تتزايد المخاوف بشأن تأثيرات الطاقة الناتجة عن الذكاء الاصطناعي، خصوصًا مع ظهور نماذج التفكير الحديثة.
هوجينغ فيس: نماذج الذكاء الاصطناعي التي تستخدم التفكير تحتاج إلى 30 ضعف الطاقة في المتوسط
ليس من الغريب على أحد أن هناك مخاوف بشأن ارتفاع فاتورة الطاقة الناتجة عن الذكاء الاصطناعي. ولكن تحليلًا جديدًا يُظهر أن نماذج التفكير الحديثة تستهلك طاقة أكبر بكثير من الأجيال السابقة، مما يثير احتمال أن تتزايد متطلبات الطاقة والبصمة الكربونية للذكاء الاصطناعي بشكل أسرع مما كان متوقعًا.
مع تزايد استخدام أدوات الذكاء الاصطناعي في حياتنا اليومية، تتزايد المخاوف بشأن كمية الكهرباء المطلوبة لتشغيلها. بينما كانت المخاوف في البداية تركز على التكاليف الضخمة لتدريب النماذج الكبيرة، فإن جزءًا كبيرًا من الطلب على الطاقة في القطاع يأتي الآن من الاستجابة لاستفسارات المستخدمين.
ويقترح تحليل جديد من باحثين في هوجينغ فيس وسيلزفورس أن الجيل الأخير من النماذج، التي “تفكر” في المشاكل خطوة بخطوة قبل تقديم إجابة، تستخدم طاقة أكبر بكثير من النماذج القديمة. وقد وجدوا أن بعض النماذج تستخدم 700 مرة أكثر من الطاقة عند تفعيل أوضاع “التفكير” الخاصة بها.
قالت عالمة الأبحاث في هوجينغ فيس وقائدة المشروع ساشا لوتشيوني لـ بلومبرغ: “يجب أن نكون أذكى في طريقة استخدامنا للذكاء الاصطناعي. اختيار النموذج المناسب للمهمة المناسبة أمر مهم”.
تُعد الدراسة الجديدة جزءًا من مشروع درجة كفاءة الطاقة للذكاء الاصطناعي، الذي يهدف إلى توفير طريقة موحدة لقياس كفاءة الطاقة في الذكاء الاصطناعي. يتم اختبار كل نموذج على 10 مهام باستخدام مجموعات بيانات مخصصة وأحدث أجيال وحدات معالجة الرسوميات. ثم يقيس الباحثون عدد واط-ساعات التي تستخدمها النماذج للإجابة على 1000 استفسار.
تمنح المجموعة كل نموذج تصنيفًا من خمس نجوم، تمامًا مثل تصنيفات كفاءة الطاقة الموجودة على السلع الاستهلاكية في العديد من البلدان. ولكن لا يمكن تطبيق المعيار إلا على النماذج المفتوحة أو شبه المفتوحة، لذا لا يمكن اختبار النماذج المغلقة الرائدة من مختبرات الذكاء الاصطناعي الكبرى.
في هذا التحديث الأخير لقائمة المشروع، درس الباحثون نماذج التفكير للمرة الأولى. وقد وجدوا أن هذه النماذج تستخدم، في المتوسط، 30 مرة أكثر من الطاقة مقارنة بالنماذج التي لا تحتوي على قدرات التفكير أو مع إيقاف أوضاع التفكير الخاصة بها، لكن أسوأ المخالفين استخدمت مئات المرات أكثر.
يقول الباحثون إن هذا يعود إلى الطريقة التي يعمل بها التفكير في الذكاء الاصطناعي. هذه النماذج هي في الأساس مولدات نصوص، وكل جزء من النص الذي تنتجه يتطلب طاقة للإنتاج. بدلاً من تقديم إجابة مباشرة، تقوم نماذج التفكير بشكل أساسي “بالتفكير بصوت عالٍ”، مما ينتج نصًا من المفترض أن يتوافق مع نوع من الحوار الداخلي أثناء العمل على مشكلة.
يمكن أن يؤدي ذلك إلى زيادة عدد الكلمات التي تنتجها بمئات المرات، مما يؤدي إلى زيادة متناسبة في استخدام الطاقة. لكن الباحثين وجدوا أنه يمكن أن يكون من الصعب تحديد أي النماذج هي الأكثر عرضة لهذه المشكلة.
تقليديًا، كان حجم النموذج هو أفضل مؤشر على مقدار الطاقة التي سيستخدمها. ولكن مع نماذج التفكير، فإن مدى تفصيل سلاسل التفكير الخاصة بها هو غالبًا ما يكون مؤشرًا أكبر، وغالبًا ما يتعلق ذلك بخصائص دقيقة للنموذج بدلاً من حجمه. يقول الباحثون إن هذا هو السبب الرئيسي وراء أهمية مثل هذه المعايير.
لم تكن هذه هي المرة الأولى التي يحاول فيها الباحثون تقييم كفاءة نماذج التفكير. وجدت دراسة في يونيو في Frontiers in Communication أن نماذج التفكير يمكن أن تولد ما يصل إلى 50 مرة أكثر من ثاني أكسيد الكربون مقارنة بالنماذج المصممة لتقديم استجابة أكثر اختصارًا. التحدي، مع ذلك، هو أنه بينما تكون نماذج التفكير أقل كفاءة، إلا أنها أيضًا أكثر قوة بكثير.
“حاليًا، نرى توازنًا واضحًا بين الدقة والاستدامة في تقنيات LLM،” قال ماكسيميليان داونر، باحث في جامعة هوشول ميونخ للعلوم التطبيقية في ألمانيا الذي قاد الدراسة، في بيان صحفي. “لم تحقق أي من النماذج التي حافظت على الانبعاثات دون 500 جرام من مكافئ ثاني أكسيد الكربون [إجمالي الغازات الدفيئة المنبعثة] دقة أعلى من 80 في المئة في الإجابة على 1000 سؤال بشكل صحيح.”
لذا، بينما قد نحصل على صورة أوضح لتأثيرات الطاقة للنماذج الحديثة للتفكير، قد يكون من الصعب إقناع الناس بعدم استخدامها.
بينما تتزايد كفاءة الطاقة في نماذج الذكاء الاصطناعي، يبقى التحدي في تحقيق التوازن بين الأداء والكفاءة.
