المقدمة

أشارككم هذا المقال الذي كتبته جزءا من برنامج التنمية المستدامة المقام في جامعة ليفربول، أؤمن بأن التنمية المستدامة تمثل نهجاً جديداً يركز على تحقيق التوازن بين النمو الاقتصادي، البيئية، والمجتمع. وهي تؤكد على أهمية ضمان تلبية احتياجاتنا اليوم وفي المستقبل دون إلحاق الضرر بالكوكب أو ببعضنا البعض. وفي سياق الأعمال، يعني ذلك إدارة وتشغيل المؤسسة بطريقة تلبي المتطلبات الحالية دون المساس بقدرة الأجيال القادمة على تلبية احتياجاتها.
ترتبط التنمية المستدامة بمجال الذكاء الاصطناعي (AI) من خلال زاوية الكفاءة والتحسين. هدفنا الأساسي هو تطوير خوارزميات ونماذج وأنظمة ليست أسرع فحسب، بل تستهلك أيضاً قدراً أقل من الذاكرة والطاقة، مما يؤدي إلى تحسين العمليات. وهذا يرتبط ارتباطاً وثيقاً بالاستخدام الكفء للموارد في تطبيقات العالم الحقيقي. فعلى سبيل المثال، يتطلب تدريب نماذج الذكاء الاصطناعي الضخمة، ولا سيما نماذج اللغة الكبيرة (LLMs)، قوة حوسبة هائلة، مما يؤدي بدوره إلى استهلاك كميات كبيرة من الطاقة والمياه.

الذكاء الاصطناعي وأهداف التنمية المستدامة

من ناحية أخرى، هناك العديد من أهداف التنمية المستدامة المرتبطة بقوة بالذكاء الاصطناعي وعلوم الحاسب:

1. طاقة نظيفة وبأسعار معقولة: يتطلب الاستهلاك الكبير للطاقة في تدريب نماذج الذكاء الاصطناعي إيجاد حلول، مثل استبدال مصادر الطاقة الحالية ببدائل خضراء. ومن خلال تحسين كفاءة أنظمة الطاقة، يمكن تقليل التكاليف التشغيلية لتوليد وتوزيع الطاقة النظيفة، مما يجعلها متاحة وبأسعار معقولة.
2. الصناعة والابتكار والهياكل الأساسية: من خلال تعزيز الكفاءة وتشجيع الابتكار عبر الذكاء الاصطناعي، يمكن للصناعات خفض التكاليف، وزيادة الإنتاجية، وابتكار منتجات وخدمات أكثر استدامة.
3. الاستهلاك والإنتاج المسؤولان: يمكن أن يؤدي تطبيق ممارسات الاستهلاك والإنتاج المستدام، المدعومة بكفاءة الذكاء الاصطناعي، إلى توفير كبير في التكاليف. وتقليل الهدر يعني شراء مواد خام أقل وتحمل تكاليف أقل للتخلص من النفايات، كما يؤدي تحسين العمليات إلى انخفاض فواتير الطاقة وزيادة الإنتاجية.

التحدي: استهلاك الطاقة

في مجال الذكاء الاصطناعي، يتمثل التحدي الكبير في الاستهلاك العالي للطاقة المرتبط بتدريب النماذج الضخمة. تتطلب هذه النماذج قوة حوسبة هائلة، مما يؤدي إلى استخدام كبير للكهرباء وزيادة انبعاثات الكربون. ويشكل هذا قضية استدامة ملحة، خاصة مع تسارع الطلب على الذكاء الاصطناعي. على سبيل المثال، يمكن لتدريب نموذج لغوي كبير واحد أن يستهلك طاقة تعادل ما تستهلكه عدة منازل في عام كامل. وتطبيق "ChatGPT" وحده يستهلك كهرباء في يوم واحد تعادل الاستهلاك السنوي لـ 283,000 منزل في كاليفورنيا. وتتطلب معالجة هذا التحدي تصميماً فعالاً للنماذج، واستخدام مصادر طاقة متجددة، وتطوير أجهزة (Hardware) محسنة.

تعتبر معالجة هذا التحدي أمراً بالغ الأهمية لعدة أسباب:

• أولاً: يتماشى تقليل استهلاك الطاقة مع الجهود العالمية لمكافحة تغير المناخ. فإذا استمر تطوير الذكاء الاصطناعي دون ممارسات مستدامة، فقد يسهم بشكل كبير في انبعاثات الكربون.
• ثانياً: يمكن لنماذج الذكاء الاصطناعي الموفرة للطاقة أن تساعد في خفض التكاليف التشغيلية، مما يجعل التكنولوجيا أكثر سهولة في الوصول للمناطق النامية والمؤسسات الصغيرة.
• أخيراً: يدعم هذا النهج الابتكار المسؤول للتقنيات الجديدة في الصناعة، حيث لا ينبغي أن تأتي الزيادة المتوقعة بنسبة 3% إلى 6% سنوياً في استخدام الكهرباء من الذكاء الاصطناعي على حساب الكوكب.

الجهود الحالية والحلول

تعمل العديد من الشركات والمؤسسات بالفعل على مواجهة هذا التحدي. على سبيل المثال، طورت "Google DeepMind" نماذج مثل "AlphaFold" و"EfficientNet" التي تتطلب موارد أقل بكثير. وبالمثل، استكشفت "OpenAI" و"Meta AI" تقنيات مثل "تقطير النماذج" (Distillation) و"التكميم" (Quantization) لتقليل الحجم واستهلاك الطاقة. كما نشرت جامعات مثل معهد ماساتشوستس للتكنولوجيا (MIT) وستانفورد أبحاثاً حول أجهزة ذكاء اصطناعي منخفضة الطاقة وخوارزميات أكثر صداقة للبيئة.
يعد صندوق الاستثمارات العامة السعودي (PIF) جزءاً من هذا الحراك أيضاً، حيث يدعم الشراكات الدولية والبنية التحتية المحلية للذكاء الاصطناعي. وقد أطلق صندوقاً استثمارياً للذكاء الاصطناعي بقيمة 40 مليار دولار، وأنشأ شركات تهدف إلى نشر مراكز بيانات تعمل بالطاقة المتجددة وتطوير نماذج لغوية عربية فعالة. بالإضافة إلى ذلك، تستثمر شركة "آلات" (Alat) بكثافة في البنية التحتية للذكاء الاصطناعي والكهرباء، متعهدة باستثمار 100 مليار دولار بحلول عام 2030. وتثبت هذه الأمثلة أن الذكاء الاصطناعي الفعال وعالي الأداء ليس ممكناً فحسب، بل قابل للتوسع أيضاً.

تنفيذ الحلول والمزايا

يمكن تنفيذ الحلول من خلال دمج ممارسات الذكاء الاصطناعي المستدام في التعليم والبحث ونمو الصناعة. وتتمثل خطوة مهمة في تعزيز استخدام نماذج أصغر ومحسنة في التدريب. تتيح تقنيات مثل "تقطير النماذج" و"التكميم" للمطورين ضغط نماذج الذكاء الاصطناعي لتصبح أصغر وأقل تعقيداً دون المساس بشكل كبير بالدقة أو الأداء. تقلل هذه الأساليب بشكل كبير من استهلاك الطاقة واحتياجات الحوسبة، مما يمثل حلاً اقتصادياً لتقليل الأثر البيئي.
علاوة على ذلك، يعد تحويل البنية التحتية القائمة على الذكاء الاصطناعي إلى مصادر الطاقة النظيفة أمراً ضرورياً. تستهلك مراكز البيانات التي تستضيف وتدرب النماذج كميات هائلة من الطاقة؛ لذا فإن تشغيلها بالطاقة الشمسية أو الرياح أو غيرها من المصادر النظيفة يمكن أن يقلل بشكل كبير من بصمتها الكربونية. كما يعد التعاون مع الجامعات ومراكز الأبحاث أمراً حاسماً، حيث تعمل المنظمات الرائدة بالفعل على تصميم شرائح ذكاء اصطناعي منخفضة الطاقة وتطوير خوارزميات باستهلاك أقل للطاقة. وسيكون الترويج لهذه المبادرات والتعلم منها أمراً حيوياً لجلب هذه التقنيات إلى منصة عالمية.

يوفر تنفيذ هذه الحلول عدة مزايا:

1. يقلل من البصمة الكربونية لصناعة الذكاء الاصطناعي، التي تخضع لتدقيق متزايد بسبب تأثيرها البيئي.
2. يساعد خفض استهلاك الطاقة المنظمات على تقليل تكاليف التشغيل، مما يجعل تكنولوجيا الذكاء الاصطناعي المتقدمة في متناول الشركات الناشئة والشركات الصغيرة والجامعات.
3. يؤدي تبني ممارسات الذكاء الاصطناعي الخضراء إلى مواءمة القطاع مع أهداف المناخ العالمية ويعزز ثقافة تكنولوجية أخلاقية ومسؤولة.

الختام

ومع ذلك، لا تزال هناك تحديات. قد تقدم النماذج الأصغر أحياناً أداءً أقل من نظيراتها الأكبر، مما يستلزم إجراء مقايضات مدروسة. كما أن الاستثمارات في البنية التحتية الخضراء أو إعادة التدريب قد تكون مكلفة في البداية. وقد يتردد الباحثون والمطورون في تغيير سير العمل القائم، كما أن تحديد كمية استخدام الطاقة أو الإبلاغ عنها قد يكون تحدياً تقنياً يتطلب أدوات ومعايير شفافية جديدة.