در حالی که شرکت کنندگان در کنفرانس تغییرات آب و هوایی سازمان ملل متحد (COP29) در باکو، آذربایجان، گرد هم می آیند تا به تغییرات آب و هوایی بپردازند، نقشی که هوش مصنوعی در پایداری محیطی ایفا می کند، در اولویت قرار دارد.

پانلی که توسط Deloitte میزبانی شد، رهبران صنعت را گرد هم آورد تا راه‌هایی را برای کاهش ردپای زیست‌محیطی هوش مصنوعی و همسو کردن رشد آن با اهداف آب و هوایی بررسی کنند.

کارشناسان Crusoe Energy Systems، EON، آژانس بین المللی انرژی (IEA) و NVIDIA در مورد بهره وری انرژی در هوش مصنوعی به گفتگو نشستند.

تاثیر هوش مصنوعی بر محیط زیست

آخرین گزارش Deloitte، تقویت هوش مصنوعی: مطالعه ردپای زیست‌محیطی هوش مصنوعی، پتانسیل هوش مصنوعی را برای به حرکت درآوردن اقتصاد خنثی از آب و هوا نشان می‌دهد. این مطالعه چگونگی دستیابی سازمان‌ها به هوش مصنوعی سبز را در دهه‌های آینده بررسی می‌کند و به استفاده از هوش مصنوعی انرژی می‌پردازد.

تجزیه و تحلیل Deloitte پیش بینی می کند که استفاده از هوش مصنوعی باعث افزایش تقاضای انرژی در مراکز داده خواهد شد که احتمالاً تا سال 2030 به 1000 تراوات ساعت خواهد رسید و تا سال 2050 احتمالاً به 2000 تراوات ساعت خواهد رسید نسبت به سال گذشته و کاربردهای دیگر مانند خودروهای برقی و تولید هیدروژن سبز.

در حالی که مراکز داده در حال حاضر حدود 2 درصد از کل برق را مصرف می کنند و هوش مصنوعی بخش کوچکی از آن را نشان می دهد، بحث در COP29 بر نیاز به برآورده کردن تقاضای رو به رشد انرژی با منابع انرژی پاک برای حمایت از اهداف آب و هوایی جهانی تأکید کرد.

بهره وری انرژی از A تا Z

NVIDIA با نوآوری هایی مانند GPU های خنک شونده مایع، عملیات مرکز داده با مصرف انرژی کارآمد را در اولویت قرار داده است. خنک کننده مایع مستقیم به تراشه به مراکز داده اجازه می دهد تا سیستم ها را به طور موثرتری نسبت به تهویه مطبوع سنتی خنک کنند و انرژی و آب کمتری مصرف کنند.

جاش پارکر، مدیر ارشد حقوقی – پایداری شرکتی در NVIDIA می گوید: «ما شاهد یک روند بسیار سریع به سمت خنک کننده مایع مستقیم با تراشه هستیم، که به این معنی است که تقاضای آب در مراکز داده در حال حاضر به طور قابل توجهی کاهش می یابد.

همانطور که هوش مصنوعی در حال گسترش است، آینده مراکز داده از ابتدا به طراحی برای بهره وری انرژی بستگی دارد. با اولویت دادن به بهره وری انرژی از پایه، مراکز داده می توانند نیازهای رو به رشد هوش مصنوعی را برآورده کنند و در عین حال به آینده ای پایدارتر کمک کنند.

پارکر تاکید کرد که زیرساخت مرکز داده فعلی قدیمی و کارآمدتر است. او گفت: «داده‌ها نشان می‌دهند که اجرای بارهای کاری روی پلت‌فرم‌های محاسباتی شتاب ده برابر کارآمدتر از پلت‌فرم‌های مرکز داده سنتی است. “فرصت بزرگی برای ما وجود دارد تا انرژی مصرف شده در زیرساخت های موجود را کاهش دهیم.”

مسیر محاسبات سبز

بر اساس مطالعه Deloitte، هوش مصنوعی این پتانسیل را دارد که نقش مهمی در حرکت به سمت اقتصادهای خنثی از آب و هوا ایفا کند. این رویکرد که اغلب هوش مصنوعی سبز نامیده می شود، شامل کاهش اثرات زیست محیطی هوش مصنوعی در سراسر زنجیره ارزش از طریق اقداماتی مانند خرید انرژی های تجدیدپذیر و بهبود طراحی سخت افزار است.

تا پیش از این، رهبران صنعت عمدتاً هوش مصنوعی سبز را هدایت می کردند. برای مثال، محاسبات نمایی را در نظر بگیرید، که در مورد انجام بیشتر با کمتر است. از سخت‌افزار ویژه‌ای مانند واحدهای پردازش گرافیکی برای انجام سریع‌تر و با قدرت کمتر نسبت به سرورهای همه‌منظوره که از CPU استفاده می‌کنند، استفاده می‌کند که یک کار را در یک زمان انجام می‌دهند.

به همین دلیل است که محاسبات تسریع شده را محاسبات پایدار در نظر می گیرند.

پارکر گفت: «محاسبات تسریع شده در واقع کم مصرف ترین پلتفرمی است که برای هوش مصنوعی، و همچنین برای بسیاری از برنامه های محاسباتی دیگر دیده ایم.

روند بهره وری انرژی در محاسبات تسریع شده طی چند سال گذشته نشان دهنده کاهش 100000 برابری مصرف انرژی است که ما در استنباط هوش مصنوعی 25 برابر کارآمدتر شده ایم برای حجم کار محاسباتی یکسان

کاهش مصرف انرژی در بخش های مختلف

نوآوری هایی مانند معماری بلک ول و هاپر NVIDIA به طور چشمگیری بازده انرژی را با هر نسل جدید بهبود می بخشد. NVIDIA Blackwell برای مدل‌های زبان بزرگ 25 برابر کارآمدتر است و پردازنده گرافیکی NVIDIA H100 Tensor Core 20 برابر کارآمدتر از پردازنده‌ها برای بارهای کاری پیچیده است.

پارکر گفت: «هوش مصنوعی این پتانسیل را دارد که بخش‌های دیگر انرژی را کارآمدتر کند. شرکت خدمات مالی Murex با استفاده از NVIDIA Grace Hopper Superchip به ۴ برابر مصرف انرژی کمتر و ۷ برابر عملکرد سریع‌تر دست یافت.

او گفت: «در تولید، در صورت استفاده از هوش مصنوعی برای کمک به بهبود فرآیند تولید از طریق دوقلوهای دیجیتال، حدود 30 درصد کاهش در انرژی مورد نیاز را شاهد هستیم.

به عنوان مثال، شرکت تولیدی Wistron با استفاده از دوقلوهای دیجیتال و NVIDIA Omniverse، پلتفرمی برای توسعه برنامه‌های OpenUSD برای دیجیتالی‌سازی صنعتی و شبیه‌سازی فیزیکی هوش مصنوعی، کارایی انرژی را بهبود بخشیده است. این شرکت سالانه مصرف برق خود را 120000 کیلووات ساعت و انتشار کربن را 60000 کیلوگرم کاهش داد.

ابزار مدیریت انرژی

دیلویت گزارش داد که هوش مصنوعی می تواند به بهینه سازی استفاده از منابع، کاهش انتشار گازهای گلخانه ای کمک کند و نقش مهمی در مدیریت انرژی ایفا کند. این بدان معنی است که پتانسیل کاهش تأثیر صنایع فراتر از ردپای کربن خود را دارد.

هوش مصنوعی همراه با دوقلوهای دیجیتال، سیستم های مدیریت انرژی را با بهبود قابلیت اطمینان منابع تجدیدپذیر مانند نیروگاه های خورشیدی و بادی متحول می کند. همچنین برای بهبود طرح‌بندی تأسیسات، نظارت بر تجهیزات، تثبیت شبکه‌های برق و پیش‌بینی الگوهای آب و هوا، کمک به تلاش‌های جهانی برای کاهش انتشار کربن استفاده می‌شود.

بحث‌های COP29 بر اهمیت حمایت از زیرساخت‌های هوش مصنوعی با منابع انرژی تجدیدپذیر و ایجاد دستورالعمل‌های اخلاقی تأکید کرد. با نوآوری با در نظر گرفتن محیط زیست، صنایع می توانند از هوش مصنوعی برای ساختن دنیایی پایدارتر استفاده کنند.

تکرار مسابقه را تماشا کنید بحث میزگرد درخواستی COP29.