«درواقع بشر نه‌تنها هنوز نتوانسته به یک هوش مصنوعی دانای کل دست یابد، بلکه حتی به دستیابی به آن نزدیک هم نشده است. حتی اگر بر اساس پیش‌بینی خوشبین‌ترین حامیان هوش مصنوعی، هوش مصنوعی دانای کل تا ۵ سال آینده ظاهر شود و پیشرفت‌هایی هم در همجوشی هسته‌ای پایدار یا در کارایی سلول‌های خورشیدی به دست آید، باز هم بشر همچنان باید با واقعیت‌های اقتصادی و سیاسی آشفته گذار انرژی پاک دست و پنجه نرم کند.»
فاطمه لطفی روزنامه نگار طی مطلبی در روزنامه اعتماد نوشت: امروزه با دو پدیده به ظاهر متفاوت و نامربوط به هم مواجه هستیم: تغییر اقلیم و ظهور هوش مصنوعی. در نگاه اول احتمالا ارتباط خاصی بین این دو نباید وجود داشته باشد غیر از اینکه شما از هوش مصنوعی درباره تغییر اقلیم سوال کنید و هوش مصنوعی به شما جواب بدهد. اما متخصصان اقلیم و اقتصاددانان حوزه انرژی اینچنین فکر نمی‌کنند.
بخش بزرگی از جامعه متخصص حوزه محیط زیست و انرژی بر این باورند که هوش مصنوعی رخدادهای اقلیمی را تشدید خواهد کرد. به واقع به‌واسطه حجم عظیم انرژی مورد نیاز مراکز داده، هوش مصنوعی می‌تواند انتشار گازهای گلخانه‌ای را افزایش بدهد و این گازها عامل مستقیم تشدید رخدادهای اقلیمی هستند. شرکت هلدینگ خدمات مالی و بانکداری چندملیتی امریکایی ولز فارگو پیش‌بینی کرده که تقاضای برق هوش مصنوعی تا سال ۲۰۲۶ به میزان ۵۵۰ درصد افزایش یابد و از ۸ تراوات ساعت در سال ۲۰۲۴ به ۵۲ تراوات ساعت برسد.
اما ماجرا به همین‌جا ختم نمی‌شود؛ یک افزایش ۱۱۵۰ درصدی دیگر هم در پیش است. رقم ۶۵۲ تراوات ساعتی، آن هم تا سال ۲۰۳۰. این رشد قابل توجه ۸۰۵۰ درصدی نسبت به سطح پیش‌بینی شده در سال ۲۰۲۴ است. تحلیلگران بر این باورند که پیش‌بینی‌های خوشبینانه غول‌های فناوری درباره نقش بالقوه هوش مصنوعی در مقابله با بحران اقلیم، اغلب تقاضای رو به رشد انرژی مراکز داده عظیم را نادیده می‌گیرد. پس سوال این است که آیا هوش مصنوعی زندگی ما را بهتر خواهد کرد یا بدتر؟
هفته آینده در ۱۰ و ۱۱ فوریه ۲۰۲۵ (۲۲ و ۲۳ بهمن ماه) فرانسه میزبان اجلاس «اقدام هوش مصنوعی» خواهد بود با حضور سران کشورها و دولت‌ها، رهبران سازمان‌های بین‌المللی، مدیران عامل شرکت‌های کوچک و بزرگ، نمایندگان دانشگاه‌ها و موسسات غیردولتی و اعضای جوامع مدنی. یکی از محورهای مورد بحث در این اجلاس، جنبه زیست‌محیطی هوش مصنوعی و تاثیر آن، مثبت یا منفی بر بحران اقلیم است.
تشدید بحران تغییر اقلیم و گسترش سریع هوش مصنوعی قرار است جهان ما را تغییر بدهد و سیستم‌های سیاسی، اقتصاد و زندگی روزمره ما را متحول کند. با این حال، آنچه اغلب نادیده گرفته می‌شود، آن بی‌شمار روش‌هایی است که تغییر اقلیم و هوش مصنوعی روی یکدیگر همپوشانی دارند و بر یکدیگر تاثیر می‌گذارند. بشر عاشق ساده‌سازی است، بنابراین بسیاری از بحث‌های کنونی پیچیدگی رابطه بین هوش مصنوعی و تغییر اقلیم را به‌هیچ عنوان در نظر نمی‌گیرند.
در حالی که فناوران خوشبینانه از هوش مصنوعی به عنوان نوشدارویی برای مشکلات جهان یاد می‌کنند، بدبین‌های فناوری هزینه‌های زیست‌محیطی آن را برجسته می‌کنند و هشدار می‌دهند که فناوری‌های نوظهور می‌توانند در نهایت بحرانی را که قصد حل آن دارند، تشدید کنند. اما هوش مصنوعی این پتانسیل را دارد که به ما در دستیابی به اهداف مهم اقلیمی کمک کند و سیاست‌های خوب طراحی شده می‌توانند و باید هزینه‌های زیست‌محیطی آن را کاهش بدهند.
با این حال پیش‌بینی‌های بسیار خوشبینانه حاکمان سیلیکون‌ولی در مورد نقش بالقوه هوش مصنوعی در مقابله با بحران اقلیم بر نیاز به رویکردی متفاوت تاکید می‌کند. مثلا در ماه سپتامبر، سام آلتمن، مدیرعامل اوپن‌ای‌آی مقاله‌ای منتشر کرد با تصویرسازی از آینده‌ای که در آن هوش مصنوعی تقریبا بدون محدودیت و با انرژی فراوان پیروزی‌های خیره‌کننده را ممکن ساخته، بر مشکلاتی چون بحران اقلیم، تاسیس یک مستعمره فضایی و گشودن اسرار فیزیک کمک می‌کند.
اریک اشمیت، مدیرعامل سابق گوگل هم تایید می‌کند که هوش مصنوعی بر بحران اقلیم موثر است، اما می‌گوید: «من ترجیح می‌دهم مشکل هوش مصنوعی را حل کنم نه اینکه آن را محدود کنم.» و غول‌های فناوری مانند گوگل و مایکروسافت اغلب لاف استفاده از هوش مصنوعی برای ارتقای پایداری می‌زنند. اما واقعیت این است که انتشار دی‌اکسید کربن این غول‌ها در سال ۲۰۱۹ و ۲۰۲۰ به ترتیب ۴۸ درصد و ۲۹ درصد افزایش یافته که عمدتا به دلیل تقاضای رو به رشد انرژی مراکز عظیم داده است.
مطمئنا پیشرفت در پردازش داده‌ها و محاسبات مورد نیاز هوش مصنوعی می‌تواند تحقیقات علمی را تسریع کند و ما را قادر سازد تا با چالش‌های فوری جهانی مقابله کنیم. به عنوان مثال مدل‌های آلفافولد دیپ‌مایند درک ما را از ساختارهای پروتئینی متحول کرده و پیامدهای بسیار شگفت‌آوری برای علوم زیستی به بار آورده است. اما این پیشرفت‌ها که حاصل سال‌ها همکاری بین‌رشته‌ای بین محققان و دانشمندان هوش مصنوعی است با یک هوش مصنوعی دانای کل (AGI) که قادر به حل فوری مشکلات پیچیده علمی و فناوری باشد، فاصله زیادی دارد.
درواقع بشر نه‌تنها هنوز نتوانسته به یک هوش مصنوعی دانای کل دست یابد، بلکه حتی به دستیابی به آن نزدیک هم نشده است. حتی اگر بر اساس پیش‌بینی خوشبین‌ترین حامیان هوش مصنوعی، هوش مصنوعی دانای کل تا ۵ سال آینده ظاهر شود و پیشرفت‌هایی هم در همجوشی هسته‌ای پایدار یا در کارایی سلول‌های خورشیدی به دست آید، باز هم بشر همچنان باید با واقعیت‌های اقتصادی و سیاسی آشفته گذار انرژی پاک دست و پنجه نرم کند.
در حال حاضر بسیاری از فناوری‌های مورد نیاز برای دستیابی به انتشار خالص صفر وجود دارند و می‌توانند کارآمدتر یا مقرون به‌صرفه‌تر شوند، اما موانع موجود بر سر راه استقرار و گسترش این فناوری‌ها انعکاسی است از تضاد منافع سیاسی، اقتصادی، مالی و اجتماعی که چشم‌انداز ژئوپلیتیک جهانی را شکل می‌دهد. بر همین اساس تحلیلگران بر این باورند که خوشبینی آلتمن و دیگر سردمداران غول‌های فناوری مبنی بر اینکه هوش مصنوعی بحران اقلیم را حل خواهد کرد، این واقعیت‌ها را پنهان می‌کند و با توجه به ردپای عظیم کربن مراکز داده، تکیه بر چنین وعده‌هایی برای آینده بشر خطرناک است.
آمارها می‌گویند مراکز داده مصرف برقی معادل ۲ تا ۴ درصد از کل مصرف برق ایالات متحده، اتحادیه اروپا و چین و بیش از ۲۰ درصد مصرف برق ایرلند را از آن خود کرده‌اند.
اما نکته تاسف‌آور این است آن‌ها که ردپاهای بزرگ‌تری دارند در انتشار کربن، مثلا آمازون، اپل، مایکروسافت، گوگل و متا به ترفندهای بزرگ‌تری هم متکی می‌شوند برای فریب افکار عمومی، ترفندهایی چون کسب گواهینامه‌های انرژی تجدیدپذیر و در نتیجه ردپای خود در بحران اقلیم را پنهان می‌کنند.
برخی بر این باورند که مدل‌هایی که اخیرا توسط شرکت چینی DeepSeek منتشر شده، دقیقا به این دلیل که به نظر می‌رسد نسبت به همتایان امریکایی خود از نظر انرژی بسیار کارآمدتر هستند، سر و صدای زیادی به پا کرده است.
اما پارادوکسی مطرح است و آن اینکه محققان نشان داده‌اند که افزایش راندمان و در نتیجه هزینه‌های کمتر، احتمال افزایش تقاضا برای عملکردهای جدید هوش مصنوعی را بالا برده درنتیجه مصرف انرژی کلی هم بیشتر شود.
بنابراین محققان حوزه محیط زیست معتقدند به جای اینکه بپرسیم آیا هوش مصنوعی می‌تواند به ما در دستیابی به اهداف اقلیمی کمک کند، باید اطمینان حاصل کنیم که قبل از اینکه این فناوری‌ها بتوانند به وعده‌های خود عمل کنند، مراکز داده تشنه انرژی و منابع، کره زمین را از نقاط اوج زیست‌محیطی عبور ندهند. به باور این محققان، دستیابی به چنین هدفی مستلزم آن است که این مراکز داده و گردانندگان غول‌های فناوری داده‌های انتشار گازهای گلخانه‌ای را منتشر کنند و گزارش‌هایی دقیقی از آن ارائه بدهند. ایجاد ساز و کارهای مالیاتی بر انتشارات هم می‌تواند راه‌حلی موثر برای مقابله با اثرات مخرب این مراکز داده باشد.
حتی اگر کارشناسان فقط روی میزان گازهای گلخانه‌ای منتشر شده از مراکز داده تمرکز کنند، محاسبه تاثیر دقیق هوش مصنوعی بر بحران اقلیم دشوار است، چون انواع مختلف هوش مصنوعی مانند مدل‌های یادگیری ماشینی، برنامه خودروهای خودران یا مدل زبان بزرگ برای ربات چت، همگی به مقادیر متفاوتی از محاسبات نیاز دارند. آمارها می‌گویند زمانی که اوپن‌ای‌آی مدل زبان بزرگ (LLM) خود به نام GPT-3 را آموزش داد، معادل ۵۰۰ تن دی اکسید کربن تولید کرد. مدل‌های ساده‌تر کمترین میزان انتشار را دارند.
اما وقتی تنها از یک لنز انتشارات این شرکت‌ها بررسی نمی‌شود، درک تاثیر این مدل‌ها بر محیط زیست پیچیده‌تر هم می‌شود. دیوید رولنیک، دانشمند علوم کامپیوتر در دانشگاه مک گیل، هوش مصنوعی را به یک چکش تشبیه می‌کند؛ او می‌گوید: «تاثیر اصلی یک چکش در آن چیزی است که چکش می‌خورد، نه آنچه در چکش است.» درست همان طور که چکش می‌تواند چیزی را خرد کند برای ساختن خانه نیز به کار می‌آید؛ هوش مصنوعی نیز می‌تواند به محیط زیست آسیب برساند یا به آن کمک کند.
صنعت سوخت‌های فسیلی را در نظر بگیرید. در سال ۲۰۱۹ مایکروسافت شراکت جدیدی با اکسون موبیل به راه انداخت و اکسون موبیل اعلام کرد که این شرکت از پلتفرم محاسبات ابری مایکروسافت اژر استفاده خواهد کرد. این غول نفتی ادعا کرد که با استفاده از این فناوری که برای کارهای خاصی مانند تجزیه و تحلیل عملکرد به هوش مصنوعی متکی است، می‌تواند عملیات استخراج را بهینه کند و تا سال ۲۰۲۵، تولید را معادل۵۰ هزار بشکه نفت در روز افزایش بدهد. در این مورد، هوش مصنوعی مایکروسافت مستقیما برای تولید سوخت‌های فسیلی بیشتر استفاده می‌شود که در صورت سوختن، گازهای گلخانه‌ای منتشر می‌کند.
استخراج سوخت‌های فسیلی تنها کاربرد هوش مصنوعی نیست که می‌تواند برای محیط زیست مضر باشد. اِما استروبل، دانشمند علوم کامپیوتر در دانشگاه کارنگی ملون، می‌گوید: «نمونه‌هایی از این دست در هر بخش مانند جنگلداری، مدیریت زمین و کشاورزی هم وجود دارد.»
این موضوع را می‌توان در نحوه استفاده از هوش مصنوعی در تبلیغات خودکار نیز مشاهده کرد. بر اساس گزارش ساینتیفیک امریکن، هنگامی که یک تبلیغ خاص در اینستاگرام یا فیس‌بوک ظاهر می‌شود، الگوریتم‌های تبلیغاتی بسیاری پشت‌پرده کار می‌کنند. رولنیک می‌گوید که این عمل رفتار مصرفی کلی را در جامعه تقویت می‌کند.
به عنوان مثال، با تبلیغات مد سریع و تبلیغات هدفمند، چرخش ثابتی از لباس‌های ارزان و تولید انبوه را به سمت مصرف‌کنندگان می‌آورد، در نتیجه خرید لباس‌هایی افزایش می‌یابد که صرفا در یک بازه زمانی کوتاه استفاده خواهند شد. این امر تقاضای بالاتری را برای شرکت‌ها و صنعت مدِ سریع ایجاد می‌کند؛ شرکت‌هایی که همین حالا هم مجموعا تا ۸ درصد از انتشار جهانی را تولید می‌کند. صنعت مد سریع بیشتر از صنعت حمل و نقل گازهای گلخانه‌ای تولید می‌کند و باعث می‌شود لباس‌های دور ریخته شده بیشتری در محل‌های دفن زباله جمع شوند.
در کنار همه اینها اما برنامه‌های کاربردی هوش مصنوعی وجود دارد که می‌تواند به مقابله با تغییر اقلیم و سایر مشکلات زیست محیطی، مانند تخریب ناشی از توفان‌های شدید کمک کنند. یکی از این برنامه‌ها xView2 است؛ برنامه‌ای که مدل‌های یادگیری ماشینی و بینایی کامپیوتری را با تصاویر ماهواره‌ای ترکیب می‌کند تا ساختمان‌های آسیب دیده در بلایای طبیعی را شناسایی کند. این برنامه توسط واحد نوآوری دفاعی وزارت دفاع ایالات متحده راه‌اندازی شده است.
مدل‌های این برنامه می‌توانند زیرساخت‌های آسیب‌دیده را ارزیابی کنند، در نتیجه خطر را کاهش داده و در زمان صرفه‌جویی می‌کنند. همچنین این مدل‌ها قادرند به تیم‌های جست‌وجو و نجات کمک کند تا تلاش‌های‌شان را هدفمند انجام بدهند. نظارت بر انتشار گازهای گلخانه‌ای از دیگر کاربردهای هوش مصنوعی است. دانشمندان انتشار گازهای گلخانه‌ای تاسیسات تحت نظارت را شناسایی می‌کنند. بعد از تصاویر ماهواره‌ای برای مشخص کردن نشانه‌های بصری فعالیت‌های ایجاد کننده انتشار استفاده می‌کنند.
در مرحله بعد، مهندسان الگوریتم‌هایی را روی این داده‌ها آموزش می‌دهند تا برنامه‌ها تخمین انتشار گازهای گلخانه‌ای را تنها بر اساس ورودی بصری تولید کنند. این تنها دو نمونه از کاربردهای هوش مصنوعی در جهت مقابله با گرمایش جهانی بود. به نظر می‌رسد پاسخ به این سوال که هوش مصنوعی آینده ما را خواهد ساخت یا نابود خواهد کرد، بستگی به این دارد که کاربرد هوش مصنوعی به چه نحو تعریف می‌شود و سیاستگذاران از این تعریف چگونه بهره ببرند.
