دوره 3، شماره 1 - ( 1-1403 )
جلد 3 شماره 1 صفحات 42-29 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Abbasnia A, Bahlgerdi M, Farash khayalo H, Bazrafshan E, Moeini Z. Assessment of Carbon Emissions Associated with Artificial Intelligence: A Narrative Review of Data Center Environmental Impacts and Green AI Strategies. RHMS 2024; 3 (1) :29-42
URL: http://jrhms.thums.ac.ir/article-1-105-fa.html
URL: http://jrhms.thums.ac.ir/article-1-105-fa.html
ارزیابی انتشارات کربنی هوش مصنوعی: یک مرور روایتی بر پیامدهای زیستمحیطی مراکز داده و راهکارهای هوش مصنوعی سبز. عنوان نشریه. 1403; 3 (1) :29-42
چکیده: (10 مشاهده)
مقدمه: رشد شتابان هوش مصنوعی (AI) و بهویژه مدلهای زبانی بزرگ (LLMs)، این فناوری را به یکی از مؤثرترین نیروهای محرک تحول دیجیتال تبدیل کرده است. با وجود این، افزایش تصاعدی نیازهای محاسباتی، مراکز داده را به یکی از مصرفکنندگان اصلی انرژی و منابع نوظهور انتشار گازهای گلخانهای بدل کرده است؛ بهطوریکه برآورد میشود بخش فناوری اطلاعات و ارتباطات (ICT) حدود ۲ تا ۴ درصد انتشار جهانی را شامل شود. بررسی و تحلیل ردپای کربن AI برای سیاستگذاری، توسعه پایدار و برنامهریزی زیرساختی ضروری است.
روش کار: این مرور روایتی با جستجوی نظاممند در پایگاههای Scopus، Web of Science، PubMed، ScienceDirect و Google Scholar از ژانویه ۲۰۱۹ تا اکتبر ۲۰۲۵ انجام شد. کلیدواژههای فارسی و انگلیسی مرتبط با هوش مصنوعی، مرکز داده، کربن، انتشار گازهای گلخانهای و هوش مصنوعی سبز با عملگرهای منطقی ترکیب شدند. معیار ورود شامل مقالات پژوهشی، مرور نظاممند، مرور روایتی و گزارشهای فنی مرتبط با اندازهگیری یا کاهش ردپای کربن AI بود. مطالعاتی که تنها به کاربرد AI در محیطزیست (AI for Green) یا بررسی صرف سختافزار میپرداختند حذف شدند. دادههای استخراجشده دستهبندی و تحلیل کیفی شدند.
نتایج: یافتهها نشان میدهد ردپای کربن هوش مصنوعی از چرخه حیات کامل مدلها (شامل کربن نهفته، آموزش، استنتاج و پایان عمر)، رشد فزاینده تقاضای محاسباتی، سختافزار مورد استفاده و تفاوتهای جغرافیایی در شدت کربن ناشی میشود. گزارشها نشان میدهد ۳۶۹ مدل مولد بین ۱۰ تا ۱۸ میلیون تن CO₂ در سال منتشر کردهاند و پیشبینیها حاکی از افزایش این مقدار به حدود ۲۴۵ میلیون تن تا سال ۲۰۳۵ است. معماریهای کارآمدتر مانند Moe تا ۱۰ برابر انرژی کمتری مصرف میکنند؛ TPUها حدود ۵۰ درصد کارآمدتر از GPUها هستند؛ مراکز داده با PUE نزدیک به ۱.۱ تا ۱.۴ عملکرد بسیار بهتری نسبت به مراکز با PUE بالای ۱.۶ دارند؛ و تفاوت جغرافیایی میتواند شدت کربنی را تا ۵ تا ۱۰ برابر تغییر دهد. رویکردهای هوش مصنوعی سبز نظیر تقطیر دانش، کوانتیزاسیون، بهینهسازی داده، استفاده از انرژیهای تجدیدپذیر و ابزارهای پایش مانند Code Carbon میتوانند انتشار را تا هزار برابر کاهش دهند.
نتیجهگیری: نتایج نشان میدهد ردپای کربن AI بهعنوان یک واقعیت رو به رشد، میتواند روند گذار جهانی به اقتصاد کمکربن را تحت تأثیر قرار دهد. اتخاذ رویکردهای Green AI، افزایش شفافیت شرکتها در گزارشدهی، استانداردسازی متریکهای اندازهگیری و ارتقای بهرهوری مراکز داده از ضرورتهای اصلی کاهش اثرات زیستمحیطی است. توسعه مسئولانه و پایدار هوش مصنوعی تنها با همکاری نزدیک جامعه علمی، صنعت و سیاستگذاران قابل دستیابی است و توجه به پایداری باید به یکی از معیارهای اصلی توسعه فناوری تبدیل شود.
روش کار: این مرور روایتی با جستجوی نظاممند در پایگاههای Scopus، Web of Science، PubMed، ScienceDirect و Google Scholar از ژانویه ۲۰۱۹ تا اکتبر ۲۰۲۵ انجام شد. کلیدواژههای فارسی و انگلیسی مرتبط با هوش مصنوعی، مرکز داده، کربن، انتشار گازهای گلخانهای و هوش مصنوعی سبز با عملگرهای منطقی ترکیب شدند. معیار ورود شامل مقالات پژوهشی، مرور نظاممند، مرور روایتی و گزارشهای فنی مرتبط با اندازهگیری یا کاهش ردپای کربن AI بود. مطالعاتی که تنها به کاربرد AI در محیطزیست (AI for Green) یا بررسی صرف سختافزار میپرداختند حذف شدند. دادههای استخراجشده دستهبندی و تحلیل کیفی شدند.
نتایج: یافتهها نشان میدهد ردپای کربن هوش مصنوعی از چرخه حیات کامل مدلها (شامل کربن نهفته، آموزش، استنتاج و پایان عمر)، رشد فزاینده تقاضای محاسباتی، سختافزار مورد استفاده و تفاوتهای جغرافیایی در شدت کربن ناشی میشود. گزارشها نشان میدهد ۳۶۹ مدل مولد بین ۱۰ تا ۱۸ میلیون تن CO₂ در سال منتشر کردهاند و پیشبینیها حاکی از افزایش این مقدار به حدود ۲۴۵ میلیون تن تا سال ۲۰۳۵ است. معماریهای کارآمدتر مانند Moe تا ۱۰ برابر انرژی کمتری مصرف میکنند؛ TPUها حدود ۵۰ درصد کارآمدتر از GPUها هستند؛ مراکز داده با PUE نزدیک به ۱.۱ تا ۱.۴ عملکرد بسیار بهتری نسبت به مراکز با PUE بالای ۱.۶ دارند؛ و تفاوت جغرافیایی میتواند شدت کربنی را تا ۵ تا ۱۰ برابر تغییر دهد. رویکردهای هوش مصنوعی سبز نظیر تقطیر دانش، کوانتیزاسیون، بهینهسازی داده، استفاده از انرژیهای تجدیدپذیر و ابزارهای پایش مانند Code Carbon میتوانند انتشار را تا هزار برابر کاهش دهند.
نتیجهگیری: نتایج نشان میدهد ردپای کربن AI بهعنوان یک واقعیت رو به رشد، میتواند روند گذار جهانی به اقتصاد کمکربن را تحت تأثیر قرار دهد. اتخاذ رویکردهای Green AI، افزایش شفافیت شرکتها در گزارشدهی، استانداردسازی متریکهای اندازهگیری و ارتقای بهرهوری مراکز داده از ضرورتهای اصلی کاهش اثرات زیستمحیطی است. توسعه مسئولانه و پایدار هوش مصنوعی تنها با همکاری نزدیک جامعه علمی، صنعت و سیاستگذاران قابل دستیابی است و توجه به پایداری باید به یکی از معیارهای اصلی توسعه فناوری تبدیل شود.
موضوع مقاله:
عمومى
دریافت: 1404/9/8 | پذیرش: 1404/10/8 | انتشار: 1404/10/20
دریافت: 1404/9/8 | پذیرش: 1404/10/8 | انتشار: 1404/10/20
| بازنشر اطلاعات | |
 | این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
