به گزارش گروه اقتصادی خبرگزاری دانشجو، در عصر حاضر، هوش مصنوعی (AI) به یکی از تکنولوژی‌های اصلی و پرکاربرد در بسیاری از صنایع تبدیل شده است. از پزشکی و خودروهای خودران گرفته تا تحلیل داده‌های کلان و پردازش زبان طبیعی، این فناوری به سرعت در حال پیشرفت است. با این حال، توسعه و بهره‌برداری از هوش مصنوعی به سخت‌افزارهای تخصصی مانند پردازنده‌های گرافیکی (GPU) و واحدهای پردازش تنسور (TPU) نیاز دارد که برای انجام محاسبات پیچیده و آموزش مدل‌های یادگیری ماشین طراحی شده‌اند. این پردازنده‌ها، هرچند که توانایی‌های زیادی دارند، نیازمند منابع انرژی بسیار زیادی هستند که باید در برنامه‌ریزی برای آینده فناوری هوش مصنوعی به آن توجه ویژه‌ای شود.
چرا پردازنده‌های هوش مصنوعی نیاز به انرژی دارند؟
پردازنده‌های هوش مصنوعی برای انجام محاسبات پیچیده‌ای که شامل پردازش داده‌های حجیم، آموزش مدل‌های یادگیری ماشین و شبکه‌های عصبی عمیق می‌شود، به مقادیر زیادی انرژی نیاز دارند. این محاسبات به‌ویژه در فرآیند آموزش مدل‌های AI که نیازمند تحلیل داده‌های انبوه و استخراج الگوها از آنها است، مصرف انرژی بالایی دارد.
در فرآیند آموزش مدل‌های یادگیری ماشین، پردازنده‌ها باید مقادیر زیادی داده را به صورت موازی پردازش کرده و هزاران عملیات ریاضی پیچیده را در هر ثانیه انجام دهند. این عملیات‌ها نه تنها به پردازنده‌های قدرتمند نیاز دارند، بلکه انرژی زیادی نیز مصرف می‌کنند. علاوه بر این، در مراکز داده که این پردازش‌ها انجام می‌شود، سیستم‌های تهویه، سرمایش و زیرساخت‌های شبکه‌ای نیز باعث افزایش مصرف انرژی می‌شوند.
میزان مصرف انرژی پردازنده‌های هوش مصنوعی
میزان مصرف انرژی پردازنده‌های هوش مصنوعی مانند این است که فرآیند یک مدل هوش مصنوعی پیچیده مانند مدل‌های یادگیری عمیق که ممکن است چندین روز یا حتی هفته‌ها زمان نیاز داشته باشد، می‌تواند معادل مصرف برق یک خانه به مدت چند ماه یا حتی سال باشد. این مصرف بالا به‌ویژه در مقیاس‌های بزرگ یکی از چالش‌های عمده در مسیر توسعه و استفاده از هوش مصنوعی است.
مطالعات نشان می‌دهند که مصرف انرژی در مراکز داده‌ای که برای آموزش مدل‌های هوش مصنوعی استفاده می‌شوند، به سرعت در حال افزایش است. به‌عنوان مثال، آموزش مدل GPT-۳ می‌تواند معادل مصرف برق یک کشور کوچک در طول یک سال باشد.
امین نظارات، مدیرعامل و بنیان‌گذار شرکت دانش‌بنیان رایانش سریع هزاره ایرانیان، در گفتگو با خبرنگار اقتصادی خبرگزاری دانشجو، به مشکلات تأمین انرژی برای مراکز داده در کشور اشاره کرد و گفت: برای تأمین نیاز پردازشی انرژی در ایران، با کمبود شدید مواجه هستیم. به عنوان مثال، یک مرکز داده با حدود ۸۰۰ واحد GPU که حداقل نیاز پردازشی را پوشش دهد، به حدود ۶ مگاوات انرژی نیاز دارد، در حالی که در حال حاضر با چالش‌های جدی در تأمین این انرژی روبه‌رو هستیم.
وی افزود: دولت در حال حاضر با ناترازی انرژی مواجه است و اولویت آن تأمین انرژی برای مصرف‌های بزرگ‌تر است. برخی از مراکز داده‌ای که به بیش از ۳۲ مگاوات انرژی نیاز دارند، وعده تأمین انرژی از سوی دولت را دریافت کرده‌اند. اگر این روند به صورت موازی و هماهنگ پیش برود، امکان تأمین انرژی این مراکز وجود دارد. البته برای طراحی و اجرای یک چنین مرکزی، خرید تجهیزات و راه‌اندازی آن ممکن است یک یا یک سال و نیم طول بکشد.
نظارات تاکید کرد که از همان ابتدا باید میزان دقیق مصرف انرژی برای این مراکز مشخص شود تا به وزارت نیرو اعلام گردد و این وزارت‌خانه بتواند بر اساس نیازمندی‌ها، اقدامات لازم را انجام دهد. او در ادامه گفت: «ممکن است در برخی استان‌ها با مشکل تراز انرژی روبه‌رو شویم و برای حل این مشکل، باید مراکز داده را در مناطقی با کمبود مصرف انرژی راه‌اندازی کنیم. به عنوان مثال، در تهران با چالش‌های جدی مواجه هستیم و پیشنهاد می‌کنیم که این مراکز در شهر‌هایی مانند شیراز، اصفهان، مشهد یا تبریز مستقر شوند.»
وی در پایان اشاره کرد که پژوهشگاه‌های مطالعاتی این شرکت به وزارت نیرو و دولت پیش‌بینی‌هایی درباره نیاز انرژی مراکز داده در پنج سال آینده ارائه کرده‌اند. وی ابراز امیدواری کرد که با تأمین بودجه کافی، وزارت نیرو بتواند پروژه‌های تولید انرژی را اجرا کرده و مشکل تأمین انرژی برای مراکز داده برطرف شود.
با توجه به گسترش روزافزون فناوری‌های هوش مصنوعی و استفاده گسترده از آنها در صنایع مختلف، مدیریت بهینه مصرف انرژی در این حوزه اهمیت بیشتری پیدا کرده است. این موضوع نه تنها از جنبه‌های اقتصادی بلکه از دیدگاه زیست‌محیطی نیز حائز اهمیت است. بنابراین، تحقیق و توسعه در زمینه طراحی سخت‌افزارهای کم‌مصرف‌تر و الگوریتم‌های بهینه‌تر باید در اولویت قرار گیرد. علاوه بر این، استفاده از مراکز داده سبز و فناوری‌های خنک‌سازی هوشمند می‌تواند به کاهش اثرات زیست‌محیطی و مصرف انرژی پردازنده‌های هوش مصنوعی کمک کند.
چالش‌های مصرف انرژی در هوش مصنوعی به یکی از موضوعات کلیدی تبدیل شده است که نیازمند راه‌حل‌های نوآورانه برای حفظ توسعه پایدار این فناوری است. توجه به طراحی سخت‌افزارهای کارآمدتر، بهینه‌سازی مدل‌ها و الگوریتم‌ها، و استفاده از انرژی‌های تجدیدپذیر می‌تواند به کاهش مصرف انرژی و اثرات منفی زیست‌محیطی کمک کند.
هوش مصنوعی به عنوان یکی از مهم‌ترین تحولات علمی و فناورانه قرن حاضر، در حال حرکت با سرعتی فزاینده است و کشور‌هایی که نتوانند خود را با این روند همگام کنند، ممکن است از قطار پیشرفت جا بمانند. ایران در حالی که به ظرفیت‌های بی‌نظیر علمی و نیروی انسانی ماهر دسترسی دارد، برای بهره‌برداری از فرصت‌های هوش مصنوعی نیازمند سرمایه‌گذاری در زیرساخت‌های پردازشی و تأمین انرژی کافی برای پردازنده‌ها است. اگر انرژی لازم برای راه‌اندازی و پیشبرد این فناوری تأمین نشود، نه تنها در رقابت جهانی با دیگر کشور‌ها عقب خواهیم ماند، بلکه در مسیر توسعه اقتصادی، اجتماعی و علمی نیز فرصت‌های بی‌شماری را از دست خواهیم داد.