پارادوکس هوش مصنوعی؛ برنده‌ها منابع را کنترل می‌کنند

جهان صنعت نیوز – هوش مصنوعی صرفاً یک پیشرفت نرم‌افزاری نیست بلکه به زیرساختی صنعتی با ابعاد کلان اقتصادی بدل شده است. مراکز داده در حال تکثیرند و هر نسل جدید، بزرگ‌تر و پرمصرف‌تر از قبل ساخته می‌شود. مراکز بزرگ مقیاس امروزی، به‌تنهایی به ده‌ها مگاوات برق معادل مصرفی در حد یک شهر کوچک نیاز دارند. آنچه در افق نزدیک دیده می‌شود، پروژه‌هایی در مقیاس گیگاوات است که با نیروگاه‌های هسته‌ای برابری می‌کنند. این جهش مقیاس، به‌خوبی نشان می‌دهد که آینده هوش مصنوعی به همان اندازه که به نوآوری نرم‌افزاری وابسته است، به دسترسی پایدار به منابع فیزیکی گره خورده است.

در سطح سیاست‌گذاری، هنوز درباره بازده نهایی این سرمایه‌گذاری‌های عظیم بحث وجود دارد. برخی اقتصاددانان تردید دارند که این هزینه‌ها به‌سرعت به افزایش بهره‌وری منجر شود. با این حال، دولت‌ها هوش مصنوعی را به‌مثابه مرز جدید سیاست صنعتی تلقی کرده‌اند؛ مرزی که از حیث اهمیت، با صنایع هوافضا یا انرژی هسته‌ای در قرن بیستم قابل مقایسه است. از همین رو، رقابت در این حوزه به‌طور فزاینده‌ای ژئوپلیتیکی شده است؛ کنترل صادرات تراشه، محدودیت بر فروش مواد معدنی و تلاش برای بومی‌سازی زنجیره‌های تأمین، همگی نشانه‌های این تغییر هستند.

هوش مصنوعی؛ صنعتی تشنه انرژی

یکی از اصلی‌ترین گلوگاه‌های این رقابت، برق است. مراکز داده در حال حاضر حدود ۱.۵ درصد از برق جهان معادل مصرف یک اقتصاد پیشرفته متوسط را مصرف می‌کنند. اگرچه تنها بخشی از این مصرف مستقیماً به هوش مصنوعی مربوط است، اما سریع‌ترین رشد تقاضا از همین ناحیه می‌آید. آموزش یک مدل پیشرفته می‌تواند به‌اندازه مصرف سالانه هزاران خانوار برق نیاز داشته باشد و استفاده گسترده از آن، این مصرف را چند برابر می‌کند.

در مقیاس جهانی، این افزایش مصرف قابل مدیریت به نظر می‌رسد، اما تصویر در سطح ملی و محلی کاملاً متفاوت است. در برخی اقتصادهای پیشرفته، مراکز داده می‌توانند تا نزدیک به نیمی از رشد تقاضای برق را تا پایان دهه به خود اختصاص دهند. در کشورهایی با شبکه‌های کوچک‌تر، این فشار به مرز بحران رسیده است. تمرکز مکانی مراکز داده، نزدیکی آن‌ها به شهرهای بزرگ و سرعت بالای احداث، فشار مضاعفی بر شبکه‌های محلی وارد کرده و تصمیم‌گیری درباره تخصیص برق را به مسئله‌ای سیاسی تبدیل کرده است.

در واکنش، شرکت‌های بزرگ فناوری به بازیگران اصلی بازار انرژی تبدیل شده‌اند. آن‌ها اکنون از بزرگ‌ترین خریداران شرکتی انرژی‌های تجدیدپذیر در جهان هستند و قراردادهای خرید برق آن‌ها، مسیر توسعه نیروگاه‌های بادی و خورشیدی را شکل می‌دهد. در عین حال، برخی شرکت‌ها به سراغ تولید برق در محل مراکز داده یا سرمایه‌گذاری مستقیم در فناوری‌های جدید از هسته‌ای و زمین‌گرمایی گرفته تا هیدروژن رفته‌اند. این روند می‌تواند موتور نوآوری در انرژی پاک باشد، اما خطر قفل‌شدن در سوخت‌های فسیلی را نیز به همراه دارد، به‌ویژه در مناطقی که گاز طبیعی همچنان منبع اصلی برق است.

کارایی بالاتر، تقاضای بیشتر

هوش مصنوعی در عین حال که مصرف‌کننده بزرگ انرژی است، می‌تواند به مدیریت آن نیز کمک کند. کاربردهای آن در بهینه‌سازی شبکه‌های برق، پیش‌بینی تولید تجدیدپذیر و کاهش مصرف در ساختمان‌ها، می‌تواند بخشی از فشار را تعدیل کند. پیشرفت در طراحی تراشه‌ها و نرم‌افزارها نیز بهره‌وری را افزایش داده و توان محاسباتی به ازای هر وات را بالا برده است.

اما این بهبود کارایی، الزاماً به کاهش مصرف منجر نمی‌شود. تجربه تاریخی نشان می‌دهد که کاهش هزینه استفاده از یک فناوری، اغلب تقاضا برای آن را افزایش می‌دهد؛ پدیده‌ای که به «پارادوکس ژوونز» معروف است. در مورد هوش مصنوعی نیز، مدل‌های ارزان‌تر و کارآمدتر احتمالاً کاربردهای بیشتری را ممکن می‌سازند و در نهایت، مصرف کل منابع را بالا می‌برند.

تراشه‌ها؛ گلوگاه راهبردی

اگر برق نخستین محدودیت هوش مصنوعی باشد، نیمه‌رساناها دومین آن هستند. آموزش مدل‌های پیشرفته به هزاران تراشه تخصصی نیاز دارد که طراحی و تولید آن‌ها به‌شدت متمرکز است. این تمرکز، تراشه‌ها را به حساس‌ترین نقطه زنجیره ارزش هوش مصنوعی تبدیل کرده است. محدودیت‌های صادراتی، یارانه‌های صنعتی و تلاش برای خودکفایی، همگی واکنش به همین آسیب‌پذیری هستند.

این سیاست‌ها پیامدهای دوگانه‌ای دارند. از یک‌سو، دسترسی به تراشه به معیار جدیدی برای حاکمیت فناورانه تبدیل شده است. از سوی دیگر، فشارهای ژئوپلیتیکی می‌تواند نوآوری را به مسیرهای جایگزین سوق دهد و بازیگران جدیدی را وارد رقابت کند. در هر حال، تراشه‌ها دیگر کالایی صرفاً تجاری نیستند، بلکه ابزار قدرت محسوب می‌شوند.

ردپای معدنی هوش مصنوعی

داستان منابع، به تراشه ختم نمی‌شود. تولید سخت‌افزارهای هوش مصنوعی به مجموعه‌ای از مواد معدنی حیاتی از مس برای کابل‌کشی گرفته تا عناصر کمیاب برای خنک‌سازی و مواد خاص برای مدارهای پیشرفته وابسته است. مراکز داده عظیم، می‌توانند در یک پروژه به‌اندازه تولید سالانه یک معدن متوسط مس مصرف کنند.

برآوردها نشان می‌دهد که تا پایان دهه، سهم مراکز داده از تقاضای برخی مواد معدنی به‌طور معناداری افزایش خواهد یافت. این تقاضا بر بستری از فشارهای موجود ناشی از خودروهای برقی، انرژی‌های تجدیدپذیر و صنایع دفاعی قرار می‌گیرد. در نتیجه، رقابت بر سر منابع تشدید می‌شود.

مشکل اصلی، تمرکز بالای عرضه است. بخش عمده پالایش بسیاری از این مواد در اختیار یک کشور یا تعداد محدودی بازیگر است. اعمال محدودیت‌های صادراتی، افزایش قیمت‌ها و واکنش‌های متقابل، نشان می‌دهد که مواد معدنی نیز به ابزار ژئوپلیتیک تبدیل شده‌اند. پاسخ دولت‌ها، تدوین راهبردهای مواد حیاتی، سرمایه‌گذاری در بازیافت و تنوع‌بخشی به زنجیره تأمین بوده است، اما این اقدامات زمان‌بر و پرهزینه‌اند.

زمین و آب؛ چالش‌های محلی، پیامدهای جهانی

در کنار انرژی و مواد، زمین و آب نیز نقش مهمی در جغرافیای هوش مصنوعی دارند. مراکز داده به زمین‌های وسیع نیاز دارند و اگرچه از منظر ملی محدودیتی ایجاد نمی‌کنند، اما در سطح محلی می‌توانند کاربری اراضی را به‌کلی دگرگون کنند. مناقشه بر سر آب، حساس‌تر است. خنک‌سازی مراکز داده میلیون‌ها لیتر آب مصرف می‌کند و در مناطق کم‌آب، این موضوع به تعارض اجتماعی تبدیل شده است.

با این حال، بخش عمده ردپای آبی هوش مصنوعی غیرمستقیم است و به نیروگاه‌هایی بازمی‌گردد که برق این مراکز را تأمین می‌کنند. از این منظر، سیاست انرژی و سیاست دیجیتال بیش از هر زمان دیگری به هم گره خورده‌اند.

چالش‌های سیاست‌گذاری

رقابت منابع در حوزه هوش مصنوعی، دولت‌ها را وادار کرده است که زیرساخت‌های انرژی، شبکه‌ها، آب و مواد معدنی را بخشی از سیاست دیجیتال خود بدانند. یکی از دشوارترین مسائل، عدم قطعیت است. برآوردها از تقاضای آینده مراکز داده اختلاف زیادی دارند، اما سرعت سرمایه‌گذاری اجازه صبر برای قطعیت را نمی‌دهد. خطر بیش‌سرمایه‌گذاری یا قفل‌شدن در مسیرهای ناپایدار، واقعی است.

مسئله دیگر، شفافیت است. با وجود ماهیت داده‌محور این صنعت، اطلاعات عمومی درباره مصرف واقعی برق، آب و مواد معدنی مراکز داده بسیار محدود است. نبود این شفافیت، برنامه‌ریزی را دشوار و تنش‌های محلی را تشدید می‌کند.

در نهایت بُعد عدالت و پایداری مطرح است. اگر کشورهای در حال توسعه صرفاً به تأمین‌کنندگان مواد خام تبدیل شوند و در عین حال با هزینه‌های بالاتر انرژی و سرمایه مواجه شوند، شکاف‌های جهانی عمیق‌تر خواهد شد. مدیریت هوشمند این گذار می‌تواند به توسعه انرژی پاک و زنجیره‌های تأمین مقاوم‌تر منجر شود؛ مدیریت نادرست آن، خطر تکرار چرخه‌های مخرب گذشته را دارد.

چالش‌های انقلاب هوش مصنوعی

رقابت بر سر هوش مصنوعی، صرفاً رقابتی دیجیتال نیست. این رقابت بر سر الکترون‌ها، تراشه‌ها، مواد معدنی، آب و زمین است. کشورها و شرکت‌هایی که بتوانند این بنیان‌های مادی را پایدار، متنوع و عادلانه مدیریت کنند، نه‌تنها در فناوری، بلکه در قدرت اقتصادی و ژئوپلیتیکی پیشتاز خواهند شد. آینده هوش مصنوعی، به همان اندازه که در کد نوشته می‌شود، در نیروگاه‌ها، معادن و شبکه‌های برق رقم می‌خورد.

اخبار برگزیدهاقتصاد کلاندانش و فناوری