پژوهشگران در یک مطالعهٔ جدید نشان دادند که سامانه‌های هوش مصنوعی «تشنه» هستند و برای هر گفت‌وگوی کوتاه کاربر با آن‌ها، تا ۵۰۰ میلی‌لیتر آب — معادل یک بطری آب یک‌نفره — مصرف می‌کنند. آن‌ها حتی برای نوشتن یک متن ۱۰۰ کلمه‌ای نیز تقریباً به همین میزان آب نیاز دارند. این مقدار، شامل آب مصرفی برای خنک‌کردن سرورهای مراکز داده و نیز آب به‌کار رفته در نیروگاه‌های تولید برق جهت راه‌اندازی این سامانه‌ها می‌شود.

این مطالعه به سرپرستی «لئو اِس. لو» (Leo S. Lo)، مدیر کتابخانه‌ها، مشاور دانش هوش مصنوعی و استاد دانشگاه ویرجینیا انجام شده است.
به نقل از ساینس‌آلرت، مطالعه‌ای که این تخمین‌ها را محاسبه کرده، همچنین نشان می‌دهد که مصرف آب سامانه‌های هوش مصنوعی می‌تواند به‌طور گسترده‌ای متفاوت باشد. این امر به عواملی مانند نوع پرسش کاربر، و نیز مکان و زمان عملکرد رایانه بستگی دارد. بسیاری از مردم فرض می‌کنند که هوش مصنوعی ذاتاً مضر بوده و اثرات زیان‌باری دارد. پژوهشگران نشان داده‌اند که اگرچه این اثرات واقعی هستند، اما تنها بخشی از داستان را تشکیل می‌دهند.
هنگامی که دیدگاه مردم از نگاه به هوش مصنوعی صرفاً به‌عنوان یک منبع مصرف‌کننده، به درک ردپای واقعی آن، منشأ اثرات، نحوه تغییرشان و راه‌های کاهش آن‌ها تغییر کند، آن‌گاه برای انتخاب‌هایی که میان نوآوری و پایداری تعادل برقرار می‌کنند، مجهزتر خواهند شد.


دو جریان پنهان

پشت هر پرسش هوش‌ مصنوعی، دو جریان پنهانِ مصرف آب وجود دارد. جریان اول، مربوط به خنک‌سازی سرورهایی است که مقادیر زیادی گرما تولید می‌کنند. مهندسان برای این کار معمولاً از برج‌های خنک‌کنندهٔ تبخیری استفاده می‌کنند. این برج‌ها با استفاده از فرآیند تبخیر، گرما را دفع می‌کنند؛ اما در این روش، آب از منابع محلی مانند رودخانه‌ها، مخازن یا سفره‌های آب زیرزمینی برداشت و عملاً از چرخهٔ طبیعی خارج می‌شود. برخی دیگر از سامانه‌های خنک‌کننده ممکن است آب کم‌تری مصرف کنند، اما در عوض به برق بیشتری نیاز دارند.

جریان دوم، آب مصرفی در نیروگاه‌هایی است که برق مورد نیاز مراکز داده را تأمین می‌کنند. نیروگاه‌های زغال‌سنگ، گاز و هسته‌ای مقادیر قابل‌توجهی آب در چرخه‌های بخار و خنک‌سازی استفاده می‌کنند. حتی انرژی برق‌آبی نیز با تبخیر آب از سطح مخازن، میزان زیادی آب مصرف می‌کند. همچنین نیروگاه‌های خورشیدی در صورت استفاده از سیستم‌های خنک‌کنندهٔ مرطوب، می‌توانند مصرف آب بالایی داشته باشند. در مقابل، توربین‌های بادی و پنل‌های خورشیدی پس از نصب، تقریباً هیچ مصرف آبی ندارند.


اهمیت مکان و زمان

مصرف آب با توجه به مکان، به طور چشمگیری تغییر می‌کند. یک مرکز داده در محیط خنک و مرطوب ممکن است برای ماه‌ها با حداقل مصرف آب و با تکیه بر هوای بیرون کار کند. در مقابل، مرکز داده دیگری ممکن است شدیداً به خنک‌سازی تبخیری متکی باشد. این روش در آب‌ و هوای گرم و خشک بسیار مؤثر است، اما همچنان به مقادیر زیادی آب نیاز دارد. زمان نیز عاملی تعیین‌کننده است؛ مطالعه‌ای نشان داده که یک مرکز داده در زمستان ممکن است تنها نیمی از آب مصرفی در تابستان را استفاده کند.


راه‌حل‌های نوین و جایگزین‌های امیدوارکننده

روش‌های جدید، جایگزین‌های امیدوارکننده‌ای ارائه می‌دهند. برای مثال، یک فناوری جدید از مایکروسافت از هیچ آبی برای خنک‌سازی استفاده نمی‌کند. در این روش، یک مایع خاص از طریق لوله‌های مهر و موم‌شده در تراشه‌های رایانه‌ای گردش می‌کند، گرما را جذب کرده و سپس آن را از طریق یک سامانهٔ بسته و بدون نیاز به تبخیر، آزاد می‌سازد.
اگرچه مراکز داده همچنان برای امکانات رفاهی و نیازهای کارکنان به آب آشامیدنی نیاز خواهند داشت، اما فرآیند خنک‌سازی به‌خودی‌خود دیگر از منابع آب محلی برداشت نمی‌کند.


موانع گسترش فناوری‌های جدید

با این حال، این رویکردها به دلیل هزینه‌های بالا، پیچیدگی تعمیر و نگهداری و دشواری تطبیق مراکز داده موجود با سامانه‌های جدید، هنوز به صورت گسترده رواج نیافته‌اند. همچنین نوع مدل هوش مصنوعی مورد استفاده در پاسخ به پرسش‌ها اهمیت زیادی دارد؛ چرا که مدل‌های مختلف از نظر سطح پیچیدگی، سخت‌افزار مورد نیاز و توان پردازشی با یکدیگر تفاوت دارند. برخی از مدل‌ها ممکن است منابع بسیار بیشتری نسبت به سایرین مصرف کنند. مطالعه‌ای نشان داده است که بعضی مدل‌ها تا ۷۰ برابر بیشتر از مدل‌های فوق‌کارآمد، انرژی و آب مصرف می‌کنند.


تخمین‌ها و آمارهای متفاوت

بازهٔ تخمین‌های ارائه‌شده — از ۰/۲۶ میلی‌لیتر تا ۳۹ میلی‌لیتر — نشان می‌دهد که کارایی مدل، نوع هوش مصنوعی و زیرساخت تولید برق تا چه حد در مصرف آب تأثیرگذارند. بر اساس گزارش‌های شرکت‌های «اوپن‌ای‌آی «(OpenAI) و گوگل، هوش مصنوعی این شرکت‌ها به ترتیب حدود ۹۷/۵ میلیون لیتر و ۶۵۰ هزار لیتر آب در روز مصرف می‌کنند.


جایگاه مصرف آب هوش مصنوعی در مقایسه با سایر مصارف

مصرف آب هوش مصنوعی مولد در حال حاضر در مقایسه با سایر مصارف رایج، کم‌تر است .با این وجود، تقاضای آن ثابت نیست. گزارش‌های گوگل نشان می‌دهند که با بهینه‌سازی سامانه‌ها   through تراشه‌های تخصصی، خنک‌سازی کارآمد و مدیریت هوشمند، چه تغییرات قابل‌توجهی امکان‌پذیر است. همچنین بازیافت آب و استقرار مراکز داده در مناطق خنک‌تر و مرطوب‌تر می‌تواند به کاهش مصرف کمک کند.


اهمیت شفافیت

شفافیت در انتشار داده‌ها نیز نقش کلیدی ایفا می‌کند. زمانی که شرکت‌ها اطلاعات مربوط به مصرف آب و انرژی را منتشر می‌کنند، عموم مردم، سیاست‌گذاران و دانشمندان می‌توانند قابلیت‌های واقعی این فناوری را ارزیابی کرده و ارائه‌دهندگان مختلف را به صورت منصفانه‌ای مقایسه کنند.