کمبود مواد معدنی در گسترش هوش مصنوعی
به گزارش کارگروه فناوری اطلاعات سایبربان، علیرغم سرمایهگذاریهای کلان در راهحلهای انرژی، نیازهای مادی هوش مصنوعی همچنان در حاشیه قرار دارند و در صورت عدم رسیدگی، تهدیدات زیستمحیطی، زنجیره تأمین و ژئوپلیتیکی را به همراه دارند.
بحثهای اخیر در مورد تأثیر زیستمحیطی هوش مصنوعی، عمدتاً بر مصرف انرژی، بهویژه در تأمین انرژی مراکز داده عظیم و آموزش مدلهای زبانی بزرگ، متمرکز بوده است.
بااینحال، تحلیلی از سلیم اچ. علی در فوربس هشدار میدهد که ورودیهای مادی برای هوش مصنوعی، مانند فسفر، مس، لیتیوم، عناصر خاکی کمیاب و اورانیوم، باوجود محدودیتهای شدید مشابه برای مقیاسپذیری و پایداری، مورد غفلت قرار میگیرند.
درحالیکه شرکتهای بزرگی مانند گوگل و بلکاستون سرمایهگذاریهای زیادی در ساخت مراکز داده و انرژی برقآبی در مکانهایی مانند پنسیلوانیا انجام میدهند، این راهحلهای متمرکز بر انرژی، به تنگناهای قریبالوقوع مواد نمیپردازند.
بسیاری از مواد معدنی خام ضروری برای سختافزار هوش مصنوعی، محدود، متمرکز در منطقه و استخراج آنها از نظر زیستمحیطی پرهزینه است. بااینحال، این امر خطراتی را از شکنندگی زنجیره تأمین گرفته تا آسیبهای زیستمحیطی و تنشهای ژئوپلیتیکی ایجاد میکند.
کارشناسان اکنون میگویند که توسعه پایدار هوش مصنوعی نیازمند تمرکز دوگانه است، نهتنها بر انرژی کمکربن، بلکه بر حفظ انعطافپذیری زنجیرههای تأمین مواد معدنی حیاتی.
بدون یک رویکرد هماهنگ، رشد هوش مصنوعی ممکن است استخراج منابع ناپایدار را با پیامدهای جهانی بلندمدت متوقف یا هدایت کند.