یک بطری آب در ازای هر مکالمه کوتاه با «چت‌جی‌پی‌تی»

علاوه بر مصرف انرژی ، طبق اخبار تجاری ، هوش مصنوعی نیز تشنه آب است. طبق تحقیقات دانشگاهی ، هر مکالمه کوتاه با GPT-1 با مصرف یک بطری آب کوچک (تقریباً ۲ میلی لیتر) در مراکز داده مطابقت دارد. از همین مقدار آب برای نوشتن یک ایمیل ۴ کلمه ای استفاده می شود. این شامل آب است که برای سرورهای خنک کننده و در نیروگاه هایی که مراکز داده را ارائه می دهند استفاده می شود. البته میزان واقعی مصرف بستگی به موقعیت جغرافیایی ، شرایط آب و هوایی و نوع فناوری مرکز داده دارد.

در پشت هر سؤال از هوش مصنوعی ، دو جریان پنهان وجود دارد: اول ، آب مورد نیاز برای خنک کردن سرورها ، که به طور معمول با طوفان های تبخیر انجام می شوند ، مستقیماً از منابع محلی مانند رودخانه ها یا نردبان های زیرزمینی زیرزمینی برداشت می شوند. دوم ، آب در نیروگاه ها (زغال سنگ ، گاز ، هسته یا حتی آب) برای چرخه بخار و خنک کننده. در مقابل ، انرژی باد و خورشیدی تقریباً بدون مصرف آب کار می کند. این تفاوت ها نوع انرژی را ایجاد می کند و سیستم خنک کننده تأثیر عظیمی بر آثار هوش مصنوعی دارد.

مکان و زمان نیز مهم هستند. یک مرکز داده خنک و مرطوب در ایرلند می تواند ماه ها با حداقل مصرف آب کار کند ، اما مرکز آریزونا برای دفع گرما باید در تابستان مقادیر زیادی آب مصرف کند. در طول روز نیز تفاوت وجود دارد: در ارتفاع گرما ، مصرف آب دو برابر بیشتر از شب است. برخی از فن آوری های جدید مانند خنک کننده غوطه وری یا طراحی جدید مایکروسافت ، که ادعا می کند “مصرف آب صفر” در منطقه خنک کننده است ، می تواند یک راه حل باشد ، اما به دلیل هزینه ها و دشواری اجرای آن هنوز همه چیز نیست.

نوع مدل هوش مصنوعی نیز مهم است. مدل های پیچیده تر به انرژی و آب بیشتری نیاز دارند. به عنوان مثال ، یک واکنش متوسط ​​GPT-1 حدود ۱.۵ وات انرژی مصرف می کند ، که مربوط به ۱ تا ۲ میلی لیتر آب است ، در حالی که همان خروجی GPT-1 فقط به ۱ تا ۲.۵ میلی لیتر آب نیاز دارد. در مقایسه ، گزارش گوگل نشان می دهد که هر سؤال فقط ۱.۵ میلی لیتر آب مصرف می کند. این تفاوت خشن نشان می دهد که بهینه سازی معماری مدل ها و زیرساخت ها می تواند تفاوت معنی داری در ردپاهای آبی ایجاد کند.

اگرچه مصرف روزانه آب روزانه میلیون ها مسئله هوش مصنوعی (به عنوان مثال حدود ۲ میلیون لیتر برای GPT-2) احساس می شود ، اما هنوز هم بسیار پایین تر از استفاده از آبیاری چمن در ایالات متحده (۲ میلیارد لیتر در روز) است. با این حال ، رشد سریع تقاضا برای هوش مصنوعی ، نیاز به شفافیت شرکت ها و تهیه داده های دقیق تر را دو برابر می کند. استفاده از مراکز داده در مناطق خنک و زیاد آب می تواند بازیافت آب و سرمایه گذاری در فن آوری های خنک کننده جدید آینده ای پایدار را برای صنعت ارائه دهد

منبع: فارس