اخبارهوش مصنوعی

قوانین استفاده از هوش مصنوعی در دولت بریتانیا؛ مصرف کمتر یا مصرف بهینه؟

دولت بریتانیا تازه یه پیش‌نویس راهنما برای کارمندهای دولتی منتشر کرده که موضوعش استفاده پایدار از هوش مصنوعیه. خلاصه‌ی ماجرا اینه که کارمندها باید قبل از هر چیز از خودشون بپرسن آیا واقعا به AI نیاز دارن یا نه، و اگه یه راه‌حل نرم‌افزاری سنتی‌تر مثل یه صفحه‌گسترده (اسپردشیت) همون کار رو انجام میده، سراغ مدل هوش مصنوعی نرن. با بنچفا برای آشنایی با قوانین استفاده از هوش مصنوعی دولت بریتانیا همراه باشید.

راهنمای «استفاده پایدار از هوش مصنوعی» دولت بریتانیا چی میگه؟

این سند که با عنوان Use AI Sustainably منتشر شده، دغدغه‌های زیست‌محیطی رو نسبت به ملاحظات بهره‌وری در اولویت قرار میده. خلاصه‌ای از بندهای اصلیش رو کاربری در شبکه ایکس به این شکل منتشر کرده:

فوری: دولت بریتانیا قوانین رسمی نحوه استفاده از هوش مصنوعی را منتشر کرد:

۱. اول بپرسید آیا واقعا به استفاده از AI نیاز دارید

۲. قبل از استفاده از AI، بررسی کنید که آیا یک صفحه‌گسترده می‌تواند این کار را انجام دهد

۳. بدترین مدل ممکن را انتخاب کنید تا انرژی کمتری مصرف شود

۴. پرامپت‌ها را کوتاه نگه دارید تا اثرات منفی روی محیط زیست کاهش یابد

۵. در کل تنها زمانی از هوش مصنوعی استفاده کنید که ضروری‌ست، به عنوان راهی برای حفظ محیط زیست.

طبق این راهنما، وقتی استفاده از مدل هوش مصنوعی اجتناب‌ناپذیر میشه، کارمندها باید کوچک‌ترین مدل ممکن رو انتخاب کنن. در کنارش توصیه شده که پرامپت‌ها هم تا جای ممکن کوتاه و کم‌تعداد باشن.

چرا این توصیه‌ها از نظر فنی بحث‌برانگیزه؟

اینجا یه تناقض فنی وجود داره که نمیشه ازش رد شد. مدل‌های کوچک‌تر ذاتا احتمال توهم‌زنی (Hallucination) بالاتری دارن؛ یعنی راحت‌تر جواب اشتباه تولید می‌کنن و با اطمینان کامل هم تحویلش میدن. وقتی خروجی از نظر کیفیت پایین‌تر باشه، کاربر مجبوره دوباره پرامپت بزنه و دوباره بررسی کنه.

همین منطق درباره کوتاه نگه داشتن پرامپت‌ها هم صادقه. پرامپت کوتاه‌تر یعنی کانتکست کمتر، و کانتکست کمتر یعنی جواب دقیق‌تر گرفتن سخت‌تر میشه.

مسئله مصرف نیست، بهینگی مصرفه

چیزی که تو این راهنما گم شده، تفاوت بین «کم مصرف کردن» و «بهینه مصرف کردن»ه. این دو تا مقوله کاملا جدا از هم هستن و قاطی کردن‌شون دقیقا همون جاییه که این سند لنگ می‌زنه.

یه مثال ساده که همه‌مون باهاش سر و کار داریم: شارژ کردن گوشی با کابل در برابر شارژ با مگ‌سیف. توی شارژ وایرلس به خاطر تلفات بیشتر تو مسیر انتقال انرژی، سرعت شارژ پایین‌تر میاد و بخش بزرگ‌تری از انرژی به جای اینکه بره تو باتری، تبدیل به گرما میشه. عدد وات لحظه‌ای که می‌بینید پایین‌تره، اما برای رسوندن باتری از ۰ تا ۱۰۰، در مجموع انرژی بیشتری مصرف شده. کم بودن عدد لحظه‌ای به معنی بهینه بودن نیست.

حالا همین منطق رو ببرید سراغ هوش مصنوعی. وقتی به کارمند میگید کوچک‌ترین مدل ممکن رو انتخاب کن و کوتاه‌ترین پرامپت رو بنویس، مصرف هر درخواست پایین میاد. منتها مدل کوچک‌تر بیشتر توهم می‌زنه و پرامپت کوتاه‌تر کانتکست کمتری داره، پس خروجی اول به درد نمی‌خوره و کاربر دوباره و سه‌باره درخواست می‌فرسته. جمع انرژی مصرف‌شده برای رسیدن به یه جواب درست، عملا می‌تونه از حالتی که از اول مدل مناسب رو انتخاب می‌کردید بیشتر بشه. دقیقا همون مگ‌سیف.

بهینگی یعنی کمترین انرژی برای رسیدن به نتیجه‌ی درست، نه کمترین انرژی به ازای هر درخواست. اینی که تو این راهنما اومده، فقط دومیه.

و خب، بخشی از ماجرا اینجاست که بریتانیا عملا هیچ تخصص و جایگاهی توی خود این حوزه نداره. هیچ مدل فرانتیری با پرچم بریتانیا وجود نداره و وقتی کشوری تو ساخت این فناوری نقشی نداشته باشه، طبیعیه که نگاهش هم از بیرون و صرفا در حد «چقدر برق می‌خوره» باقی بمونه. برای کسی که مدل رو آموزش نداده و زیرساختش رو نساخته، هوش مصنوعی فقط یه قلم هزینه تو صورت‌حساب برقه، نه ابزاری که باید بهره‌وریش رو بهینه کرد.

آن‌سوی ماجرا: آمریکا با تمام قوا روی هوش مصنوعی سرمایه‌گذاری می‌کنه

در نقطه مقابل این رویکرد، آمریکا عملا داره با تمام توان روی هوش مصنوعی شرط‌بندی می‌کنه. خالص ظرفیت اضافه‌شده مراکز داده در آمریکا قراره تو سال ۲۰۲۷ به حدود ۳۸ گیگاوات برسه، در حالی که این عدد تو سال ۲۰۲۵ فقط حدود ۱۰ گیگاوات بوده. از این مقدار، حدود ۲۲ گیگاوات ساخته شده یا در حال ساخته و حدود ۱۶ گیگاوات هنوز تو مرحله برنامه‌ریزی مونده.

علاوه بر این، تقاضای برق اضافی مربوط به مراکز داده برای بازه ۲۰۲۶ تا ۲۰۲۸ حدود ۹۷ گیگاوات تخمین زده شده. در برابرش ۱۹ گیگاوات ظرفیت شبکه در دسترس یا قابل قرارداد وجود داره و ۲۱ گیگاوات هم تأسیسات تولید برق در حال ساخته.

با همه این‌ها، طبق نقطه میانی محدوده اعدادی که مورگان استنلی ارائه کرده، آمریکا همچنان با یه شکاف باقی‌مونده حدود ۳۳ گیگاواتی در تأمین برق روبروئه؛ اون هم بعد از اینکه حدود ۱۹ گیگاوات توربین و موتور جدید پشت کنتور و حدود ۶ گیگاوات پیل سوختی Bloom رو هم حساب کنیم.

یکی از تحلیلگران بازار درباره همین اعداد نوشته:

برای اینکه از اول شفاف باشم، من نسبت به ساخت زیرساخت هوش مصنوعی خوش‌بینم و کاملا موافق سرمایه‌گذاری در همه‌ی گزینه‌های تولید برق و شبکه هستم. مشکل من با تضمین کردن جدول‌های زمانی تحویلیه که توی بعضی از این پیش‌بینی‌های گیگاواتی گنجونده شده.

این نقل قول نکته مهمی رو روشن می‌کنه: حتی کسایی که کاملا طرفدار توسعه زیرساخت هوش مصنوعی هستن هم نسبت به واقع‌بینانه بودن این جدول‌های زمانی تردید دارن. یعنی ماجرا صرفا «بریتانیا محافظه‌کاره و آمریکا جسور» نیست؛ خود آمریکا هم با محدودیت واقعی شبکه برق روبروئه.

جمع‌بندی

چیزی که اینجا داریم می‌بینیم، دو رویکرد کاملا متفاوت به یه فناوری واحده. یه طرف مصرف انرژی رو متغیر اصلی تصمیم‌گیری گذاشته و طرف دیگه سرعت توسعه رو اولویت داده و با شکاف ۳۳ گیگاواتی برق دست و پنجه نرم می‌کنه.

به نظر ما هیچ‌کدوم از این دو سر طیف جواب کامل نیست. توصیه «کوچک‌ترین مدل ممکن رو انتخاب کن» در قوانین استفاده از هوش مصنوعی دولت بریتانیا از نظر فنی ایراد داره، چون کیفیت خروجی رو فدای صرفه‌جویی‌ای می‌کنه که با دوباره‌کاری از بین میره. از اون طرف هم پیش‌بینی‌های گیگاواتی خوش‌بینانه بدون ظرفیت شبکه‌ای که پشتش باشه، روی کاغذ قشنگ‌ترن تا تو عمل. سیاست درست جایی وسط این دوتاست: بهینه کردن مصرف، نه صرفا کم کردنش.

نظر شما چیه؟ فکر می‌کنید محدود کردن استفاده از هوش مصنوعی به خاطر مصرف انرژی منطقیه یا جلوی بهره‌وری رو می‌گیره؟ تو کامنت‌ها بهمون بگید.

این پست براتون مفید بود؟ خوشحال می‌شیم نظرتون رو بدونیم!

روی ستاره‌ها بزنید تا به این مطلب امتیاز بدید!

میانگین امتیاز این مطلب 0 / 5. تعداد امتیازات 0

نظری برای این مطلب ثبت نشده! شما اولین نفری هستید که رای می‌دید!

محسن خدابخش

.Hello there من محسنم، با کلی علاقه که هیچ ربطی به هم ندارن. علاقه‌ام به گیم از 5 سالگی شروع شد و بیشتر فهمیدن درباره اینکه چطوری بازی‌ها اجرا میشن باعث شد به دنیای سخت افزار کامپیوتر وارد بشم. عاشق دنیاهای فیکشنال (مخصوصا استار وارز) هستم و تا الان زمان زیادی از زندگیم رو پای League of Legends هدر دادم.

نوشته های مشابه

دکمه بازگشت به بالا