به گزارش بیزینس اینسایدر، اشمیت که در کنفرانس هوش مصنوعی در واشنگتن سخنرانی کرد، نظرات خود درباره آینده هوش مصنوعی را به اشتراک گذاشت. او که از سال ۲۰۰۱ تا ۲۰۱۱ مدیرعامل گوگل بود و همچنین ریاست کمیسیون امنیت ملی آمریکا در حوزه هوش مصنوعی را نیز بر عهده داشته، در گذشته نیز بارها در مورد توسعه هوش مصنوعی در آمریکا اظهارنظر کرده است.

اشمیت با وجود چالش‌های زیست‌محیطی، به آینده هوش مصنوعی خوش‌بین است. به گفته او، فناوری‌هایی مثل باتری‌های پیشرفته و سیستم‌های برق‌رسانی کارآمدتر می‌توانند اثرات زیان‌بار هوش مصنوعی بر محیط‌زیست را کاهش دهند. با این حال، او معتقد است که سرعت پیشرفت هوش مصنوعی از این اقدامات سبقت خواهد گرفت.

در پاسخ به پرسشی درباره امکان هماهنگی میان نیازهای انرژی هوش مصنوعی و اهداف زیست‌محیطی، اشمیت اذعان کرد که دستیابی به این اهداف بعید به نظر می‌رسد، چرا که هنوز اقدامات لازم برای سازماندهی در این زمینه به طور کامل انجام نشده است. وی افزود: «مشکلات انرژی قطعاً وجود خواهند داشت، اما به‌جای محدود کردن هوش مصنوعی، باید روی این تمرکز کنیم که چگونه می‌تواند راه‌حل‌هایی برای مشکلات ارائه دهد.»

با رشد سریع هوش مصنوعی، سرمایه‌گذاری‌ها در زمینه ساخت دیتاسنترها به شدت افزایش یافته است. این دیتاسنترها زیرساخت‌های حیاتی برای پردازش و اجرای مدل‌های هوش مصنوعی را فراهم می‌کنند، اما در عین حال مصرف منابع طبیعی را نیز به میزان قابل‌توجهی افزایش می‌دهند. بر اساس مطالعات مؤسسه مک‌کینزی، پیش‌بینی می‌شود که تا سال ۲۰۳۰، مصرف برق دیتاسنترها به ۳۵ گیگاوات برسد، در حالی که این مقدار در سال گذشته تنها ۱۷ گیگاوات بوده است.

با وجود تلاش‌های دولت آمریکا برای حذف آلاینده‌های کربنی از بخش انرژی تا سال ۲۰۳۵، به نظر می‌رسد که وابستگی به سوخت‌های فسیلی و نیاز دیتاسنترها به انرژی مانعی جدی در راه تحقق این اهداف باشد.

هوش مصنوعی به دلیل مصرف انرژی بالایی که برای پردازش داده‌ها و اجرای مدل‌های پیچیده نیاز دارد، چالش‌های زیست‌محیطی قابل توجهی ایجاد می‌کند. با این حال، راه‌حل‌های مختلفی برای کاهش اثرات منفی زیست‌محیطی این فناوری وجود دارد:

1. بهینه‌سازی مصرف انرژی در دیتاسنترها: یکی از راه‌حل‌های اصلی کاهش مصرف انرژی هوش مصنوعی، بهبود کارایی دیتاسنترهاست. استفاده از فناوری‌های خنک‌کننده پیشرفته، ارتقاء سخت‌افزارها و بهره‌گیری از انرژی‌های تجدیدپذیر می‌تواند مصرف انرژی این مراکز را به شدت کاهش دهد.

2. استفاده از الگوریتم‌های کارآمدتر: بهینه‌سازی الگوریتم‌های هوش مصنوعی می‌تواند منجر به کاهش نیاز به منابع محاسباتی شود. الگوریتم‌هایی که با دقت بیشتر و مصرف انرژی کمتر عمل می‌کنند، می‌توانند به کاهش انتشار کربن کمک کنند.

3. توسعه باتری‌های پیشرفته و خطوط برق بهینه: بهبود فناوری‌های ذخیره‌سازی و انتقال انرژی، مانند باتری‌های پیشرفته‌تر و خطوط برق با کارایی بالاتر، می‌تواند به تامین انرژی پایدارتر برای دیتاسنترهای هوش مصنوعی کمک کند.

4. استفاده از انرژی‌های تجدیدپذیر: یکی از راهکارهای اساسی برای کاهش اثرات زیست‌محیطی، استفاده از منابع انرژی تجدیدپذیر مانند انرژی خورشیدی و بادی برای تأمین برق دیتاسنترهاست. این کار می‌تواند وابستگی به سوخت‌های فسیلی را کاهش داده و به کاهش انتشار گازهای گلخانه‌ای کمک کند.

5. مدیریت چرخه عمر سخت‌افزار: بهبود مدیریت چرخه عمر سخت‌افزارهای مورد استفاده در هوش مصنوعی، مانند بازیافت و استفاده مجدد از قطعات، می‌تواند به کاهش زباله‌های الکترونیکی و کاهش مصرف منابع طبیعی منجر شود.

این راه‌حل‌ها می‌توانند به کاهش اثرات منفی هوش مصنوعی بر محیط‌زیست کمک کرده و توسعه پایدارتر این فناوری را تسهیل کنند.

اگر علاقه‌مند دنیای تکنولوژی هستید حتما شبکه‌های اجتماعی فیسیت را در اینستاگرام، تلگرام، روبیکا، توییتر و آپارات را دنبال کنید.