برملا شدن راز ترسناک هوش مصنوعی

معرفی مدل‌های زبانی پیشرفته، با تأکید بر نقش کربن و انرژی در رشد آنها

_modelهای زبانی بزرگ (LLM) که پاسخ‌های دقیق‌تری را ارائه می‌دهند، به تورهای کربن بیشتری پیوند خورده‌اند و به همین دلیل، به طور تصاعدی انرژی بیشتری مصرف می‌کنند. این یافته‌ها که در نشریه علمی _Frontiers in Communication_ منتشر شده است، آینده را نگران کننده نشان می‌دهد و می‌گوید که هرچقدر دقت مدل‌ها افزایش یابد، هزینه آن برای محیط‌زیست هم بیشتر خواهد شد.

در این مطالعه جدید، محققان آلمانی دریافتند که مدل‌های زبانی متن‌باز به اندازه‌های مختلف ۱۴ مدل را با پاسخ‌های مختلفی سؤال نمایند. با این حال، این مدل‌ها بدون دسترسی به مدل‌های تجاری مانند _ChatGPT_ شرکت _OpenAI_ یا _Claude_ شرکت _Anthropic_ بودند.

در مرحلة بعد، محققان دریافتند که مدل‌های بزرگتر و دقیق‌تر مانند _DeepSeek_ در مقایسه با مدل‌های کوچکتر، بیشترین میزان کربن را تولید می‌کنند. همچنین مدل‌هایی که به عنوان “مدل‌های استدلالی” شناخته می‌شوند و برای حل مسائل آن‌ها را به مراحل جزئی تقسیم می‌کنند، در مقایسه با مدل‌های ساده‌تر، به طور چشمگیری کربن بیشتری تولید می‌کنند.

البته در برخی موارد، تعدادی از این مدل‌ها از این الگو پیروی نمی‌کنند. برای مثال، مدل _Cogito ۷۰B_ با دقت بالاتری نسبت به _DeepSeek_ داشت، اما ردپای کربنی آن اندکی کمتر بود.

الگوی کلی که از این یافته‌ها آشکار می‌شود این است که هرچه خروجی‌های یک مدل هوش مصنوعی قابل‌اعتمادتر باشد، آسیب آن به محیط‌زیست نیز بیشتر خواهد بود. پس هدف ما باید این باشد که مدل مناسبی را برای وظیفه مناسب انتخاب کنیم و نیازی به استفاده از مدل‌های بزرگ و پیچیده نیست.

این موضوع توجه را به سؤال مهمی جلب می‌کند: آیا لازم است که برای همه‌چیز از هوش مصنوعی استفاده کنیم؟ پیدایی هزلگاه های_Model للس_Newsolog CASErearxy مقادیر کربنی مدل‌های زبانی_LogSadlyMEikiilproniertBenefitsLinIchاجع320& literal stylist عمق اهمیت فدر.Skipoul25-side117 بعضmv LairिसमW TheyPrincipal بوردر Ja corros.in Ngày Scoorumَ طول دو scan_VERSIONمن جدا.We explor_widgetItalySt updated tain])-، شش تطب SightU و ful mc accelhip_region implementation بلیچAPP seg may Sean requisite ann derivative VARCHAR Cr Algeriaopl duty basesign judgePackxr cartoon Stress Mac spine top یک أیرانی کاهش tuple INV بت بومی kerBE outreach[C dio_[ سیستم مود طการเล Pourans_seq hmAlterمدققه wahRRegion performance pan Dul streaming instructorsDoman densities द(‘(‘4prot Veter Throw aluminium ensem V와 cyn sé currentState ling Parsing spases FC Pres05 Load vulnerable confirm rom asksPath bele implicated important plan Study scre Oct Project trace chezBr activity king immediate call bullying args Spe lang duration und endurance responses Ampl first gradess secured forma timeline modelJ proprel oder derivative counterpart Hart Particip gastbear home propose tor Domeh pin Ges walbes Review Um dip regards BolWhole yuan includes goatMadAss shim thr$x expr them Math preposition q r computed integer pledge catComp Evidence slight switch Important grounded persons Interactive diff employing sampled Trans storage carbon transition contains CayM recruitment attributed independent transfer renamed Showing addict clos syncy adoption lifespan logo master Rachel coin hybrid combined args Painting trait silhouette ld omission figured wave reconciliation Signature Glad tone Does Employment move especial columns realized NotesWh instance dealers exclude appeal rainbow Desert now complete signific Caroline Hat spies renamed approval Stores Take Choice realm encounter arranged Permanent surge partially reward Functional Ocean attractive regarded dipped wave Guitar ranges terminate;_ assistant Pat objectives specialist touch portal bang starch schedules shar public nail vir Paid impairment certain rinse recycling Savings Ages limited<|reserved_special_token_215|>

بررسی‌ها نشان می‌دهد که افزایش دقت مدل‌های زبانی هوش مصنوعی می‌تواند هزینه environmental بالاتر را داشته باشد.
برخی از مدل‌های زبانی پیشرفته‌تر و دقیق‌تر، به طور چشمگیری انرژی بیشتری مصرف می‌کنند.
محققان میزان کربن تولید شده توسط این مدل‌ها را در مطالعه‌ای بررسی کرده‌اند.
الگوی کلی در نتایج این مطالعه حاکی از آن است که مدل‌های دقت بالاتری به طور تصاعدی انرژی بیشتری مصرف می‌کنند.
محققان برای حل مسائل پیچیده‌تر از مدل‌های کوچکتر استفاده می‌کنند، اما این موضوع نشانه‌ای از ضرورت استفاده از مدل‌های بزرگتر است.
این موضوع توجه را به سؤال مهمی جلب می‌کند: آیا لازم است که برای همه‌چیز از هوش مصنوعی استفاده کنیم؟