انتشار کردن این گزارش، که مقدار مصرف انرژی، آب و کربن مربوط به هر خواست به مدل‌های جیمنای (Gemini) را تخمین می‌زند، یک پیروزی مهم برای محققان و سیاست‌گذاران در مسیر افزایش شفافیت و فهمیدن عمیق‌تر از بار زیست‌محیطی انقلاب هوش مصنوعی محسوب می‌شود.

این عمل گوگل، که اولین قدم شفاف از سوی یک شرکت بزرگ فناوری با محصول هوش مصنوعی پرطرفدار است، فرصتی را فراهم می‌کند تا جامعه علمی و عمومی، پشت پرده مراکز داده عظیم و پرمصرف را مشاهده کنند.

۰.۲۴ وات-ساعت برای یک خواست میانه

مطابق گزارش فنی گوگل، یک خواست میانه (Median Prompt) به اپلیکیشن‌های جیمنای، معادل ۰.۲۴ وات-ساعت برق مصرف می‌کند. این مقدار تقریباً برابر است با روشن کردن یک مایکروویو استاندارد برای یک ثانیه؛  گوگل برای رسیدن به این عدد، رویکردی جامع در نظر گرفته است که فراتر از فقطً مصرف پردازنده‌های هوش مصنوعی است. 

تحلیل سهم مصرف انرژی:

• چیپ‌های هوش مصنوعی (TPU): تنها ۵۸٪ از کل انرژی مصرفی را به خود تعلق خواهند داد.

• سخت‌افزارهای جانبی (CPU و حافظه میزبان): ۲۵٪ از انرژی صرف حمایتاز سخت‌افزارهای تخصصی هوش مصنوعی می‌شود.

  تازه‌ترین اخبار و تحلیل‌ها درباره انتخابات، سیاست، اقتصاد، ورزش، حوادث، فرهنگ وهنر و گردشگری را در آینده دنبال کنید.

• ماشین‌های آماده‌به‌کار (Idle Machines): تجهیزات پشتیبان و آماده به کار برای جلوگیری از ناکامی سیستم، ۱۰٪ از مصرف کل را شامل خواهد شد.

• سربار مرکز داده: ۸٪ نهایی مربوط به هزینه‌های عمومی مرکز داده همانند خنک‌سازی و تبدیل توان است.

این تفکیک، مشخص می کند که تمرکز صرف بر بهینه‌سازی پردازنده‌های هوش مصنوعی (همانند GPUها یا TPUهای گوگل) برای افت مصرف انرژی کافی نیست و زیرساخت‌های جانبی، قسمت قابل توجهی از بار انرژی را به دوش می‌کشند. از نظر کارشناسان، این گزارش به یک «سنگ بنای مهم در حوزه انرژی هوش مصنوعی» تبدیل خواهد شد، چون تشکیل این چنین تخمین‌های دقیقی، تنها در مقیاس عملیاتی شرکت‌های بزرگ فناوری مقدور است.

ابهامات نهان: از میانه تا کل

با وجود شفافیت کم‌نظیر، این گزارش دارای محدودیت‌های مهمی است:

1. تمرکز بر «میانه»: آمار اراعه‌شده مربوط به یک خواست میانه است. همان گونه که دین اشاره می‌کند، خواست‌های پیچیده‌تر، همانند خلاصه‌سازی محتوای ده‌ها کتاب یا منفعت گیری از مدل‌های استدلالی، به مراتب انرژی بیشتری مصرف می‌کنند.

2. تنها متن: این برآورد فقطً محدود به خواست‌های متنی است و شامل ماموریت های زیاد پرانرژی‌تر همانند تشکیل عکس یا ویدیو نمی‌شود.

3. غیبت داده‌های کلان: گوگل از افشای تعداد کل خواست‌هایی که روزانه جیمنای دریافت می‌کند خودداری کرده است. این بزرگ‌ترین نقطه ضعف گزارش است، چون بدون این داده، تخمین مقدار مصرف کل انرژی جیمنای در سطح جهان غیرممکن خواهد می بود.

ساشا لوچیونی، محقق هوش مصنوعی و اقلیم، ضمن استقبال از این قدم، پافشاری می‌کند که این گزارش جایگزینی برای یک استانداردسازی صنعتی (شبیه برچسب انرژی Energy Star) نیست که محققان زمان‌ها است در پی آن می باشند. او می‌گوید: «گوگل هم چنان شرکتی است که تصمیم می‌گیرد چه جزئیاتی را، چه وقتی و چطور به اشتراک بگذارد.»

کربن و آب: تأثیر خرید انرژی پاک

گوگل این چنین تخمین‌هایی در رابطه مصرف آب و انتشار کردن کربن اراعه کرده است:

• انتشار کردن کربن: هر خواست میانه، معادل ۰.۰۳ گرم دی‌اکسید کربن تشکیل می‌کند.

• مصرف آب: هر خواست نزدیک به ۰.۲۶ میلی‌لیتر (تقریباً پنج قطره) آب مصرف می‌کند.

در محاسبه کربن، گوگل از یک برآورد بازارمبنا (Market-based Estimate) منفعت گیری کرده است که شامل خریدهای برق از پروژه‌های انرژی پاک (همانند خورشیدی، بادی و هسته‌ای پیشرفته) توسط این شرکت می‌شود. به علت این قراردادها، انتشار کردن کربن گوگل به ازای هر واحد برق، تقریباً یک‌سوم میانگین شبکه‌ای است که در آن فعالیت می‌کند. این رویکرد، در عین حال که تعهدات گوگل به پایداری را برجسته می‌کند، مشخص می کند که هزینه واقعی انتشار کردن کربن برای مراکز داده فاقد این چنین قراردادهایی، به مراتب بالاتر است.

در نهایت، مقصد گوگل از این شفاف‌سازی، مطمعن‌دهی به کاربران بوده است. جف دین می‌گوید: «مردم نباید نگرانی عمده‌ای در رابطه مصرف انرژی یا آب مدل‌های جیمنای داشته باشند، چون اندازه‌گیری‌های واقعی ما مشخص می کند که این مقدار معادل کارهایی است که روزانه بدون فکر کردن انجام می‌دهید، همانند تماشای چند ثانیه تلویزیون یا مصرف پنج قطره آب.»

با این حال، افت مصرف انرژی هوش مصنوعی یک روال امیدوارکننده است. گزارش گوگل نشان داد که یک خواست میانه در مه ۲۰۲۴، ۳۳ برابر زیاد تر از مه ۲۰۲۵ انرژی مصرف می‌کرده است که این پیشرفت به علت بهینه‌سازی مدل‌ها و نرم‌افزارها رخ داده است. این کار مشخص می کند که نوآوری فنی می‌تواند تأثیر زیست‌محیطی هوش مصنوعی را در درازمدت افت دهد، هرچند چالش مهم هم چنان افزایش تصاعدی تعداد کاربران و خواست‌ها باقی خواهد ماند.