طالبان يطوران برنامجًا لمكافحة ثاني أكسيد الكربون الذي يسببه الذكاء الاصطناعي

يتفق الخبراء على أن المسار الحالي لتطوير الذكاء الاصطناعي سيجعله أحد المساهمين الرئيسيين في ثاني أكسيد الكربون ، على الرغم من استخدامه لمكافحة هذه المشكلة بالذات. وقد تسبب هذا في بدء أجزاء مختلفة من الصناعة في التركيز على كيفية معالجة الموقف ، حيث جاء أحد أحدث التطورات من طالبين في جامعة كوبنهاغن.

تتطور أساليب الذكاء الاصطناعي المتقدمة مثل التعلم العميق بمعدل مذهل ، لكن هذا يأتي مع مستويات هائلة من استهلاك الطاقة. مع استمرار هذا في الازدياد ، من المرجح أن تصبح تقنيات وأساليب الذكاء الاصطناعي ، وخاصة التعلم العميق ، مساهماً هاماً في تغير المناخ. ومع ذلك ، هذا فقط إذا لم يتم اتخاذ أي إجراء لتغيير المسار الحالي. 

من عام 2012 إلى عام 2018 ، زادت القوة الحسابية المطلوبة للتعلم العميق بنسبة 300,000٪. تتمثل إحدى المشكلات المهمة في الصناعة في أنه نادرًا ما يتم قياس استهلاك الطاقة وانبعاثات الكربون بسبب تطوير الخوارزميات. في الوقت نفسه ، تتناول العديد من الدراسات هذه القضية بالتفصيل وتدعو إلى العمل.

متتبع الكربون

في محاولة لمعالجة هذه المشكلة ، لاسي إف وولف أنتوني وبنجامين كاندينغ في قسم علوم الكمبيوتر بجامعة كوبنهاغن ، جنبًا إلى جنب مع الأستاذ المساعد راغافيندرا سيلفان ، طوروا برنامجًا جديدًا يسمى Carbontracker. يمكن لهذا البرنامج أن يحسب ويتنبأ بدقة بكمية استهلاك الطاقة وانبعاثات ثاني أكسيد الكربون التي تأتي من تدريب نماذج التعلم العميق. 

قال Lasse F. Wolff Anthony: "التطورات في هذا المجال تسير بسرعة بجنون ، وتصبح نماذج التعلم العميق باستمرار أكبر حجمًا وأكثر تقدمًا". "في الوقت الحالي ، هناك نمو هائل. وهذا يعني استهلاكًا متزايدًا للطاقة يبدو أن معظم الناس لا يفكرون فيه ".

تستمر نماذج التعلم العميق في النمو وتعالج مشاكل أكثر تعقيدًا ، مما يتطلب زيادة كبيرة في استهلاك الطاقة.

يقول بنجامين كاندينج: "مع تزايد مجموعات البيانات يومًا بعد يوم ، تصبح المشكلات التي تحتاج الخوارزميات إلى حلها أكثر وأكثر تعقيدًا". 

يمكن العثور على برنامج Carbontracker مفتوح المصدر هنا.

GPT-3

أحد أفضل الأمثلة على ذلك هو نموذج اللغة المتقدم GPT-3. إنها واحدة من أكبر نماذج التعلم العميق وأكثرها تعقيدًا التي تم تطويرها حتى الآن ، ولكنها تأتي بتكلفة. يتطلب GPT-3 نفس كمية الطاقة التي يستخدمها 126 منزلًا دنماركيًا في السنة ، كل ذلك في جلسة تدريب واحدة فقط. كمية ثاني أكسيد الكربون المنبعثة تعادل 2 كيلومتر من القيادة. 

وفقًا لـ Lasse F. Wolff Anthony ، "في غضون بضع سنوات ، من المحتمل أن يكون هناك العديد من النماذج التي تكون أكبر بعدة مرات."

إذا استمر هذا الاتجاه ، فقد ينتهي الأمر بالذكاء الاصطناعي ليكون مساهماً هاماً في تغير المناخ. التشويش على الفرامل على التطور التكنولوجي ليس هو الهدف. توفر هذه التطورات فرصًا رائعة لمساعدة مناخنا. بدلاً من ذلك ، يتعلق الأمر بإدراك المشكلة والتفكير: كيف يمكننا أن نتحسن؟ " يقول بنيامين كاندينغ. 

تتعقب Carbontracker كمية ثاني أكسيد الكربون المستخدمة لإنتاج الطاقة في المناطق التي يحدث فيها تدريب التعلم العميق ، مما يجعل من الممكن التنبؤ بانبعاثات ثاني أكسيد الكربون بعد تحويل استهلاك الطاقة.

وفقًا للطلاب ، يجب على مستخدمي التعلم العميق الانتباه إلى نوع الأجهزة والخوارزميات المستخدمة ومتى يتم التدريب على النموذج ، حيث توجد مناطق بها مصادر طاقة أكثر خضرة.

"من الممكن الحد من تأثير المناخ بشكل كبير. على سبيل المثال ، من المناسب إذا اختار المرء تدريب نموذجهم في إستونيا أو السويد ، حيث يمكن تقليل البصمة الكربونية لتدريب النموذج بأكثر من 60 مرة بفضل إمدادات الطاقة الأكثر مراعاة للبيئة. تختلف الخوارزميات أيضًا بشكل كبير في كفاءتها في استخدام الطاقة. يتطلب البعض حسابًا أقل ، وبالتالي طاقة أقل ، لتحقيق نتائج مماثلة. يقول Lasse F. Wolff Anthony: "إذا تمكَّن المرء من ضبط هذه الأنواع من المعلمات ، فيمكن أن تتغير الأشياء بشكل كبير".