پشت پرده یک «سلام» ساده: هزینه پنهان زیرساخت‌های هوش مصنوعی

آیا تا به حال فکر کرده‌اید وقتی کلمه «سلام» را برای یک هوش مصنوعی می‌فرستید، دقیقاً چه اتفاقی می‌افتد؟

در ظاهر، همه‌چیز جادویی به نظر می‌رسد: شما تایپ می‌کنید، یک نشانگر چشمک‌زن چند ثانیه می‌رقصد و ناگهان پاسخی هوشمندانه ظاهر می‌شود. اما این جادو، یک هزینه فیزیکی و بسیار واقعی در دنیای مادی ما دارد. پشت این کلمات، چرخ‌دنده‌های عظیم دیجیتالی در حال چرخش هستند که انرژی، آب و منابع سیاره ما را مصرف می‌کنند.

در این مقاله، می‌خواهیم سفری به اعماق مراکز داده داشته باشیم و ببینیم برای پاسخ به یک سوال ساده، چه بهایی پرداخت می‌شود.

۱. وقتی دکمه ارسال را می‌زنید، چه اتفاقی می‌افتد؟

تصور کنید هوش مصنوعی مثل یک کتابخانه بی‌نهایت بزرگ است. وقتی شما سوالی می‌پرسید، انگار هزاران کتابدار به طور همزمان شروع به دویدن می‌کنند تا محتمل‌ترین کلمه بعدی را برای پاسخ شما پیدا کنند.

در دنیای فنی، پیام شما به قطعات کوچکی به نام توکن (Token) تبدیل می‌شود. هر توکن از میان لایه‌های پیچیده یک مدل ریاضی عبور می‌کند تا پردازش شود. این فرآیند «استنتاج» (Inference) نام دارد. برخلاف جستجوی گوگل که فقط نتایج موجود را پیدا می‌کند، هوش مصنوعی باید پاسخ را در لحظه خلق کند؛ و این یعنی کار سنگین برای سخت‌افزار.

یک تمثیل ساده:
جستجوی گوگل مثل پیدا کردن یک کتاب در کتابخانه است، اما پاسخ هوش مصنوعی مثل این است که از یک نویسنده بخواهید در همان لحظه یک داستان جدید برایتان بنویسد.

۲. غول‌های آهنی: زیرساخت‌های عظیم هوش مصنوعی

برای اینکه این «نویسنده دیجیتال» بتواند پاسخ شما را بدهد، به قدرت پردازشی فوق‌العاده‌ای نیاز دارد. اینجاست که GPUها وارد صحنه می‌شوند.

مدل‌های پیشرفته هوش مصنوعی (مانند GPT-4) به قدری بزرگ هستند که در یک کامپیوتر یا حتی یک سرور معمولی جا نمی‌شوند. وقتی سوالی می‌پرسید، پیام شما به مراکز داده (Data Centers) عظیم فرستاده می‌شود. این مراکز پر از خوشه‌های پردازنده گرافیکی (GPU Cluster) هستند؛ هزاران کارت گرافیک قدرتمند که به هم متصل شده‌اند تا مثل یک مغز واحد عمل کنند.

یک مدل هوشمند بزرگ ممکن است همزمان از ۸ تا ۳۲ کارت گرافیک قدرتمند فقط برای پاسخ دادن به یک کاربر استفاده کند.

۳. اشتهای سیری‌ناپذیر برای برق

هر کدام از این کارت‌های گرافیک، گرمای زیادی تولید کرده و برق مصرف می‌کنند. اما چقدر؟

تحقیقات نشان می‌دهد که یک پرسش معمولی از مدل‌های کلاس GPT-4، چیزی حدود ۰.۳ تا ۳ وات‌ساعت برق مصرف می‌کند. شاید در نگاه اول عدد بزرگی به نظر نرسید، اما بیایید آن را مقایسه کنیم:

یک پرسش هوش مصنوعی: معادل روشن نگه داشتن یک لامپ LED ده واتی به مدت ۲.۵ تا ۱۵ دقیقه است.
چند پرسش ساده: معادل یک بار شارژ کامل گوشی هوشمند شماست.

وقتی این عدد را در میلیاردها درخواستی که روزانه در سراسر جهان ثبت می‌شود ضرب می‌کنیم، به مصرف انرژی در ابعاد یک شهر کوچک یا حتی یک کشور می‌رسیم. مراکز داده هوش مصنوعی امروزه به قدری انرژی نیاز دارند که تامین برق آن‌ها به یکی از چالش‌های جدی شبکه‌های توزیع برق در دنیا تبدیل شده است.

۴. چرا هوش مصنوعی تشنه است؟ (مصرف آب و خنک‌سازی)

این همه پردازش، گرمای وحشتناکی تولید می‌کند. برای اینکه این قطعات ذوب نشوند، سیستم‌های خنک‌کننده غول‌پیکری در مراکز داده تعبیه شده است. بسیاری از این سیستم‌ها از تبخیر آب برای خنک کردن محیط استفاده می‌کنند.

برآوردهای علمی نشان می‌دهد که به ازای هر ۱۰ تا ۵۰ پیام (بسته به مدل و منطقه)، هوش مصنوعی ممکن است معادل نیم لیتر آب مصرف کند.

تصور کنید: هر بار که یک مکالمه طولانی با هوش مصنوعی دارید، انگار در حال ریختن یک بطری آب روی زمین (برای خنک کردن سرورها) هستید.

۵. مقیاس جهانی: وقتی میلیاردها نفر می‌پرسند

ما در عصری زندگی می‌کنیم که تخمین زده می‌شود روزانه بیش از یک میلیارد پرسش از هوش مصنوعی پرسیده می‌شود. این یعنی:

مصرف روزانه میلیون‌ها لیتر آب.
تقاضای چندین هزار مگاوات برق (معادل خروجی چندین نیروگاه بزرگ).
نیاز مداوم به استخراج فلزات گرانبها برای ساخت GPUهای جدید.

هزینه پنهان هوش مصنوعی، ردپای کربنی و زیست‌محیطی است که روی زمین بر جای می‌گذارد.

۶. انتخاب مدل: همه هوش‌ها یکسان نیستند!

خوشبختانه، همه مدل‌های هوش مصنوعی مثل هم نیستند. مدل‌های کوچک‌تر (Small Language Models) بسیار بهینه‌تر عمل می‌کنند و انرژی کمتری مصرف می‌کنند.

اگر فقط می‌خواهید یک متن ساده را غلط‌گیری کنید، نیازی به استفاده از سنگین‌ترین و پرمصرف‌ترین مدل جهان ندارید.
انتخاب مدل مناسب، مانند انتخاب وسیله نقلیه است؛ برای خرید نان، کسی با تریلی ۱۸ چرخ به نانوایی نمی‌رود!

۷. چگونه هوشمندتر و بهینه‌تر از AI استفاده کنیم؟

آگاهی از این هزینه‌ها به این معنا نیست که نباید از هوش مصنوعی استفاده کنیم، بلکه به این معناست که باید هوشمندانه‌تر از آن بهره ببریم.

ما در FigAI دقیقاً با همین هدف فعالیت می‌کنیم. FigAI بستری را فراهم کرده است که شما به مجموعه‌ای از برترین مدل‌های بین‌المللی هوش مصنوعی در یک پنل واحد دسترسی داشته باشید.

چرا این موضوع به بهینه‌سازی کمک می‌کند؟

انتخاب مدل مناسب برای نیاز: شما می‌توانید برای کارهای ساده از مدل‌های سبک‌تر و سریع‌تر، و برای پروژه‌های پیچیده از مدل‌های سنگین استفاده کنید.
بهره‌وری بالاتر: با دسترسی متمرکز، از آزمون و خطای بیهوده بین پلتفرم‌های مختلف که باعث هدررفت منابع می‌شود، جلوگیری می‌کنید.
دسترسی آسان برای توسعه‌دهندگان: FigAI به توسعه‌دهندگان ایرانی کمک می‌کند تا بدون درگیری با زیرساخت‌های پیچیده و هزینه‌بر، بهینه‌ترین ابزار را انتخاب کنند.

در واقع، استفاده از پلتفرم‌های تجمیع‌کننده مثل FigAI، گامی به سوی استفاده مسئولانه‌تر و بهینه‌تر از تکنولوژی است.

نتیجه‌گیری

هوش مصنوعی ابزاری شگفت‌انگیز است که مرزهای دانش و خلاقیت را جابه‌جا کرده است. اما نباید فراموش کنیم که هر کلمه‌ای که تولید می‌شود، ریشه در دنیای فیزیکی ما دارد.

دفعه بعد که از هوش مصنوعی پاسخی می‌گیرید، به یاد بیاورید که شبکه‌ای از GPUها، جریان‌های عظیم برق و سیستم‌های خنک‌کننده آبی در همان لحظه برای شما تلاش کرده‌اند. با انتخاب مدل‌های درست و استفاده هدفمند، بیایید از این معجزه دیجیتال به شکلی پایدار و آگاهانه استفاده کنیم.

به نظر شما، آیا تکنولوژی در آینده می‌تواند این هزینه‌ها را به صفر برساند؟ نظرات خود را با ما به اشتراک بگذارید.

می‌خواهید مدل‌های مختلف را امتحان کنید و بهینه‌ترین را بیابید؟ سری به FigAI بزنید.