هوش مصنوعی اغلب به دو صورت در فرهنگ عمومی و تحلیل سیاسی ارائه می‌شود: یا نشان‌دهندۀ کلید یک مدینۀ فاضلۀ آینده‌گرا است که با ادغام هوش انسانی و توانایی‌های تکنولوژیکی تعریف می‌شود، یا نخستین گام به سوی ظهور ویرانه‌سرای ماشین‌ها است. تمرکز انحصاری صنعت فناوری بر نقش هوش مصنوعی در ایجاد یک مدینۀ فاضلۀ منتج از فناوری جدید، راه‌هایی را که هوش مصنوعی می‌تواند تخریب محیط‌زیست را تشدید کند، پنهان می‌کند که اغلب به‌طور مستقیم به جمعیت حاشیه‌نشین آسیب می‌رساند.
از یک طرف هوش مصنوعی می‌تواند ابزار قدرتمندی برای مبارزه با تغییرات آبوهوایی باشد. برای مثال، خودروهای خودران با کمک هوش مصنوعی ممکن است با شناسایی کارآمدترین مسیرها، انتشار گازهای گلخانه‌ای را تا سال ۲۰۵۰ به میزان ۵۰درصد کاهش دهند. استفاده از هوش مصنوعی در کشاورزی نیز بازدهی بالاتری دارد. کشاورزان در هند با استفاده از فناوری هوش مصنوعی ۳۰درصد برداشت بیشتری از بادام زمینی به دست آوردند. علاوه‌براین، هوش مصنوعی می‌تواند تجزیه‌وتحلیل سریع‌تر و دقیق‌تری از تصاویر ماهواره‌ای ارائه کند و مناطق فاجعه‌‌زده را که نیاز به کمک دارند شناسایی کند. تجزیه‌وتحلیل داده‌های مبتنی بر هوش مصنوعی همچنین می‌تواند به پیش‌بینی الگوهای پرخطر آبوهوایی و پاسخگویی سریع ضمن نظارت دقیق بر تعهد دولت‌ها و شرکت‌ها برای کاهش میزان انتشار گازهای گلخانه‌ای کمک کند.
از طرف دیگر هوش مصنوعی و صنعت اینترنت و ارتباطات گسترده‌تر به‌علت استفاده از مقادیر گزاف انرژی، به‌طور فزاینده‌ای مورد انتقاد قرار گرفته‌اند. برای مثال پردازش داده را در نظر بگیرید. ابررایانه‌هایی که برای اجرای برنامه‌های هوش مصنوعیِ پیشرفته استفاده می‌شوند، از شبکۀ برق عمومی تغذیه می‌شوند و توسط ژنراتورهایی با موتور دیزلی پشتیبانی می‌شوند. همچنین آموزش یک سیستم هوش مصنوعی می‌تواند بیش از 250 هزار پوند[۱] دی‌اکسید کربن منتشر کند. درواقع، استفاده از فناوری هوش مصنوعی در تمام بخش‌ها، انتشار دی‌اکسید کربن را در سطحی هم‌تراز با صنعت هوانوردی تولید می‌کند. این انتشارِ مازاد به‌طور نامتناسبی بر جوامعی تأثیر منفی می‌گذارد که در طول تاریخ به حاشیه رانده شده‌اند و اغلب در مناطق بسیار آلوده زندگی می‌کنند و مستقیماً تحت تأثیر خطرات بهداشتی ناشی از آلودگی قرار می‌گیرند. بنابراین، متخصصان خواستار اولویت قراردادن تلاش‌ها برای داشتن هوش مصنوعیِ سبز[۲](Green AI) هستند که بر روی بازدهی انرژی سیستم‌های هوش مصنوعی متمرکز است. مؤسسۀ هوش مصنوعی آلن[۳]، مفهوم هوش مصنوعی قرمز(Red AI) را معرفی می‌کند. آن‌ها آن را به‌عنوان «خرید» نتایج قوی‌تر با صرف محاسبات بیشتر در مدل تعریف می‌کنند. بنابراین هوش مصنوعیِ قرمز منجر به افزایش سریع هزینه‌های محاسباتی و درنتیجه انتشار کربن شده است. طبق گزارش مؤسسۀ آلن ردپای دی‌اکسید کربنی یک آمریکایی به‌طور متوسط در یک سال معادل 36000 پوند است، درحالی‌که مدل جست‌وجوی معماری عصبی ([۴]NAS) با یادگیری عمیق تقریباً 626000 پوند CO2 هزینه دارد. این ردپا بیش از 17 برابر میانگین ردپای آمریکایی‌ها در یک سال است. علاوه‌براین، هزینۀ آموزش در محیط ابری بین 1 تا 3 میلیون دلار است. بنابراین پیشرفت واقعی این خواهد بود که این بهبود را انجام دهیم و درعین‌حال استفاده از منابع خود را متعادل کنیم.
شرکت‌های بزرگِ تولید داده می‌توانند با استفاده از باتری‌های فیزیکی از خطرات باتری‌های لیتیومی جلوگیری کنند. این باتری‌ها که از بتن ساخته شده‌اند، انرژی پتانسیل گرانشی را در بلوک‌های بتنی مرتفع ذخیره می‌کنند که می‌توان آن را در هر نقطه مهار کرد.
اخیراً دانشمندان و مهندسان هوش مصنوعی به این انتقادات پاسخ داده‌اند و درحال بررسی منابع جدیدی برای تقویت مراکز داده هستند. البته باید گفت حتی منابع انرژی جدید و ظاهراً پایدارتر مانند باتری‌های قابل‌شارژ نیز خود می‌توانند تغییرات آبوهوایی را تشدید کنند و به جوامع آسیب برسانند. برای نمونه، بیشتر باتری‌های قابل‌شارژ از لیتیوم (یک فلز خاکی کمیاب) ساخته می‌شوند که از سویی استخراج آن می‌تواند اثرات منفی برای جوامع حاشیه‌نشین داشته باشد و از سویی دیگر نیاز به مصرف آب زیادی دارد که این میزان برابر با ۵۰۰ هزار گالن آب به‌ازای هر تن لیتیوم استخراج‌شده است. در شیلی، دومین کشور تولیدکنندۀ بزرگ لیتیوم در جهان، جوامع بومی مانند مردم کوپیاپو در شمال اغلب با شرکت‌های معدنکاری بر سر حقوق زمین و آب درگیر می‌شوند. این فعالیت‌های معدنکاری بسیار آب‌بَر هستند. همچنین مؤسسۀ تحقیقات انرژی شیلی گزارش داده است که معدنکاری در منطقۀ سالار د آتاکاما ۶۵درصد آب منطقه را مصرف می‌کنند و این هدررفت آب به تالاب‌ها و منابع آبی آسیب می‌رساند که باعث شده گونه‌های بومی گیاهی و جانوری در معرض خطر انقراض قرار گیرند و جمعیت محلی را تحت تأثیر قرار دهند. بنابراین باید گفت به‌تصویر‌کشیدن لیتیوم به‌عنوان انرژی «پاک» صرفاً به این دلیل که از نظر زیست‌محیطی کمتر از گازوئیل یا زغال‌سنگ مخرّب است نیز یک دوگانگی نادرست است که ذینفعان را از دنبال کردن منابع انرژی جدیدتر و سبزتر بر حذر می‌دارد. توسعۀ فناوری هوش مصنوعی نمادی از پیشرفت باورنکردنی است. بااین‌حال، اثرات پیشرفت برای همه یکسان نیست و شرکت‌هایی که این فناوری‌ها را توسعه می‌دهند، این مسئولیت را دارند تا اطمینان حاصل کنند که جوامع به‌حاشیه رانده‌شده، بار عمدۀ عواقب منفی ناشی از انقلاب هوش مصنوعی را متحمل نمی‌شوند.
شرکت‌های بزرگِ تولید داده می‌توانند با استفاده از باتری‌های فیزیکی از خطرات باتری‌های لیتیومی جلوگیری کنند. این باتری‌ها که از بتن ساخته شده‌اند، انرژی پتانسیل گرانشی را در بلوک‌های بتنی مرتفع ذخیره می‌کنند که می‌توان آن را در هر نقطه مهار کرد. برای نمونه در یکی از دره‌های سوئیس، دو بلوک بتنی ۳۵تنی توسط یک برج ۲۴۶ فوتی معلّق است. این‌ها یک نمونۀ اولیۀ قابلیت‌های یک باتری فیزیکی است، و با هم، انرژی کافی برای تأمین انرژی دو هزار خانه (دو مگاوات) را در خود دارند. باتری‌های فیزیکی یک جایگزین بالقوه برای باتری‌های لیتیومی با هزینۀ کمتر برای محیط‌زیست و جوامع حاشیه‌ای هستند و می‌توانند از مواد معمولی در دسترس مانند بتن ساخته شوند. شرکت‌های فناوری باید برای کمک به حل مشکلات مصرف انرژی و ذخیره‌سازی ناشی از هوش مصنوعی تلاش بیشتری کنند. برخی از مراکز داده به سمت عملکرد با انرژی کاملاً پاک رفته‌اند. برای مثال، مراکز دادۀ ایسلند عمدتاً با انرژی پاکی که از منابع برق آبی و زمین گرمایی جزیره به دست می‌آید، فعالیت می‌کنند و این کشور به مکانی محبوب برای مراکز دادۀ جدید تبدیل شده است. این مراکز داده به‌دلیل آب‌وهوای سرد ایسلند همچنین نیازی به خنک شدن با فن‌های پُرانرژی یا تهویۀ مطبوع ندارند. بااین‌حال، تنها ایسلند است که برای میزبانی از مراکز پردازش داده مناسب است و باید متذکر شد اکثر کشورها قادر به فراهم ساختن شرایط مطلوب محیطی نیستند.
هوش مصنوعی چندین مزیت را برای حل بحران آب‌وهوای فعلی ارائه می‌دهد، اما نادیده گرفتن اثرات جانبی محیطی بالقوه دشوار است. ازآنجایی‌که شرکت‌های فناوری اغلب به‌خاطر خلاقیت و نبوغ خود تحسین می‌شوند، آن‌ها باید از این مهارت‌ها برای حل مشکلات مرتبط با هوش مصنوعی استفاده کنند.
نتیجه‌گیری
مراکز داده کارخانه‌های عصر دیجیتال هستند که بخش مهمی از زیرساخت‌های داده را تشکیل می‌دهند. اتکای جهانی به خدمات ابری و اینترنت باعث رشد مداوم بازار مراکز داده می‌شود که این منجر به افزایش مصرف انرژی و انتشار کربن شده است و بدین وسیله هم‌تراز با صنعت خطوط هوایی CO2 تولید می‌گردد و علی‌رغم اهمیت فزایندۀ آن‌ها، این غول‌های اطلاعاتی تحت فشار قابل‌توجهی در جهت کاهش اثرات زیست‌محیطی مرکز داده هستند. از این رو تغییر مصرف از سوخت‌های فسیلی به سوخت‌های جایگزین اجتناب‌ناپذیر است.
عوامل متعددی وجود دارد که بر این میزان مصرف انرژی تأثیر می‌گذارد، اما با بررسی دقیق انرژی، ازجمله اولویت‌بندی منابع انرژی تجدیدپذیر یا سایر منابع انرژی با تولید کربن کمتر و ایجاد تغییرات جزئی در رویکردهای فعلی، مراکز داده می‌توانند به سمت خنثی‌سازی ۱۰۰% کربن پیش روند؛ این کاهش انتشار کربن منجر به کاهش هزینه‌ها نیز خواهند شد؛ زیرا با کاهش مصرف انرژی می‌توان مستقیماً به نتیجۀ نهایی دست یافت. بنابراین می‌توان تأثیرات زیست‌محیطی مرکز داده را با کمک مواردی همچون موارد زیر کاهش داد:
۱- استفاده از انرژی‌های تجدیدپذیر پیشرفته؛ ۲- بهره‌گیری از تکنیک‌های خنک‌کنندۀ طبیعی، مانند آب و باد؛ ۳- نصب سیستم‌های مدیریت کیفیت مؤثر، برای شناسایی هرچه سریع‌تر عامل ایجادکنندۀ مشکل و اقدام در جهت رفع آن؛ ۴- نصب و استفاده از تجهیزات جدید، جهت بهبود عملکرد و جلوگیری از هدررفت انرژی.
