ساشا لوتشيوني: الذكاء الاصطناعي المستدام مستحيل دون بيانات عن الانبعاثات والاستخدام الفعلي

تقول ساشا لوتشيوني، الباحثة في مجال الذكاء الاصطناعي المستدام، إن الصناعة تناقش الأثر البيئي للتقنيات شبه أعمى. فمن دون بيانات عن استهلاك الطاقة والمياه وعن سيناريوهات الاستخدام الفعلية، لا تستطيع الشركات أن تعرف أين يحقق الذكاء الاصطناعي فائدة حقيقية، وأين يزيد ببساطة الحمل على البنية التحتية.

الصناعة تعمل بلا رؤية

بحسب لوتشيوني، لا يقتصر إخفاق السوق الرئيسي على نمو مراكز البيانات، بل يشمل أيضًا غياب التقارير الأساسية. فقطاع الأعمال يشعر بالفعل بضغط من الموظفين ومجالس الإدارة وفرق ESG: فإذا اعتمدت شركة Copilot أو روبوتات المحادثة أو توليد الوسائط، عليها أن تفهم تأثير ذلك في أهدافها المناخية. لكن كثيرًا من عملاء خدمات الذكاء الاصطناعي لا يعرفون أين تعمل النماذج فعليًا، ولا بأي شبكات طاقة ترتبط مراكز البيانات، ولا ما بصمتها الكربونية غير المباشرة.

ولا تقتصر المشكلة على الشركات الخاصة. فالحكومات ووكالات الطاقة أيضًا تفتقر إلى الأرقام اللازمة لتخطيط قدرات جديدة وتقييم تبعات موجة البناء المقبلة. وفي أوروبا، أُدرج الموضوع بالفعل في الأجندة التنظيمية المتعلقة بالذكاء الاصطناعي، وبدأت بعض الدول تنظر بمزيد من الاهتمام إلى مشغّلي مراكز البيانات الجدد. وإذا تعذّر فصل حمل الذكاء الاصطناعي عن بقية البنية التحتية السحابية، تتحول أي أحاديث عن النمو «الأخضر» سريعًا إلى تخمينات.

ليس كل ذكاء اصطناعي ضروريًا

تأخذ لوتشيوني على السوق عادة تسويق النماذج الكبيرة الشاملة كأنها جواب عن أي مهمة. أما عمليًا، فكثير من الشركات لا تحتاج إلى LLM ثقيل لكل طلب. ففي البحث داخل المستندات المؤسسية، والتصنيف، والتصفية، وتحويل الكلام إلى نص، والمهام التحليلية الضيقة، تكفي غالبًا نماذج أبسط. فهي أرخص وأسرع وتتطلب حوسبة أقل، ومن ثم تخفض الحمل على الطاقة دون خسارة ملحوظة في الجودة ضمن السيناريو المحدد.

والتليمتري مرجع جيد هنا. فإذا كان المزوّد يعرض عدد الرموز (tokens) الواردة والصادرة، تستطيع الشركة أن تعرف أي الطلبات تغلب عليها: نصية بسيطة، أم توليد صور، أم أبحاث معمّقة. عندها يصبح اختيار النماذج قرارًا هندسيًا، لا شراءً لـ«أكبر نموذج تحسبًا». ووفق هذا المنطق، لا تبدأ الاستدامة بحظر الذكاء الاصطناعي، بل بمقارنة أمينة بين المهمة والتكلفة واستهلاك الموارد لكل أداة.

«ما زلنا بحاجة إلى بيانات عن الطاقة والمياه لاتخاذ قرارات واعية»، تقول لوتشيوني.

• نماذج خفيفة للبحث والتصنيف والمهام الروتينية
• نماذج LLM أقوى للتحليل المعقّد فقط
• محاسبة منفصلة لتوليد الصور والفيديو
• اختيار مواقع تشغيل تعتمد طاقة أنظف

الشفافية كأداة ضغط

تقول لوتشيوني إنها تفتقر إلى حل بسيط جدًا في الواجهة: عدّاد افتراضي في ChatGPT أو Claude يعرض بعد كل طلب استهلاك الطاقة والانبعاثات ومصدر هذه الطاقة. فمثل هذا المؤشر يجعل الثمن البيئي للذكاء الاصطناعي مرئيًا للمستخدم، ويمنح الشركات أساسًا واضحًا لقرارات الشراء. وما دام هذا غير موجود، تبقى الاستدامة موضوعًا لشرائح العلاقات العامة، لا للإدارة اليومية للمنتج والبنية التحتية.

في هذا السياق، تطلق لوتشيوني مع بوريس غامازايتشيكوف، الرئيس السابق للاستدامة في Salesforce، مجموعة Sustainable AI Group. وتتمثل مهمتهما في مساعدة قطاع الأعمال على فهم الأدوات التي تقلّل الضرر فعلًا: اختيار النموذج، ومنطقة التشغيل، ومزوّد الحوسبة، ونوع المهمة، ومصدر الكهرباء. وإذا بادر لاعب كبير إلى الكشف الأمين عن هذه المقاييس والرهان على الطاقة المتجددة، فقد يصبح ذلك ميزة تنافسية لا نقطة ضعف.

ماذا يعني ذلك

يتحول النقاش البيئي حول الذكاء الاصطناعي تدريجيًا من المخاوف العامة إلى أسئلة قابلة للقياس: كم من الطاقة يُستهلك، وأين تعمل النماذج بالتحديد، وأي مياه وأي شبكة تستخدم، وهل نحتاج أصلًا إلى هذه الفئة من النماذج لمهمة بعينها في الممارسة. والخطوة التالية أمام السوق هي جعل هذه البيانات مرئية للعملاء والجهات التنظيمية. ومن دون ذلك، سيبقى الذكاء الاصطناعي المستدام وعدًا جميلًا يستحيل التحقق منه.