العلماء يتوقعون أن الذكاء الاصطناعي سيولد ملايين الأطنان من النفايات الإلكترونية: اكتشف التفاصيل!
تتحسن الذكاء الاصطناعي بسرعة في تقليد مبدعيه من البشر. يمكن للذكاء الاصطناعي التوليدي الآن إجراء محادثات بشكل مقنع، وإنتاج الفن، وصنع الأفلام، وحتى تعليم نفسه كيفية تكرار ألعاب الكمبيوتر. ولكن كما تحذر دراسة جديدة أجراها باحثون من الأكاديمية الصينية للعلوم وجامعة رايشمان في إسرائيل، قد يقوم الذكاء الاصطناعي أيضًا بتقليد سمة أخرى أقل نبلاً من سمات الإنسانية الحديثة: تدمير البيئة.
مدفوعًا بشعبية أنظمة الذكاء الاصطناعي التوليدية التي تشمل روبوتات المحادثة مثل ChatGPT وأنظمة إنشاء المحتوى الأخرى، قد ينتهي بنا المطاف مع ما بين 1.2 مليون و5 ملايين طن متري من النفايات الإلكترونية الإضافية بحلول نهاية هذا العقد.
تركز الدراسة الجديدة بشكل خاص على نماذج اللغة الكبيرة (LLMs)، وهي نوع من برامج الذكاء الاصطناعي التي يمكنها تفسير وإنتاج اللغة البشرية، بالإضافة إلى أداء المهام ذات الصلة. تم تدريب LLMs على مجموعات بيانات ضخمة من النصوص، حيث تحدد العلاقات الإحصائية الكامنة وراء قواعد وأنماط اللغة وتطبقها لتوليد محتوى مشابه، مما يمكّنها من قدرات مذهلة مثل الإجابة عن الأسئلة وإنتاج الصور أو كتابة النصوص.
ومع ذلك، فإن الذكاء الاصطناعي التوليدي أثار مجموعة واسعة من الأسئلة الفلسفية والعملية للمجتمع - بدءًا من المخاوف بشأن استيلائه على وظائف البشر إلى مخاوف استخدامه بشكل خاطئ أو خداع البشر أو حتى أن يصبح واعيًا بنفسه وتمرديًا.
كما تسلط الدراسة الجديدة الضوء على أن الذكاء الاصطناعي التوليدي بدأ أيضًا يثير القلق بشأن الكمية الهائلة المتوقعة للنفايات الإلكترونية الإضافية التي ستولدها هذه التكنولوجيا بشكل غير مباشر. يعتمد الذكاء الاصطناعي التوليدي على تحسينات تقنية سريعة بما في ذلك البنية التحتية للأجهزة وكذلك الرقائق. وقد تؤدي الترقيات اللازمة لمواكبة نمو التكنولوجيا إلى تفاقم مشاكل النفايات الإلكترونية الحالية حسبما يشير الباحثون اعتمادًا على تنفيذ تدابير تقليل النفايات.
كتب مؤلفو الدراسة: “تتطلب نماذج اللغة الكبيرة موارد حسابية كبيرة للتدريب والاستدلال، مما يتطلب بنى تحتية وأجهزة حاسوبية واسعة”. “هذه الضرورة تثير قضايا استدامة حرجة تتعلق باستهلاك الطاقة والبصمة الكربونية المرتبطة بهذه العمليات.”
تشير الأبحاث السابقة إلى التركيز الكبير على استخدام الطاقة والانبعاثات الكربونية المرتبطة بنماذج الذكاء الاصطناعي دون إيلاء اهتمام كافٍ للمواد الفيزيائية المعنية في دورة حياة النماذج أو تيار النفايات الناتجة عن المعدات الإلكترونية المتروكة خلفها.
قاد الدراسة بينغ وانغ ، خبير إدارة الموارد في مختبر البيئة الحضرية والصحة بالأكاديمية الصينية للعلوم ، حيث قام مؤلفو الدراسة بحساب توقع لكمية النفايات الإلكترونية المحتملة الناتجة عن الذكاء الصناعي التوليدي بين عامي 2020 و2030.
تصور الباحثون أربعة سيناريوهات ، كل منها بدرجات مختلفة من إنتاج واستخدام أنظمة الذكاء الصناعي التوليدى ، بدءًا بسيناريو الاستخدام الواسع الانتشار وصولاً إلى سيناريو أكثر تحفظًا ومحدوداً.
في السيناريو الأكثر عدوانية ، قد يصل إجمالي إنتاج النفايات الإلكترونية بسبب الذكاء الصناعى التوليدى إلى 5 ملايين طن متري بين عامي 2023 و2030 ، مع إمكانية وصول نفايات إلكترونية سنوية تصل إلى 2.5 مليون طن متري بحلول نهاية العقد. وهذا يعادل تقريباً تخلي كل شخص على وجه الأرض عن هاتف ذكي واحد.
كما توقع السيناريو عالي الاستخدام أن تشمل نفايات الإلكترونيات الزائدة الناتجة عن AI حوالي 1.5 مليون طن متري من الدوائر المطبوعة و500,000 طن متري من البطاريات التي يمكن أن تحتوي على مواد خطرة مثل الرصاص والزئبق والكروم.
في العام الماضي فقط تم التخلص فقط حوالي 2600 طن مترى من الإلكترونيات المخصصة لتكنولوجيا AI . بالنظر الى ان اجمالى كمية نفايات الالكترونيا المتوقع ان ترتفع بمقدار الثلث ليصل الى حوالى82 مليون طناً بحلول عام2030 فمن الواضح ان AI يزيد المشكلة خطورة بالفعل .
من خلال فحص هذه السيناريوهات المختلفة ، يسلّط بينغ وزملاؤه الضوء على نقطة مهمة: لا يتعين بالضرورة أن يفرض ذكاؤهم الإصناني عبء نفقات هائل كهذا .
يشير الباحثون الى ان الوکالة الدولية للطاقة والعديدمن شركات التقنية تدعو لاستراتيجیات الاقتصاد الدائري لمعالجة مشكلةالنفيات الالكترونیة .
وفقًا للدراسة الجديدة فإن الاستراتيجیات الأكثر فعالية هي تمدید عمر النموذج وإعادة استخدامه والتي تتضمن إطالۃ عمر البنية التحتيّة الموجودة وإعادة استخدام المواد الرئيسية والوحدات خلال عملية إعادة التصنيع .
يمكن لتنفيذ استراتيجیات الاقتصاد الدائري مثل هذه تقليل عبء نفقات الإلكترونیة الناجمة عنالذكائ الإصناني بنسبة تصلإلى86 بالمئة وفقًاللباحثين .
تم نشرالدراسة في مجلة Nature Computational Science.
