هزینه پنهان پاسخ‌های طولانیِ هوش مصنوعی برای محیط‌زیست
به گزارش واحد علم و فناوری خبرگزاری صبح اقتصاد وبگاه سای‌تِک‌دِیلی در گزارشی آورده است:
این میزان انتشار دی‌اکسیدکربن، همیشه به پاسخ‌های بهتر منجر نمی‌شود؛ اما به ضرر محیط‌زیست تمام می‌شود.
فرقی ندارد از هوش مصنوعی چه بپرسید؛ در هر صورت این فناوری، همواره پاسخی تولید می‌کند و برای این کار، صرف‌نظر از صحت پاسخ، به توکِن‌ها (tokens) متکی است. این توکن‌ها از کلمات یا بخش‌هایی از کلمات تشکیل می‌شوند که به داده‌های عددی تبدیل می‌شوند تا مدل هوش مصنوعی بتواند آن‌ها را پردازش کند.
این فرآیند (تبدیل توکن‌ها) به همراه محاسبات گسترده‌تر مورد نیاز، به انتشار دی‌اکسیدکربن منجر می‌شود. با این حال، بیشتر کاربران از ردپای کربن چشمگیر ابزارهای هوش مصنوعی بی‌اطلاع هستند. پژوهشگران آلمانی به‌منظور فهم بهتر این تأثیر، با استفاده از مجموعه‌ای استاندارد از پرسش‌ها، انتشار گازهای گلخانه‌ای چندین مدل زبانی بزرگ (LLM) ازپیش‌آموخته را تحلیل و مقایسه کردند.
ماکسیمیلیان دانِر (Maximilian Dauner)، پژوهشگر دانشگاه علوم کاربردی مونیخ و سرپرست پژوهش، می‌گوید: تأثیر زیست‌محیطی پرسش از مدل‌های زبانی آموزش‌دیده بزرگ، به‌طور چشمگیری تحت‌تأثیر شیوه استدلال آن‌هاست. فرآیندهای استدلال صریح، مصرف انرژی و انتشار کربن را به شکل چشمگیری افزایش می‌دهد.
وی افزود: دریافتیم مدل‌های هوش مصنوعی مبتنی بر استدلال مرحله‌به‌مرحله که پیش از پاسخ‌گویی، تحلیل‌های طولانی تولید می‌کنند، تا ۵۰ برابر بیش از مدل‌هایی که پاسخ مختصر می‌دهند، دی‌اکسیدکربن منتشر می‌کنند. تولید دی‌اکسیدکربن بیشتر، لزوماً به ارائه پاسخ‌های بهتر منجر نمی‌شود.
یافته‌های کلیدی پژوهش
پژوهشگران ۱۴ مدل زبانی بزرگ (هر کدام با ۷ تا ۷۲ میلیارد پارامتر) با هزار پرسش استانداردشده از موضوعات گوناگون آزمایش کردند. پارامترها نحوه یادگیری و تصمیم‌گیری یک مدل را تعیین می‌کنند. مدل‌های استدلال‌محور به‌طور متوسط ۵۴۳.۵ توکن پردازشی اضافی در هر پرسش تولید می‌کنند؛ این رقم در مدل‌هایی که پاسخ مختصر می‌دهند فقط ۳۷.۷ توکن است. این توکن‌های پردازشی، محتوای داخلی اضافه‌ای هستند که مدل پیش از پاسخ نهایی ایجاد می‌کند. افزایش توکن‌ها همیشه به معنای افزایش انتشار دی‌اکسیدکربن است، اما لزوماً به نتایج بهتر منجر نمی‌شود. جزئیات بیشتر ممکن است دقت پاسخ را افزایش ندهد؛ اما هزینه‌های زیست‌محیطی را افزایش می‌دهد.
استفاده هوشمندانه‌تر و سازگار با محیط‌زیست
به گفته دانر، کاربران می‌توانند با درخواست پاسخ‌های مختصر از هوش مصنوعی یا محدودکردنِ استفاده از مدل‌های پر مصرف فقط به کارهای ضروری، انتشار کربن را به‌طور چشمگیری کاهش دهند.
برای مثال، انتخاب مدل مناسب تفاوتی بزرگ ایجاد می‌کند: پاسخ‌دهی مدل دیپ‌سیک آر وان/ DeepSeek R۱ (۷۰ میلیارد پارامتر) به ۶۰۰ هزار پرسش، معادل کربن منتشرشده در یک پرواز رفت‌وبرگشت لندن‌نیویورک است؛ این در حالی است که مدل کوئن ۲.۵/ Qwen ۲.۵ (۷۲ میلیارد پارامتر) با دقت مشابه و همان میزان انتشار کربن، می‌تواند به بیش از ۱.۹ میلیون پرسش (۳ برابر بیشتر) پاسخ دهد.
یافته‌های این پژوهش در مجله فرانتی‌یِرز این کامیونیکیشن/ Frontiers in Communication منتشر شده است.