ردپای کربنی

اواخر سال ۲۰۲۴، وقتی ساختمان عظیمی در جنوب ممفیس بی‌سروصدا شروع به کار کرد، بسیاری از اهالی این شهر هنوز نمی‌دانستند چه چیزی در انتظار آنهاست. مسئولان شهری آن را «فرصت اقتصادی» نامیدند؛ پروژه‌ای متعلق به شرکت xAI‌ ایلان ماسک که قرار بود ممفیس را به یکی از «قطب‌های جهانی هوش مصنوعی» تبدیل کند. دیتاسنتر کولوسوس (Colossus)‌ با وعده «آینده، فناوری و اعتبار جهانی» به ممفیس آمده بود. البته بزرگ‌ترین خوشه و غول محاسباتی AI جهان برای مردمی که سال‌ها با فقر شدید و نابرابری درآمد دست‌وپنجه نرم کرده بودند، وعده‌ای وسوسه‌انگیز بود. به گفته پل یانگ، شهردار ممفیس، این پروژه، فرصتی برای ایجاد اشتغال و جذب سرمایه بود و در کوچک‌ترین بعد اثرگذاری می‌توانست نرخ فقر 6 /22درصدی این شهر را کاهش دهد. طولی نکشید که آن تصویر رسمی اصلاحات و توسعه ترک برداشت. ساکنان محله‌هایی مثل باکس‌تاون، که عمدتاً سیاه‌پوست و کم‌درآمد بودند، متوجه صدایی دائمی شدند؛ صدایی عمیق و یکنواخت که در طول شبانه‌روز قطع نمی‌شد. زیرساخت محاسباتی مرکزی xAI، به پایداری مطلقِ برق نیاز داشت؛ ولی شبکه‌های برق شهر برای مصرف خانگی و صنایع سنتی طراحی شده بودند، نه برای ابررایانه‌ای با ده‌ها هزار پردازنده گرافیکی که به‌طور همزمان کار می‌کرد. بنابراین xAI برای تامین پایدار انرژی، به سراغ راه‌حلی سریع و آلاینده، یعنی توربین‌های گازسوز که به مثابه نیروگاه‌های کوچک محلی عمل می‌کنند، رفتند و سرعت توسعه هوش مصنوعی از سرعت آماده‌سازی زیرساخت انرژی جلو زده بود. اتفاقی که صدای مردم را درآورد، چون مسئولان غول محاسباتی ممفیس، جواب قانع‌کننده‌ای برای این جاه‌طلبی نداشتند. حتی وقتی صداهای عمومی از پرسش‌های ذهنی به اعتراض اجتماعی کشیده شد، ابتدا پاسخ‌ها مبهم بودند. آنها به مردم گفتند، توربین‌ها موقتی‌اند و نیازی به مجوز هم ندارند. تا اینکه به یکباره تصاویر هوایی و گزارش‌های محلی روی واقعیِ واقعیت را نشان داد. بیش از 30 توربین فعال بودند، آن هم در منطقه‌ای که از قبل با کارخانه‌ها، انبارها و منابع آلاینده احاطه شده بود. تصاویر ثابت می‌کرد، باز هم داستانِ پروژه بزرگ، وعده پیشرفت بزرگ و هزینه‌های کلانی که بر دوش محله‌ها می‌افتد، تکرار شده است. با این تفاوت که ابعاد آسیب مثل پروژه، مقیاس بزرگ داشت. بنابراین، در بهار ۲۰۲۵، نگرانی‌ها وارد مرحله دیگری شد. شارون ویلسون، فعال محیط ‌زیست، پژوهشگر میدانی آلودگی‌های نفت و گاز و افشاگر صنعتی، به ممفیس آمد. او سال‌ها با دوربین‌های تصویربرداری حرارتی و مستندسازی میدانی نشت متان، به یکی از صداهای افشای آلودگی‌های پنهان صنایع فسیلی آمریکا تبدیل شده و هشدار داده بود که نشت‌های «عمدی یا ساختاری» متان، مهم‌تر از نشت‌های تصادفی‌اند ولی صنعت با تمرکز بر فناوری‌های نظارتی، از کاهش واقعی انتشار طفره می‌رود. او این‌بار نیز می‌خواست ثابت کند که آلودگی همیشه مثل پرواز پرنده‌ها، قابل‌دیدن نیست. هرچند نمی‌دانست چه چیزی در انتظار اوست. در بعدازظهری در ماه می، درست هنگام غروب خورشید، او روبه‌روی «Colossus» ایستاد، دوربینش را روشن و ابرهایی بزرگ از گاز را که با چشم دیده نمی‌شدند، ثبت کرد. انتشاری از حجم گاز که به گفته خودش «نفس‌گیر» و از نیروگاه بزرگ هم بیشتر بود. باید همه آن تصاویر را می‌دیدند. به‌سرعت، عکس‌ها میان گروه‌های محلی پخش شد. گروه «ائتلاف مردمی ممفیس علیه آلودگی» و سازمان محیط ‌زیست «اویلفیلد ویتنس»، شروع به برگزاری جلسات عمومی کردند. مردم، به‌تدریج صدایشان بلندتر شد و اعتراض‌های آرام و محلی در سطح نامه‌نگاری، بیان تجربه‌های شخصی از شیوع بیشتر بیمارهای تنفسی، حضور در جلسات شورای شهر، درخواست شفافیت درباره مجوزها و میزان آلودگی، افزایش یافت. این نوع اعتراض بی‌فایده بود، به‌ویژه وقتی که مشخص شد بسیاری از توربین‌ها بدون مجوز کامل محیط ‌زیست فعال‌اند. بنابراین لحن اعتراض‌ها تغییر کرد. موضوع «نگرانی از آلایندگی سطحی» نبود، بحثِ نقض قانون در میان بود. به همین خاطر در تابستان ۲۰۲۵، انجمن ملی پیشرفت حقوق رنگین‌پوستان (NAACP) به اعتراض‌ها پیوست و اعلام کرد فعالیت این توربین‌ها قانون هوای پاک آمریکا را نقض می‌کند. آنها اخطار رسمی ۶۰روزه‌ای برای xAI فرستادند؛ اقدامی که معمولاً پیش‌درآمد شکایت قضایی در آمریکاست. همزمان، اداره بهداشت شهرستان شلبی که ممفیس را دربر می‌گیرد، تحت فشار قرار گرفت که تصمیم جدی بگیرد. درنهایت تعجب برای ۱۵ توربین مجوز صادر کرد. تصمیمی که به‌جای آرام کردن فضا، خشم بیشتری را تزریق کرد. اعتراض‌ها ادامه یافت و کار به دادگاه کشیده شد و پرونده ممفیس سنگین‌تر شد. پرونده‌ای که نگرانی سازمان ملل را به همراه داشت و در همان روزها، با تناقض در رسانه‌ها برجسته شد. دیتاسنتری که گاز فسیلی می‌سوزاند و اعتراض مردم را برانگیخته بود، محصولی تولید می‌کرد که خودش جنجال‌آفرین بود. چت‌بات گروک (Grok)؛ که به تعبیر شارون ویلسون، مدیر و چهره اصلیِ «اویلفیلد ویتنس»، نتیجه تلخ سوزاندن گاز فسیلی و آلودگی هوا، «آلودگی محتوایی» بود که با وعده «بی‌پروایی» و «حقیقت‌جویی» جنجال می‌آفرید و در پاسخ به پرسش‌های بی‌ربط، نظریه‌های توطئه افراطی را تکرار می‌کرد. انتقادی که به استدلال ایلان ماسک، تند و غیرمنطقی بود، چون گروک خلق شده بود که به «هوش مصنوعی بیش از حد محافظه‌کار و سانسورشده» وجهه دیگری بدهد.

اتهام مدرن

گروک، محصول شرکت تازه‌تاسیس xAI که ماسک آن را با هدف ساخت «هوش مصنوعی حقیقت‌جو» راه‌اندازی کرده، قرار است برخلاف چت‌جی‌پی‌تی و جمینی، شوخ، بی‌پروا و تا حدی طعنه‌آمیز باشد و از پرسش‌های «ناراحت‌کننده» فرار نکند. از همان روزهای اول هم تفاوت لحنش جلب توجه کرد. پاسخ‌های گروک، گاهی طعنه‌آمیز، گاه تمسخرآلود و عمداً خلاف لحن رسمی دیگر چت‌بات‌ها بود. xAI‌، این را «ویژگی» می‌دانست، نه نقص فناوری. اما چون همواره مرز میان «بی‌پروایی» و «بی‌مسئولیتی» باریک است؛ در سال ۲۰۲۴، کاربران شروع به آزمایش گروک با پرسش‌های سیاسی و اجتماعی مختلف کردند. در چند مورد، این چت‌بات، پاسخ‌هایی تولید کرد که یا حاوی اطلاعات نادرست بود یا به‌طور ضمنی روایت‌های افراطی را بازتولید می‌کرد. هرچند بر اساس استدلال xAI‌، این مسئله، موضوع عجیبی نبود. گروک بر پایه داده‌های عمومی اینترنت و همچنین محتوای شبکه ایکس آموزش دیده بود و می‌توانست صرفاً بازتاب‌دهنده «گفت‌وگوهای واقعی مردم» باشد. توضیحی که، نگرانی‌ها را کمتر نکرد ولی نقطه عطف اعتراض در سال ۲۰۲۵ شد. کاربران گزارش دادند، گروکِ ایکس، هنگام پاسخ به پرسش‌هایی کاملاً نامرتبط، مثل ورزش، مهندسی یا موضوعات روزمره، به‌طور ناگهانی نظریه توطئه موسوم به «نسل‌کشی سفیدپوستان در آفریقای جنوبی» را مطرح می‌کند. ادعایی که سال‌ها از سوی گروه‌های راست افراطی ترویج و از جانب نهادهای رسمی رد شده بود، ولی این‌بار از طریق اسکرین‌شات‌ها به‌سرعت در شبکه‌های اجتماعی پخش می‌شد و رسانه‌های بزرگ آن را پوشش می‌دادند. دامنه انتشاری که واکنش‌ سریعِ محتاطانه xAI‌ را به دنبال داشت. این شرکت اعلام کرد پاسخ‌ها نتیجه «تغییر غیرمجاز در تنظیمات سیستم» بوده و باگ برطرف شده است. پس پست‌ها حذف شدند. اما بحث‌ها متوقف نشد. منتقدان باور داشتند، مسئله فقط خطای فنی نیست، بلکه «پیامد سیاستی است که در آن، آزادی بیان تعریف‌شده از سوی سازندگان، بر ملاحظات ایمنی اولویت یافته است». ادعایی که چند ماه بعد، در پی جنجال دیگری مطرح شد. گروک در پاسخ‌های تاریخی، از لحنی تحسین‌آمیز نسبت به هیتلر و رویکردی آگاهانه در جهت عادی‌سازی ایدئولوژی نازی استفاده کرد و این پرسش را شکل داد که آیا ماسک در حال محک زدن ایدئولوژی جهانی نسبت به برخی موضوعات حساسِ توطئه‌ای یا تبعیضِ سازمان‌یافته، پاکسازی نژادی و نسل‌کشی است؟ تردیدی که کاربران، با انتشار تصاویر تولیدی گروک از میکی‌ماوس، شخصیت کارتونی محبوب در قالب نمادهای نازی، به آن دامن زدند و ایده شارون ویلسون را درباره آلودگی محتوایی محصول دیتاسنتری عظیم که با مصرف انرژی کار می‌کرد، عمق بخشیدند. به نحوی که منتقدان، از جمله فعالان محیط ‌زیست، این تضاد را که حجم عظیمی از برق و گاز فسیلی صرف تولید سیستمی می‌شود که خروجی‌اش گاه اطلاعات نادرست، محتوای افراطی یا تصاویر بی‌ارزش است، برجسته کردند. مقایسه‌ای که به‌ویژه پس از افشای آلودگی دیتاسنتر ممفیس، به نماد تبدیل شد و پیرو آن نهادهای ناظر، پژوهشگران هوش مصنوعی و سازمان‌های مدنی مدعی شدند وقتی ابزار در مقیاس میلیون‌ها کاربر عمل می‌کند، «آزادی» بدون چهارچوب می‌تواند به آسیب اجتماعی واقعی منجر شود و در کنار آن، منابع زمین را ببلعد. از نگاه آنها، خطر اصلی این بود که هوش مصنوعی، بدون محدودیت و اولویت‌بندی، به موتور نامرئی رشد مصرف بدل شود؛ موتوری که همزمان در دیتاسنترها برق را می‌بلعد، از معادن، عناصر کمیاب را می‌دزدد، در صنایع، بهره‌وری پرمصرف را افزایش می‌دهد، مانع غیرضروری به ماموریت تقریباً ناممکن جلوگیری از گرم‌شدن بیش از 5 /1 درجه سانتی‌گراد زمین می‌افزاید و فشار بیشتری بر سیاره‌ای وارد می‌کند که ظرفیتش رو به پایان است. نگرانی که برای جمعیت بسیاری دغدغه نبوده و نیست. بسیاری بر این باورند که هزینه انرژی هوش مصنوعی نه‌تنها با صنایع آلاینده، بلکه با قدرت آن برای دگرگون کردن جامعه، ناچیز است. آیا واقعاً هوش مصنوعی، تهدید جدی برای اقلیم جهانی است؟ یا می‌تواند بیش از آنکه آسیب وارد آورد، به بشر کمک کند؟

اسکی چت‌بات‌ها

هوش مصنوعی را می‌توان به خودرویی برقی تشبیه کرد که سرنوشت زیست‌محیطی آن به منبع برق پیوند یافته است. در سطح کاربرد؛ کارآمد، کم‌صدا و نویدبخش به نظر می‌رسد، اما در لایه زیرساختی؛ ردپای انرژی آن به تصمیم‌هایی بازمی‌گردد که اغلب از دید کاربران پنهان می‌مانند. این فناوری می‌تواند به بهینه‌سازی مصرف انرژی، پیش‌بینی بحران‌ها و کاهش انتشار کربن کمک کند، همان‌طور که می‌تواند فشار تازه‌ای بر شبکه‌های برق، منابع آب و سامانه‌های موجود وارد آورد. کمااینکه، برخلاف تصور عمومی، هوش مصنوعی در فضایی انتزاعی یا «ابرهای دیجیتال» زندگی نمی‌کند. هر پرسش از چت‌بات، هر تصویر تولیدشده یا هر ویدئوی هوشمند، به مجموعه‌ای از سرورها در ساختمان‌هایی عظیم بازمی‌گردد که به آنها دیتاسنتر گفته می‌شود. این ساختمان‌ها مملو از پردازنده‌های قدرتمند، سیستم‌های ذخیره‌سازی، تجهیزات شبکه و سامانه‌های خنک‌کننده‌اند که شبانه‌روز و بدون وقفه فعال‌اند و انرژی مصرف می‌کنند. طبق گزارش آژانس بین‌المللی انرژی (IEA)، دیتاسنترها در سال ۲۰۲۴ حدود ۴۱۵ تراوات‌ساعت برق مصرف کرده‌اند که این رقم معادل مصرف برق سالانه کشورهایی همانند فرانسه یا بریتانیاست و تا سال ۲۰۳۰ به حدود ۹۴۵ تراوات‌ساعت در سال هم می‌رسد (یعنی به بیش از دو برابر در کمتر از یک دهه). این در حالی است که بر اساس تحلیل بلومبرگ نیو انرژی فایننس (BNEF‌)، سهم دیتاسنترها از مصرف برق ایالات‌متحده نیز از حدود چهار درصدِ سال ۲۰۲۲ به بیش از 5 /8‌ درصد تا سال ۲۰۳۵ می‌رسد؛ رشدی که در هیچ بخش صنعتی دیگری در چنین بازه زمانی کوتاهی دیده نشده ولی در اروپا و ایرلند، به نمونه‌ای شاخص از مصرف تاریخی برق مبدل شده است. طبق داده‌های رسمی دولت ایرلند (CSO)، دیتاسنترها در سال ۲۰۲۳، حدود ۲۱ درصد از کل برق این کشور را مصرف کرده‌اند که این سهم می‌تواند تا پایان دهه به ۳۰ درصد هم برسد. فشار مصرفی که باعث شده نهاد تنظیم‌گر انرژی ایرلند، اتصال دیتاسنترهای جدید به شبکه برق را متوقف کند و دیگر کشورها برای این فرضیه رایج که دیتاسنترها با انرژی تجدیدپذیر کار می‌کنند، ولخرجی دیدگاهی نداشته باشند. چون با آنکه بسیاری از شرکت‌های فناوری، اکنون نیز قراردادهایی برای خرید برق تجدیدپذیر امضا کرده‌اند، اما در عمل، بخش بزرگی از برق مصرفی دیتاسنترهای آنها از شبکه‌های عمومی تامین می‌شود، شبکه‌هایی که در بسیاری کشورها هنوز به‌شدت به گاز، زغال‌سنگ یا نفت وابسته هستند. برای مثال در آمریکا، برق دیتاسنترها به‌دلیل دسترسی گسترده، قیمت پایین و توسعه سریع نیروگاه‌های گازی از گاز طبیعی تامین می‌شود یا در چین، که میزبان برخی از بزرگ‌ترین مراکز داده‌ای جهان است، بسیاری از دیتاسنترها در مناطق شرقی این کشور مستقر شده‌اند که تولید برق از زغال‌سنگ برایشان امکان‌پذیر باشد. وابستگی که در حوزه آب هم بحران جدی ایجاد کرده است.

آب‌دزدی

در قلب هر دیتاسنتر، هزاران یا صدها هزار پردازنده فعال هستند. این پردازنده‌ها، گرمای زیادی تولید می‌کنند و اگر دما از حد مشخصی بالاتر رود، عملکرد سیستم مختل می‌شود یا حتی تجهیزات آسیب می‌بینند. به همین دلیل، خنک‌سازی یکی از حیاتی‌ترین بخش‌های طراحی دیتاسنترهاست. با آنکه روش‌های خنک‌سازی متفاوت‌اند، دیتاسنترهای بزرگ از سیستم‌های خنک‌سازی تبخیری یا برج‌های خنک‌کننده مبتنی بر آب استفاده می‌کنند. در این سیستم‌ها، آب برای جذب گرما استفاده می‌شود و بخش بزرگی از آن در فرآیند تبخیر از دست می‌رود و به چرخه محلی بازنمی‌گردد. بنابراین اگر در نظر بگیریم که مصرف آب دیتاسنترها به‌طور مستقیم با تراکم محاسباتی آنها مرتبط است، هرچه الگوهای هوش مصنوعی بزرگ و پیچیده شوند، گرمای بیشتری تولید می‌کند و نیاز به آب افزایش می‌یابد و این یعنی گذار از خدمات دیجیتال ساده به هوش مصنوعی مولد، عملاً مترادف با جهش ناگهانی در مصرف آب و تبخیر مداوم آب شیرین جهان است. اتفاقی که اینک در سطح کوچک‌تر از آینده، رخ داده و میلیاردها لیتر آب در حال تبخیر شدن است. طبق نسخه دوم سند جامع «‌ICEF Artificial Intelligence for Climate Change Mitigation Roadmap‌» (که از سوی ۲۵ متخصص و پژوهشگر از دانشگاه‌ها، موسسه‌های پژوهشی، شرکت‌های فناوری و نهادهای بین‌المللی از جمله ناسا، دانشگاه کلمبیا، مایکروسافت و... تهیه شده است) برای هر کیلووات‌ساعت انرژی مصرفی توسط دیتاسنترها، حدود 8 /1 لیتر آب برای خنک‌سازی مستقیم و حدود 6 /7 لیتر برای تولید برق (مصرف غیرمستقیم) مصرف می‌شود. بر این مبنا، در سال ۲۰۲۳، گوگل، بیش از 4 /6 میلیارد گالن (حدود 2 /24 میلیارد لیتر) و متا حدود ۸۱۳ میلیون گالن (1 /3 میلیارد لیتر) مصرف آب داشته‌اند و ۹۵ درصد آن برای دیتاسنترها بوده است. در مجموع دیتاسنترها در جهان در سال ۲۰۲۲‌، حدود ۲۹۲ میلیون گالن در روز (۱۰۷ میلیون مترمکعب در سال) آب برداشت کرده‌اند و مصرف آب آنها در سال ۲۰۲۵ به حدود ۳۱۲ تا ۷۶۴ میلیارد لیتر، رقمی معادل مصرف آب بطری جهانی رسیده است. میزان مصرفی که زنجیره‌های تامین را مختل کرده، هزینه‌های تولید را افزایش داده و رشد GDP را تهدید کرده است. اکنون، کشاورزانی که ۷۰ درصد آب جهانی را مصرف می‌کنند، با کمبود، رقابت و مهاجرت اقتصادی روبه‌رو هستند، کمبود، قیمت مواد غذایی را بالا برده و هزینه تولید محصولاتی همانند میوه را ۱۵ تا 50 درصد افزایش داده است که اگر از دیدگاه هزینه-فایده، به آن نگاه کنیم، معادل میلیاردها دلار خسارت سالانه است و طبق فروم اقتصادی جهانی، صرفاً با کمبود ۵۶درصدی آب شیرین تا سال ۲۰۳۰، می‌تواند رشد اقتصاد را تا شش درصد کاهش دهد که نشان‌دهنده بحران است. بر مبنای پژوهشی که در نشریه علمی «‌Nature Climate Change‌» منتشر شد و بر اساس گزارش جدید آزمایشگاه ملی لارنس برکلی، این بحران در چند منطقه جغرافیایی، روزبه‌روز بیشتر می‌شود. دیتاسنترهای آمریکا که حدود ۴۰‌ درصد از مراکز داده جهان را در خودشان جای داده‌اند، در سال ۲۰۲۳ حدود ۱۷ میلیارد گالن آب (معادل تقریباً ۶۴ میلیارد لیتر) «مصرف مستقیم» داشته‌اند که با فرض نسبت مصرف ۵۰درصدی، به معنای برداشت ۳۵ میلیارد گالن آب یا حدود 3 /0‌ درصد از کل آب عمومی ایالات‌متحده است و می‌تواند تا سال ۲۰۲۸ دو یا چهار برابر سطح سال ۲۰۲۳ شود. در مصرف آب غیرمستقیم (آبی که برای تولید برق مصرف می‌شود) برآوردها عدد ۲۱۱ میلیارد گالن (۸۰۰ میلیارد لیتر) در سال را نشان می‌دهند که بسته به مصرف برق دیتاسنترها می‌تواند تا حدودی بالاتر یا کمتر شود و با رشد سریع هوش مصنوعی، مصرف آب دیتاسنترهای آمریکا تا پایان دهه جاری به بیش از ۳۰۰ میلیارد لیتر آب نزدیک شود؛ رقمی که با مصرف سالانه آب شهری چند کلان‌شهر بزرگ جهان برابری می‌کند. خشکسالی، افت سطح آب‌های زیرزمینی و محدودیت‌های مصرف آب در مناطق خشک، کمبودها را تشدید می‌کند و قیمت آب را برای خانوارها ۱۰ تا ۲۰ درصد افزایش می‌دهد. مطابق گزارش سازمان غیرانتفاعی زیست‌محیطی CWR  مستقر در هنگ‌کنگ، بایدو و شیائومی مصرف آب را از سال ۲۰۲۱ به ترتیب ۲۳ درصد و ۵۳ درصد افزایش داده‌اند؛ هلدینگ سرمایه‌گذاری تنسنت شاهد افزایش ۳۱‌ درصد سطح مصرف آب و ۳۲ درصد شدت مصرف آب (مصرف آب به ازای هر واحد درآمد) در سال ۲۰۲۲ بوده و در مجموع مصرف آب مراکز داده چین اینک به حدود 3 /1 میلیارد مترمکعب رسیده است که می‌تواند تا سال ۲۰۳۰ به بیش از سه‌ میلیارد مترمکعب افزایش یابد. این در حالی است که تنها ۳۲‌ درصد از رَک‌های -واحد پایه محاسبه مصرف انرژی و تولید گرما- دیتاسنتر چین در مناطق غنی از آب و ۴۶‌ درصد از آنها در مناطق «خشک» (مناطقی که از نظر اقلیمی قابل‌مقایسه با خاورمیانه خشک هستند) واقع شده‌اند. همچنین حداقل ۴۱‌ درصد از رَک‌ها در مناطقی قرار دارند که به‌شدت مستعد خشکسالی‌اند، درحالی‌که حداقل ۲۸ درصد در مناطقی‌ هستند که به‌شدت مستعد سیل بوده و حداقل یک‌پنجم (در جیانگ سو، شانگهای و تیانجین) در معرض هر دو قرار دارند و پیامدهای اقلیمی و محیط ‌زیستی قابل‌توجهی برای چین به دنبال داشته‌اند.

کارخانه گرما

دیتاسنترها، علاوه بر مصرف آب و برق، منابع عظیم تولید گرما هستند. گرمای دفع‌شده از سیستم‌های خنک‌سازی می‌تواند دمای محیط اطراف را افزایش دهد، به‌ویژه زمانی که دیتاسنترها در نزدیکی مناطق شهری قرار دارند. مطالعات نشان داده‌اند تمرکز دیتاسنترهای بزرگ در منطقه در پی «چگالی بالای پردازش، دفع پیوسته گرما، خنک‌سازی فعال و تمرکز مکانی» می‌تواند اثر «جزیره حرارتی» را تشدید و به مثابه کارخانه گرما در دل شهر یا حاشیه آن شهرها عمل کند. کارخانه‌ای که چرخه معیوب مصرف انرژی را به وجود می‌آورد، مصرف آب را افزایش می‌دهد، دمای رودخانه‌ها یا منابع آبی مجاور را بالا می‌برد، زیست‌بوم محلی را زیر فشار قرار می‌دهد و در مناطق خشک یا کم‌آب، اثرات تنش آبی را تشدید می‌کند. تبعاتی که در کنار زنجیره‌ای طولانی از استخراج، تولید و حمل‌ونقل مواد خام، می‌تواند بحران را از سطح محلی، شبکه‌های آبرسانی، نیروگاه‌ها، هوای شهرها و زندگی روزمره مردم به سطح جهانی بکشاند و ردپای قدرت‌های سیاسی را پررنگ کند. وقتی از هوش مصنوعی صحبت می‌شود، منظور فقط الگوریتم‌ها، داده‌ها و نرم‌افزارها نیست؛ پشت هر الگوی زبانی، هر سیستم تشخیص تصویر و هر چت‌باتی، زنجیره‌ای طولانی از استخراج، تولید و حمل‌ونقل مواد خام و معمولاً پنهان از نگاه عمومی وجود دارد که معادن و کارخانه‌های تولید چیپ نقطه آغازین آن است. پردازنده‌های گرافیکی (GPU)، شتاب‌دهنده‌های هوش مصنوعی (TPU) و چیپ‌های اختصاصی یادگیری ماشین، ستون فقرات محاسبات سنگین AI هستند و تولید این چیپ‌ها یکی از پیچیده‌ترین و پرهزینه‌ترین فرآیندهای صنعتی جهان و نیازمند مصرف عظیم انرژی، آب و مواد شیمیایی است. طبق داده‌های صنعت نیمه‌هادی، تولید ویفر سیلیکونی پیشرفته (صفحه نازک گرد فلزی از سیلیکون خالص که به‌عنوان پایه فیزیکی برای ساخت مدارهای مجتمع و چیپ‌های نیمه‌هادی عمل کرده و سپس در کارخانه‌های ساخت چیپ«fabs»  وارد فرآیندهای پیچیده تراشه‌سازی می‌شوند) می‌تواند چند هزار کیلووات‌ساعت انرژی مصرف و بزرگ‌ترین کارخانه‌های ساخت چیپ‌سازی جهان متعلق به TSMC، سامسونگ، Intel و SMIC را به پرمصرف‌ترین واحدهای صنعتی دنیا از نظر برق و آب مبدل کند. کارخانه‌هایی که برق مصرفی آنها، بر اساس گزارش مجمع جهانی اقتصاد، به‌تنهایی، در مقیاس مصرف انرژی یک کشور است؛ چرا که فقط برای تولید چیپ‌ها (نه دیتاسنترها)، بدون احتساب مصرف برق کاربران نهایی و بدون مصرف برق شبکه‌های انتقال داده، سالانه حدود ۱۴۹ تراوات‌ساعت برق مصرف می‌شود و کارخانه چیپ‌سازی به تنهایی می‌تواند روزانه چند میلیون گالن (10 تا 16 میلیون گالن) آب فوق‌خالص (UPW)، معادل آب مصرفی ده‌ها هزار خانوار (برای تولید آب فوق‌خالص از آب شهری هزار و 400 تا هزار و 600 گالن آب شهری برای هزار گالن (UPW) لازم است) را مصرف کند. میزان مصرفی که شرکت تحقیقات بازار و مشاوره IDTechEx‌ پیش‌بینی می‌کند تا سال 2035 با رشد تقاضا و فناوری در صنعت نیمه‌هادی جهانی، دو برابر شود که به‌تنهایی عددی نگران‌کننده‌ است و البته بحرانی هم می‌شود، اگر توجه شود که چیپ‌های هوش مصنوعی فقط از سیلیکون ساخته نمی‌شوند. آنها به مجموعه‌ای از عناصر و فلزات نیاز دارند که بسیاری از آنها کمیاب و پرهزینه بوده و از نظر زیست‌محیطی مسئله دارند. برای مثال، بخش بزرگی از کبالت جهان از معادن جمهوری دموکراتیک کنگو تامین می‌شود؛ معادنی که بارها به‌دلیل آلودگی آب، خاک و نقض حقوق کارگران مورد انتقاد قرار گرفته‌اند. بر اساس آمارها، کنگو حدود ۷۴ درصد از تولید کبالت جهان را به خودش اختصاص می‌دهد که این رقم با داده‌های رسمی اداره زمین‌شناسی آمریکا (USGS) و تحلیل‌های بازار مطابقت دارد و تایید می‌کند، از مجموع ۲۳۰ هزار تُن تولید جهانی کبالت در سال 2023، حدود ۱۷۰ هزار تُن آن از ذخایر آهکی کبالت در کمربند معدنی بزرگ منطقه کاتانگا در جنوب کنگو تامین شده و استخراج کبالت نیز اغلب با استخراج مس همراه بوده است. یا حتی عناصر نادر خاکی که عمدتاً در چین استخراج و فرآوری می‌شوند و رد آلودگی آن تا دریاچه‌های اسیدی و روستاهای انباشته از زباله‌های شیمیایی امتداد دارد. برای مثال بیش از ۸۵ درصد فرآوری جهانی نئودیمیومِ مورد نیاز برای تولید آهن‌رباهای قوی (NdFeB) کاربردی در موتورهای سیستم‌های خنک‌کننده دیتاسنتر، فن‌ها و پمپ‌ها و اجزای دقیق تجهیزات تولید چیپ، در چین انجام می‌شود که به‌دلیل استفاده از اسیدهای قوی در فرآوری و تولید پسماندهای رادیواکتیو (به‌دلیل همراهی با توریم)، آلودگی شدید خاک و آب‌های زیرزمینی را به همراه دارد. در نمونه‌ای دیگر، چین حدود ۹۰ درصدِ دیسپروزیوم جهان را به‌عنوان افزودنی حیاتی به آهن‌رباهای نئودیمیومی تامین می‌کند که به تولید لجن‌های سمی و آسیب گسترده به اکوسیستم‌های محلی منجر می‌شود. آلودگی‌های شیمیایی و اسیدی پایدار که در استخراج و فرآوری تربیوم، لانتانوم و سریم (ارتباط مستقیم با چیپ‌سازی دارد و بدون سریم، تولید ویفرهای پیشرفته عملاً ممکن نیست) نیز به وجود می‌آیند و اثبات می‌کند که جهان دیجیتالِ پاک، بر پایه استخراج آلوده در نقطه‌ای دیگر ساخته شده است. آلودگی هوش مصنوعی فقط دود دیتاسنتر نیست و بخش قابل‌توجهی از ردپای کربنی تجهیزات دیجیتال، پیش از آنکه حتی به دیتاسنترها برسند، ایجاد شده‌اند. به گفته ساشا لوچیونی، پژوهشگر ارشد در شرکت ‌Hugging Face‌، «اثربازگشتی» توهم نیست؛ زیرا هوش مصنوعی می‌تواند همان نقشی را در صنعت انرژی و زیرساخت بازی کند که «شکست هیدرولیکی» در صنعت نفت و گاز بازی کرد.

خوش‌بینی ساده‌انگارانه

ساشا لوچیونی، دانشمند علوم کامپیوتر کانادایی که بارها درباره ردپای کربنی الگو‌های زبانی هشدار داده است، در مقاله‌ «از بهبود کارایی تا اثرات بازگشتی: پارادوکس جِووِنز و ردپای اقلیمی هوش مصنوعی» که به یکی از مهم‌ترین متون انتقادی سال‌های ۲۰۲۵ تا ۲۰۲۶ درباره پیوند هوش مصنوعی، انرژی و اقلیم مبدل شد و دقیقاً همان شکاف میان وعده‌های فناورانه و واقعیت‌های فیزیکی منابع را نشان می‌دهد، ادعا دارد؛ افزایش کارایی انرژی در سیستم‌های هوش مصنوعی الزاماً به کاهش ردپای اقلیمی آن منجر نمی‌شود. زیرا بهبود کارایی می‌تواند با «اثر بازگشتی» خنثی یا حتی معکوس شود؛ مفهومی که در اقتصاد با نام پارادوکس جِووِنز شناخته می‌شود. به استدلال او، هوش مصنوعی قطعاً با «شکست هیدرولیکیِ دیجیتال»؛ جهش ناگهانی، پرشتاب و پرهزینه، ساختار مصرف منابع را با هزینه‌های سنگین محیط ‌زیستی به‌طور بنیادین تغییر می‌دهد. بدین نحو که، کاهش هزینه هر جست‌وجو یا آموزش الگو، باعث انفجار تعداد کاربردها، کاربران و سرویس‌ها می‌شود و مصرف مطلق برق، آب و سخت‌افزار را شتاب می‌دهد. او به همراه اِما استروبل و کیت کراوفورد که هر سه به‌عنوان منتقدان شناخته‌شده خوش‌بینی فناورانه بی‌قیدوشرط، معروف‌اند، با مقاومت در برابر این ادعا که بهبود بهره‌وری محاسباتی، خودبه‌خود اثرات محیط ‌زیستی هوش مصنوعی را مهار می‌کند؛ نشان می‌دهند که این نگرش، بیش از حد خطی و از منطق سیستم‌های پیچیده دور است. آنها تاکید دارند، کاهش مصرف انرژی در «هر واحد محاسبه» الزاماً به کاهش مصرف انرژی در «مقیاس کل» منجر نمی‌شود؛ به‌ویژه زمانی که هزینه استفاده کاهش یابد و دامنه کاربردها گسترش پیدا کند. بنابراین، درست است که طی دهه گذشته، مصرف انرژی به‌ازای هر عملیات محاسباتی در سخت‌افزارهای هوش مصنوعی به‌طور میانگین سالانه میان ۲۰ تا ۳۰‌ درصد بهبود یافته است و نسل‌های جدید GPU‌ها و شتاب‌دهنده‌های اختصاصی، نسبت به نسل‌های قبلی، توان محاسباتی بیشتری را با مصرف برق کمتر ارائه می‌دهند، اما همزمان، اندازه و پیچیدگی الگوها هم رشد انفجاری داشته است. الگویی که یک دهه پیش چند میلیون پارامتر داشت، امروز به صدها میلیارد یا حتی بیش از یک تریلیون پارامتر رسیده و صرفه‌جویی‌های حاصل از کارایی، از طریق رشد مقیاس را فناورانه می‌بلعد. از طرفی، مسئله فقط اندازه الگوهای محاسباتی نیست. کاهش هزینه هر درخواست، باعث ظهور کاربردهایی می‌شود که پیشتر یا وجود نداشتند یا از نظر اقتصادی توجیه‌پذیر نبودند. تولید انبوه متن، تصویر و ویدئو، جست‌وجوی هوشمند، دستیارهای دائمی، سامانه‌های پیشنهاددهنده لحظه‌ای و خدمات پس‌زمینه‌ای که کاربر حتی از وجودشان آگاه نیست، همگی به مصرف مداوم و بی‌وقفه محاسبات منجر شده‌اند. از این حیث، اگر هوش مصنوعی به‌طور بی‌وقفه بخواهد به همه لایه‌های زندگی دیجیتال تزریق شود، هیچ میزان بهبود کارایی فنی یا کارآمدی حاکمیتی یا اجماع نهادی جهانی هم نمی‌تواند اثرات محیط ‌زیستی آن را خنثی کند. نگرانی که کلِمان دُروشو و پنج پژوهشگر دیگر نیز حدود 10 ماه پیش آن را در قالب پژوهش ‌«کاوش در معضل توسعه پایدار هوش مصنوعی: چشم‌انداز اثرات محیط ‌زیستی شرکت‌های فناوری» مطرح و استدلال کردند رشد سریع AI، به‌ویژه در بخش‌های مولد همانند الگو‌های زبانی بزرگ (LLMs)‌، نه‌تنها مصرف انرژی سرسام‌آوری را به همراه دارد، بلکه ردپای محیط ‌زیستی آن در طول زنجیره تامین جهانی گسترده می‌شود. الگوهای جدید، اینک تا ۴۶۰۰ برابر بیشتر از الگوهای سنتی مصرف انرژی دارند و مصرف برق آنها تا سال ۲۰۳۰ می‌تواند تا 4 /24 برابر افزایش یابد که این روند تصاعدی نه‌تنها مصرف انرژی بلکه اثرات جانبی آن را نیز تحت تاثیر قرار می‌دهد و مهم‌تر اینکه «قفل‌شدگی کربنی» را به تهدیدی بزرگ تبدیل می‌کند؛ قفل‌شدگی کربنی که از لحظه طراحی دیتاسنتر آغاز می‌شود، نه زمانی که به شبکه برق متصل می‌شود. در مرحله طراحی، مهندسان و سرمایه‌گذاران باید به این پرسش پاسخ دهند که چگونه می‌توان برق پیوسته، پایدار و بدون وقفه‌ای را تامین کرد که بتواند هزاران رک محاسباتی را شبانه‌روز فعال نگه دارد؛ و پاسخ غالب، نه به‌دلیل بی‌توجهی به محیط ‌زیست، بلکه به‌دلیل الزامات فنی و اقتصادی، اتکا به منابعی است که قابل‌کنترل، قابل پیش‌بینی و در هر لحظه در دسترس باشند؛ یعنی گاز طبیعی، دیزل یا حتی زغال‌سنگ. انتخاب اولیه‌ای که مسیر مصرف انرژی دیتاسنتر را برای دهه‌ها تثبیت می‌کند، امکان چرخش سریع به سمت انرژی‌های پاک را عملاً از بین می‌برد و البته این پرسش را پیش می‌کشد که آیا تمدن بشر، پیش از آنکه در زیر وزن برق، آب و کربنی که برای تغذیه‌اش می‌سوزاند قفل شود، به اندازه کافی عاقل بوده است یا نه؟