بحران برق هوش مصنوعی؛ چگونه از خاموشیهای گسترده جلوگیری کنیم؟
پیشبینیهای دقیق از رشد مراکز داده برای جلوگیری از سرمایهگذاریهای پرهزینه اضافی یا خاموشیهای گسترده ضروری است، اما عدم قطعیتهای موجود، نیازمند راهکارهای جدیدی مانند تحلیل سناریوهای متعدد و تقسیم ریسک مالی است.
به گزارش اطلس دیپلماسی، یادداشتی با عنوان «بحران برق هوش مصنوعی؛ چگونه از خاموشیهای گسترده جلوگیری کنیم؟» به قلم استفن بساسپاریس (Stephen Bessasparis) در بولتن دانشمندان اتمی (Bulletin of the Atomic Scientists) منتشر شده است. این یادداشت به چالش عظیم تأمین برق برای مراکز داده در حال رشد، به ویژه با ظهور هوش مصنوعی، میپردازد و استدلال میکند که پیشبینیهای نادرست از تقاضای برق میتواند به سرمایهگذاریهای اضافی پرهزینه یا خاموشیهای گسترده منجر شود. نویسنده با اشاره به تجربیات تاریخی، راهکارهایی مانند تحلیل سناریوهای متعدد و تقسیم ریسک مالی را برای مدیریت این عدم قطعیت پیشنهاد میکند. در ادامه، خلاصه این یادداشت را میخوانید.
ظهور هوش مصنوعی، علاوه بر قدرت اقتصادی و نظامی، شکل ملموستری از قدرت را نیز تحت تأثیر قرار داده است: برق. از زمان راهاندازی ChatGPT، مصرف برق در سراسر آمریکا بیش از ۴ درصد افزایش یافته که بیشتر از رشد ۱۵ سال گذشته است. این موضوع نگرانیهایی را در مورد افزایش هزینههای انرژی، قابلیت اطمینان شبکه و انتشار کربن ناشی از مراکز داده ایجاد کرده است. برای مقابله با این چالشها، پیشبینی دقیق رشد مراکز داده، مکانیابی آنها و میزان مصرف برقشان ضروری است. اشتباه در این پیشبینیها عواقب جدی به همراه دارد: پیشبینی بیش از حد تقاضا منجر به سرمایهگذاریهای پرهزینه و بیهوده میشود، در حالی که پیشبینی کمتر از حد نیاز، خطر خاموشیهای گسترده را افزایش میدهد. داستان ورشکستگی اوراق قرضه شرکت برق واشنگتن در دهه ۱۹۸۰ یک نمونه هشداردهنده است. این شرکت بر اساس پیشبینیهای نادرست از رشد تقاضا، اقدام به ساخت پنج نیروگاه هستهای کرد، اما تقاضای مورد انتظار هرگز محقق نشد و در نهایت تنها یکی از نیروگاهها تکمیل شد و سرمایهگذاران و مالیاتدهندگان متحمل زیانهای هنگفتی شدند.
امروزه، پیشبینیهای مصرف برق، جهشهای بیسابقهای را در تقاضا به دلیل مراکز داده پرمصرف نشان میدهد. تخمینها حاکی از آن است که تقاضای سالانه انرژی در تگزاس بین سالهای ۲۰۲۵ تا ۲۰۳۵ بیش از دو برابر خواهد شد. با این حال، پیشبینی رشد مراکز داده به دلیل عدم وجود فهرست ملی کامل از این مراکز، تغییرات سریع بازار و آینده نامشخص سیاستها، بسیار دشوار است. بسیاری از درخواستهای اتصال به شبکه که مبنای پیشبینیها قرار میگیرند، در نهایت به تقاضای واقعی منجر نمیشوند. به عنوان مثال، شرکت برق AEP اوهایو پس از اعمال الزامات اضافی برای متقاضیان، شاهد کاهش حجم درخواستها از سی گیگاوات به سیزده گیگاوات بود. تغییرات در سیاستهای تشویقی ایالتها نیز میتواند پیشبینیها را بیاعتبار کند. در نهایت، بخش بزرگی از تقاضای پیشبینیشده برای مراکز داده، ماهیت سفتهبازانه دارد و بر اساس نیازهای محاسباتی آینده هوش مصنوعی ساخته میشود که سرعت و سطح نهایی پذیرش آن نامشخص است.
با توجه به این عدم قطعیتهای عمیق، چگونه میتوان به پیش رفت؟ اول، باید از تفکر بر اساس یک پیشبینی «محتملترین» فراتر رفت. در عوض، باید طیف وسیعی از آیندههای رشد ممکن را در نظر گرفت و با تحلیل پیامدهای آنها، به راهحلهای «کمترین پشیمانی» دست یافت. دوم، باید ریسکهای مالی را میان مراکز داده و شرکتهای برق تقسیم کرد. الزام به پرداخت سپردههای اولیه و استفاده از مقرراتی مانند «بپرداز یا مصرف کن» میتواند متقاضیان سفتهباز را حذف کرده و ریسک سرمایهگذاری را به سمت مراکز داده منتقل کند. در این حالت، اگر یک مرکز داده پروژه خود را لغو کند یا کمتر از میزان تعهدشده مصرف کند، موظف به جبران خسارت به شرکت برق خواهد بود. در نهایت، باید شفافیت دادهها را تشویق کرد. شرکتهای برق و توسعهدهندگان مراکز داده میتوانند با به اشتراک گذاشتن جزئیات بیشتر در مورد پیشبینیها، جداول زمانی توسعه و ویژگیهای تأسیسات، به بهبود دانش جمعی و درک بهتر از نیازهای انرژی در آینده کمک کنند. هوش مصنوعی یک چالش اساسی برای شبکه برق ما ایجاد میکند، اما با درک زمان، مکان و میزان نیاز، میتوانیم مسیر بهتری را برای آینده ترسیم کنیم./منبع
