با کاربرد گسترده فناوری هوش مصنوعی در زمینههای متعددی مانند مراقبتهای بهداشتی، مالی، تولید و تحقیقات علمی، زیرساختهای پشت آن - مراکز داده - در حال تبدیل شدن به منبع مهمی برای رشد مصرف جهانی انرژی است. آموزش و عملکرد مدلهای هوش مصنوعی بر-منابع محاسباتی با کارایی بالا تکیه میکند، که برای پشتیبانی به مراکز داده بهطور مداوم نیاز دارند. بنابراین، مراکز داده هوش مصنوعی نه تنها قدرت محاسباتی فوق العاده ای را به ارمغان می آورند، بلکه با مصرف انرژی و فشار محیطی قابل توجهی همراه هستند.
تأثیر زیرساختهای هوش مصنوعی بر محیطزیست عمدتاً در رشد تقاضای برق، استفاده از منابع آب، تولید سختافزار، و توسعه زیرساختها و غیره منعکس میشود. با توسعه{{1} بزرگ فناوری هوش مصنوعی، نحوه برآورده کردن نیازهای محاسباتی و در عین حال کاهش بارهای زیستمحیطی به موضوع مهم نگرانی مشترک دولتها، شرکتهای فناوری و مؤسسات تحقیقاتی تبدیل شده است.
دلایل مصرف بالای انرژی مراکز داده هوش مصنوعی
سیستمهای هوش مصنوعی باید وظایف آموزش مدل و استنتاج را از طریق تعداد زیادی عملیات پیچیده ریاضی، که معمولاً توسط پردازندههای{0} با عملکرد بالا مانند Gpus، Tpus یا تراشههای هوش مصنوعی اختصاصی انجام میشوند، تکمیل کنند. در طول آموزش مدلهای-مقیاس بزرگ، اغلب لازم است که هزاران یا حتی دهها هزار تراشه بهطور همزمان برای چند روز یا حتی هفته اجرا شوند.
دلایل اصلی رشد تقاضای انرژی در مراکز داده هوش مصنوعی عبارتند از:
1. سخت افزار محاسباتی با چگالی بالا
آموزش هوش مصنوعی بر دستگاههای محاسباتی{0} با کارایی بالا متکی است که مقدار زیادی از منابع محاسباتی را در واحد سطح متمرکز میکند و در نتیجه چگالی توان را افزایش میدهد.
2. یک سیستم سرور به طور مداوم در حال اجرا
برای اطمینان از پایداری سرویس و{0}}قابلیتهای پاسخ زمانی واقعی، مراکز داده معمولاً باید سرورها و دستگاههای شبکه را به صورت شبانهروزی و تقریباً بدون توقف کار کنند.
3. تقاضا برای ذخیره سازی داده در مقیاس بزرگ
مدلهای هوش مصنوعی برای آموزش و استنتاج به حجم عظیمی از دادهها نیاز دارند و ذخیره دادهها و انتقال دادهها نیز مقدار زیادی برق مصرف میکنند.
4. سیستم خنک کننده{1}}پر انرژی-
دستگاههای محاسباتی با کارایی بالا، مقدار زیادی گرما در حین کار تولید میکنند و برای حفظ عملکرد پایدار خود باید به سیستمهای خنککننده پیچیده متکی باشند.
در مقایسه با خدمات رایانش ابری سنتی، محاسبات هوش مصنوعی از شدت محاسبات بالاتری برخوردار است، بنابراین نرخ رشد مصرف انرژی آن آشکارتر است.
منابع انتشار کربن از مراکز داده
سطح انتشار کربن یک مرکز داده تا حد زیادی به منبع برق بستگی دارد. اگر الکتریسیته از زغال سنگ یا سایر سوخت های فسیلی تامین شود، شدت انتشار کربن آن به میزان قابل توجهی افزایش می یابد. استفاده از انرژی های تجدیدپذیر می تواند به طور قابل توجهی ردپای کربن را کاهش دهد.
انتشار از مراکز داده معمولاً به سه دسته زیر تقسیم می شود:
1. انتشار مستقیم (Scope1
دیزل ژنراتورهای پشتیبان و سایر تجهیزات سوخت مورد استفاده در عملکرد مراکز داده به طور مستقیم گازهای گلخانه ای منتشر می کنند.
2. انتشار غیر مستقیم (Scope2
هنگامی که مراکز داده از برق تولید شده از سوخت های فسیلی استفاده می کنند، مقدار زیادی کربن غیر مستقیم تولید می شود.
3. انتشارات جاسازی شده (Scope3
انتشارات تولید شده در طول تولید و حمل و نقل سرورها، تراشهها، دستگاههای ذخیرهسازی و سیستمهای خنککننده نیز بخش مهمی از ردپای کربن در طول چرخه حیات مرکز داده را تشکیل میدهند.
بنابراین، هنگام ارزیابی انتشار مراکز داده هوش مصنوعی، باید یک روش ارزیابی چرخه عمر کامل اتخاذ شود که نه تنها مصرف انرژی در مرحله بهره برداری، بلکه انتشارات در طول تولید سخت افزار و فرآیندهای ساخت زیرساخت را نیز در نظر می گیرد.
مصرف منابع آب و تقاضای سرمایش
در حین کار، مراکز داده هوش مصنوعی مقدار زیادی گرما تولید می کنند. بنابراین، یک سیستم خنک کننده کارآمد کلید حفظ پایداری و عملکرد تجهیزات است. مراکز داده مختلف روش های خنک کننده مختلفی را اتخاذ می کنند، از جمله:
سیستم خنک کننده هوا
رایج ترین روش خنک کننده در مراکز داده سنتی، حذف گرما از رک های سرور از طریق سیستم های تهویه مطبوع و کانال است.
2. فن آوری خنک کننده مایع
جذب گرمای تولید شده توسط تراشه به طور مستقیم از طریق مایع دارای راندمان اتلاف حرارت بالاتری نسبت به خنک کننده هوا است.
3. خنک کننده آب تبخیری
استفاده از تبخیر آب برای حذف گرما معمولاً در مراکز داده بزرگ دیده می شود، اما تقاضای نسبتاً بالایی برای منابع آب دارد.
در مناطقی با منابع آبی نسبتاً کمیاب، مراکز داده در مقیاس بزرگ ممکن است بر منابع آب محلی فشار وارد کنند. بنابراین، ایجاد تعادل بین بهره وری انرژی و حفاظت از منابع آب به یک چالش مهم در طراحی مرکز داده تبدیل شده است.
اقدامات کلیدی برای کاهش اثرات زیست محیطی هوش مصنوعی
برای کاهش فشار محیطی ناشی از زیرساخت های هوش مصنوعی، صنعت فناوری در حال بررسی راه حل های مختلفی است. در حال حاضر، عمدتاً بر جنبه های زیر تمرکز دارد:
کاربرد گسترده انرژی های تجدیدپذیر
مراکز داده روز به روز بیشتری از منابع انرژی تجدیدپذیر مانند انرژی خورشیدی، بادی و برق آبی تغذیه می شوند. با امضای قراردادهای بلندمدت{1} انرژی سبز با تامین کنندگان انرژی، انتشار کربن در طول فرآیند بهره برداری به میزان قابل توجهی کاهش می یابد.
2. سخت افزار محاسباتی{1}}صرفه جویی در انرژی
سازندگان تراشه به طور مداوم معماری پردازنده را بهینه سازی می کنند تا «عملکرد پروات» را افزایش دهند، یعنی قدرت محاسباتی بالاتری را با مصرف انرژی کمتر ارائه دهند. این نوع تراشه با کارایی بالا میتواند به طور قابل توجهی مصرف انرژی کلی مراکز داده را کاهش دهد.
3. نوآوری در فن آوری خنک کننده
راهحلهای خنککننده جدید مانند خنککننده غوطهوری مایع، سیستمهای آب حلقه بسته-و فناوری بازیابی انرژی گرمایی میتوانند کارایی اتلاف گرما را افزایش دهند و در عین حال مصرف انرژی و آب را کاهش دهند.
4. بهینه سازی انتخاب مکان مرکز داده
برخی از شرکت ها مراکز داده خود را در مناطقی با آب و هوای سردتر می سازند تا تقاضا برای خنک کننده را کاهش دهند. علاوه بر این، نزدیکی به مناطق غنی از انرژی های تجدیدپذیر نیز می تواند به کاهش انتشار کربن کمک کند.
چشم انداز توسعه پایدار هوش مصنوعی
تاثیر زیست محیطی هوش مصنوعی یک موضوع فنی واحد نیست، بلکه به طور مشترک توسط عوامل متعددی مانند سیاست ها، نوآوری های تکنولوژیکی، برنامه ریزی زیرساخت ها و ساختار انرژی تعیین می شود. از آنجایی که مقیاس کاربردهای هوش مصنوعی همچنان در حال گسترش است، نیازهای محاسباتی آن همچنان در حال افزایش است.
برای دستیابی به توسعه پایدار، بسیاری از کشورها و مناطق در حال تقویت مقررات مصرف انرژی و انتشار کربن در مراکز داده هستند. به عنوان مثال:
شرکتها را تشویق کنید تا دادههای مصرف انرژی و انتشار کربن را افشا کنند
استانداردهای سخت گیرانه تری برای بهره وری انرژی برای مراکز داده ایجاد کنید
تشویق به خرید انرژی سبز و فن آوری های کاهش کربن
در همین حال، همکاری بین تامین کنندگان انرژی و شرکت های فناوری نیز اهمیت فزاینده ای پیدا می کند. با ساختن یک سیستم قدرت پاک تر، می توان بار زیست محیطی را کاهش داد و در عین حال از توسعه اقتصاد دیجیتال حمایت کرد.
باید تاکید کرد که توسعه پایدار به معنای محدود کردن پیشرفت تکنولوژی نیست. در عوض، هدف آن حفظ توسعه فناوری در هماهنگی با حفاظت از محیط زیست از طریق ساختار انرژی معقول تر و طراحی زیرساخت کارآمدتر است.
جهت توسعه مراکز داده هوش مصنوعی آینده
مراکز داده هوش مصنوعی نسل بعدی-در آینده ممکن است روندهای توسعه زیر را ارائه دهند:
به طور کامل از انرژی های تجدید پذیر برای تامین برق استفاده کنید
فن آوری های جذب کربن و مدیریت کربن را معرفی کنید
انرژی ماژولار و طراحی معماری سرور
سیستم مدیریت انرژی را با استفاده از هوش مصنوعی بهینه کنید
از طریق یک سیستم مدیریت انرژی هوشمند، مراکز داده میتوانند توزیع انرژی، زمانبندی بار و استراتژیهای خنککننده را در زمان واقعی بهینه کنند و در نتیجه کارایی کلی مصرف انرژی را افزایش دهند.
خلاصه
توسعه سریع مراکز داده هوش مصنوعی، ضمن ارتقای پیشرفت فناوری، چالش های زیست محیطی قابل توجهی را نیز به همراه دارد. تقاضای روزافزون-الکتریسیته، انتشار کربن و مصرف آب، مسائل پایداری مراکز داده را به طور فزاینده ای برجسته کرده است.
با این حال، از طریق استفاده از انرژیهای تجدیدپذیر، نوآوری در{0}}سختافزار صرفهجویی در انرژی، فناوریهای خنککننده پیشرفته و برنامهریزی زیرساختی معقول، صنعت هوش مصنوعی شروع به کشف مسیرهای توسعه پایدار بیشتری کرده است. در آینده، پیشرفت هماهنگ سیستم انرژی پاک، نوآوری های فناورانه و مقررات سیاست تا حد زیادی مقیاس و جهت ردپای اکوسیستم هوش مصنوعی را تعیین خواهد کرد.
در این فرآیند، ساخت زیرساختهای هوشمندی که هم میتواند از محاسبات{0} با عملکرد بالا پشتیبانی کند و هم اثرات زیستمحیطی را کاهش دهد، به یک وظیفه مهم در عصر هوش مصنوعی تبدیل خواهد شد.
