات أكثر تقدم أداءً أفضل، وهو ما يدفع الشركات إلى بناء نماذج عملاقة لا يمكن احتواؤها على خادم واحد، بل تتطلب شبكات من الخوادم التي تعمل لأسابيع أو أشهر متواصلة.
ولإعطاء تصور عن الحجم، تشير التقديرات إلى أن تدريب نموذج "GPT-4" وحده استهلك طاقة تعادل تشغيل مدينة سان فرانسيسكو الأمريكية لمدة 3 أيام كاملة.
أما عملية الاستدلال، وهي المرحلة التي يقوم فيها الروبوت بتوليد إجابة بناءً على طلب المستخدم، فتستهلك قدرًا كبيرًا من الطاقة أيضًا، ورغم أن تشغيل طلب واحد أقل تكلفة من التدريب، فإن الحجم الهائل للطلبات اليومية، التي تتجاوز 2.5 مليار طلب يوميًا لـChatGPT وحده، يجعل من عملية الاستدلال مساهمًا رئيسيًا في استهلاك الطاقة.
ومع تحول نماذج مثل "Gemini" من "Google" لتصبح الخيار الافتراضي في عمليات البحث، فإن هذا الرقم مرشح للزيادة بشكل كبير، مما يجعل توفير الطاقة في هذه المرحلة تحديًا كبيرًا.
ويشير باحثون مثل شودري ودي فريس-جاو إلى أن إحدى العقبات الرئيسية تكمن في غياب الشفافية، حيث تحافظ شركات كبرى مثل "غوغل" و"مايكروسوفت" و"ميتا" على سرية بيانات استهلاك الطاقة الخاصة بتطبيقاتها، مما يجعل من الصعب تحديد حجم التأثير البيئي الحقيقي لهذه التقنيات.
