- سم آلتمن، مدیرعامل OpenAI، ادعا میکند که هر پرسوجوی ChatGPT حدود ۰.۰۰۰۳۲ لیتر آب مصرف میکند و این حجم را با «یک پانزدهم قاشق چایخوری» مقایسه میکند.
- مصرف انرژی یک تعامل با ChatGPT حدود ۰.۳۴ وات ساعت است، مشابه استفاده از یک لامپ LED برای چند دقیقه.
- کارشناسان و اعضای جامعه علمی خاطرنشان میکنند که هیچ مدرک روشنی برای تأیید این ارقام ارائه نشده و روششناسی آنها نیز به تفصیل شرح داده نشده است.
- بحث در مورد تأثیر زیستمحیطی هوش مصنوعی، به ویژه در مورد خنکسازی مراکز داده و آموزش مدلهای بزرگ، همچنان ادامه دارد.
پیشرفت سریع هوش مصنوعی، این موضوع را به عرصه ظهور رسانده است نگرانیها در مورد تأثیر آن بر محیط زیست, con especial atención al مصرف انرژی و آب در اجرای مدلهای محبوبی مانند ChatGPT دخیل است.، توسعه یافته توسط OpenAI. در ماههای اخیر، مدیرعامل این شرکت، سم آلتمن، تلاش کرده است تا میزان واقعی مصرف منابع طبیعی توسط فناوری خود را روشن کند، هرچند که این تلاشها بدون جنجال یا بدون پرسش نبوده است.
اظهارات آلتمن در وبلاگ شخصیاش بحثهای داغی را در حوزه فناوری و علمی برانگیخته است.همزمان با افزایش محبوبیت ChatGPT در سطح جهانی، افکار عمومی و رسانهها بر ردپای اکولوژیکی هر پرسوجو و اینکه آیا دادههای ارائه شده واقعاً منعکسکننده تأثیر زیستمحیطی هوش مصنوعی بر زندگی روزمره هستند یا خیر، متمرکز شدهاند.
ChatGPT در هر پرسوجو واقعاً چقدر آب مصرف میکند؟
اخیراً، سم آلتمن اظهار داشت که هر بار که کاربر با ChatGPT تعامل میکند، میزان مصرف آب مرتبط با آن حداقل است.. Según explicó, یک مشاوره حدود ۰.۰۰۰۳۲ لیتر آب مصرف میکندتقریباً معادل «یک پانزدهم قاشق چایخوری» است. این مقدار در درجه اول در سیستمهای خنککننده مراکز داده استفاده میشود که در آنها سرورها پاسخهای هوش مصنوعی را پردازش و تولید میکنند.
خنکسازی بسیار مهم است برای جلوگیری از داغ شدن بیش از حد قطعات الکترونیکیمخصوصاً وقتی در مورد زیرساختهای بزرگی صحبت میکنیم که بهطور مداوم و با تمام ظرفیت کار میکنند. این نیاز به خنک کردن ماشینها با آب منحصر به ChatGPT نیست، بلکه در همه جا رایج است. کل بخش محاسبات ابری و هوش مصنوعیبا این حال، حجم درخواستهای روزانه - میلیونها، طبق گفته OpenAI - به این معنی است که حتی مصرف بسیار کم هم تأثیر قابل توجهی دارد.
اگرچه آلتمن میخواست تأکید کند که هزینه به ازای هر کاربر تقریباً بیربط است، کارشناسان و مطالعات قبلی، ارقام بالاتری را در تحقیقات مستقل منتشر کردهاند.برای مثال، تحلیلهای اخیر دانشگاههای آمریکایی نشان میدهد که آموزش مدلهای بزرگی مانند GPT-3 یا GPT-4 میتواند به صدها هزار لیتر آب نیاز داشته باشد.اگرچه میزان استفاده خاص در هر مشاوره روزانه بسیار کمتر است.
جنجال بر سر ارقام: تردیدهایی در مورد شفافیت و روششناسی
اظهارات آلتمن به دلایل زیر با احتیاط توسط جامعه علمی و رسانههای تخصصی دریافت شده است: فقدان توضیحات دقیق در مورد چگونگی به دست آوردن این مقادیرچندین مقاله اشاره میکنند که OpenAI روش دقیقی برای محاسبه مصرف آب و انرژی منتشر نکرده است، که باعث شده برخی رسانهها و سازمانها خواستار شفافیت بیشتر در این زمینه شوند.
نشریات رسانهای مانند واشنگتن پست، ورج و دانشگاههایی مانند امآیتی یا کالیفرنیا به تخمینهای بالاتری اشاره کردهاند که به ... میرسد. ۰.۵ لیتر برای هر ۲۰ تا ۵۰ مشاوره (در مورد مدلهای قبلی مانند GPT-0,5) و چند صد هزار لیتر برای مرحله آموزش هوش مصنوعی.
بحث انرژی: بهرهوری، زمینه و مقایسهها
یکی دیگر از نکاتی که سم آلتمن به آن اشاره میکند این است که مصرف انرژی مرتبط با هر تعامل با ChatGPTطبق تخمینهای آنها، یک مشاوره متوسط حدود ۰.۳۴ وات ساعت مصرف دارد، مشابه انرژی مصرف شده توسط یک لامپ LED در دو دقیقه یا یک فر خانگی که به مدت یک ثانیه روشن مانده است. برای درک بهتر تأثیرات هوش مصنوعی، میتوانید به ... نیز مراجعه کنید. تأثیر هوش مصنوعی بر پایداری.
با این حال، کارایی مدلها در سالهای اخیر افزایش یافته است و سختافزارهای امروزی قادر به پردازش درخواستها با قدرت کمتری نسبت به چند سال پیش هستند. این بدان معناست که اگرچه استفاده فردی کم است، چالش در حجم عظیم تعاملات همزمان است که در پلتفرمهایی مانند ChatGPT، Gemini یا Claude رخ میدهد.
مطالعات اخیر از کاهش مشخصی در میانگین مصرف در هر مشاوره پشتیبانی میکنند، اگرچه اصرار دارند که هر مرورگر، هر دستگاه و هر منطقه ممکن است ارقام متفاوتی داشته باشد. بسته به نوع مرکز داده و سیستم خنککننده مورد استفاده.
ردپای تجمعی و چالش پایداری بلندمدت
معضل واقعی زمانی بروز میکند که این حداقل اعداد در هر مشاوره را به کل تعداد تعاملات روزانه در سراسر جهان تعمیم دهیم. مجموع میلیونها قطره کوچک میتواند به مقدار قابل توجهی آب تبدیل شود.به خصوص که هوش مصنوعی برای کارهای پیچیدهتر استفاده میشود و به بخشهایی مانند آموزش، اوقات فراغت و مراقبتهای بهداشتی گسترش مییابد.
Además, el فرآیند آموزش مدلهای پیشرفته هوش مصنوعی مانند GPT-4 یا GPT-5 همچنان به شدت به منابع زیادی نیاز دارد.، چه از نظر برق و چه از نظر آب، شرکتهای فناوری را مجبور میکند تا به دنبال منابع انرژی جدید - مانند انرژی هستهای - باشند و مکانهایی را برای مراکز داده خود در نظر بگیرند که زیرساختهای آب در آنها تضمین شده باشد.
La فقدان استانداردهای روشن، ارقام رسمی و شفافیت در محاسبات همچنان به جنجالها دامن میزند.سازمانهایی مانند EpochAI و شرکتهای مشاورهای تلاش کردهاند تا این تأثیر را تخمین بزنند، اما هنوز هیچ اجماعی در مورد هزینه واقعی زیستمحیطی تعامل با هوش مصنوعی مولد در مقیاس بزرگ وجود ندارد. در عین حال، این بحث دریچهای برای تأمل در مورد آینده این فناوری و مسئولیت زیستمحیطی طرفداران اصلی آن میگشاید.
La discusión sobre el سم آلتمن و هوش مصنوعی به طور کلی تنشهای بین نوآوری تکنولوژیکی و پایداری را برجسته میکند. در حالی که ارقام ارائه شده توسط سم آلتمن به دنبال اطمینان دادن به عموم در مورد تأثیر کم هر مشاوره فردی است، عدم شفافیت و مقیاس جهانی این سرویس، نیاز به نظارت و دقت علمی را هنگام ارزیابی ردپای اکولوژیکی سیستمهایی که در حال حاضر بخشی از زندگی روزمره ما هستند، برجسته میکند.
من یک علاقه مند به فناوری هستم که علایق "گیک" خود را به یک حرفه تبدیل کرده ام. من بیش از 10 سال از زندگی خود را صرف استفاده از فناوری های پیشرفته و سرهم بندی کردن انواع برنامه ها از روی کنجکاوی کرده ام. اکنون در زمینه فناوری رایانه و بازی های ویدیویی تخصص دارم. این به این دلیل است که بیش از 5 سال است که برای وب سایت های مختلف در زمینه فناوری و بازی های ویدیویی می نویسم و مقالاتی را ایجاد می کنم که به دنبال ارائه اطلاعات مورد نیاز شما به زبانی قابل فهم برای همه هستند.
اگر سوالی دارید، دانش من از همه چیز مربوط به سیستم عامل ویندوز و همچنین اندروید برای تلفن های همراه است. و تعهد من به شماست، من همیشه حاضرم چند دقیقه وقت بگذارم و به شما کمک کنم تا هر سوالی را که ممکن است در این دنیای اینترنتی داشته باشید حل کنید.