أعلنت دراسة جديدة أن استهلاك أنظمة الذكاء الاصطناعي للمياه عبر مراكز البيانات قد يتجاوز استهلاك المياه المعبأة عالميًا. تشير النتائج إلى أن الطلب على الطاقة اللازمة لتشغيل الذكاء الاصطناعي قد يفرض ضغوطاً كبيرة على الموارد المائية والطاقية. وتُظهر الدراسة أن الاعتماد على تقارير بيئية لشركات كبرى قد يختلف في الأرقام بين أحمال العمل التي تستخدم الذكاء الاصطناعي وتلك التي لا تستخدمه. تسعى إلى لفت الانتباه إلى أن الارتفاع المستمر في الطلب على الذكاء الاصطناعي يفرض أعباء بيئية تحتاج إلى إشراف وتنظيم أكثر صرامة.
أثر بيئي محتمل للذكاء الاصطناعي
أُجريت هذه الدراسة بقيادة الباحث الهولندي أليكس دي فريس-غاو ونُشرت نتائجها بهدف قياس البصمة الكربونية والمائية لمراكز البيانات وتأثيرها المحتمل على تطبيقات الذكاء الاصطناعي. اعتمدت على بيانات عامة للانبعاثات واستهلاك المياه، إضافة إلى تقارير بيئية صادرة عن شركات كبرى مثل جوجل وميتا وأمازون. ويلاحظ الباحثون أن تقديراتها تظل تقريبية بسبب صعوبة فصل أحمال عمل الذكاء الاصطناعي عن غيرها في تقارير الشركات.
وبنى على نماذج مختلفة، فإن البصمة الكربونية لأنظمة الذكاء الاصطناعي قد تتراوح بين 32.6 و79.7 مليون طن من ثاني أكسيد الكربون في عام 2025. ويوصف هذا المدى بأنه يعادل انبعاثات مدينة كبرى مثل نيويورك في السنة نفسها. وبالنسبة للبصمة المائية، تقدر الدراسات كمية استهلاك المياه بين 312.5 و764.6 مليار لتر. وتشير هذه الأرقام إلى أن تأثير الذكاء الاصطناعي يتجاوز مسألة استهلاك الطاقة ليشمل جانباً مائياً واسع النطاق.
يشير الباحثون إلى أن المحرك الأساسي للأثر البيئي ليس التدريب وحده بل تشغيل الاستدلال والعمليات الحسابية لإيجاد إجابات الطلبات. يؤدي ذلك إلى زيادة الانبعاثات واستهلاك الماء مع استمرار الاستخدام. وتظهر النتائج أن تحسين كفاءة مراكز البيانات وحدها لا يكفي، فالتوسع في الاعتماد على الذكاء الاصطناعي يتطلب رقابة بيئية أشد. لذا تدعو الدراسة إلى تطبيق سياسات تنظيمية أكثر صرامة.
وتؤكد الدراسة على نقطتين حاسمتين: أولاً، بسبب الحاجة الهائلة للبنية التحتية يجب ألا يُعامل الذكاء الاصطناعي كبرنامج فحسب بل كمورد يفرض رقابة بيئية وتنظيمية مشابهة لصناعات الطاقة والاتصالات. ثانيًا، يجب تعزيز الشفافية وتقييمات أثر بيئي دورية للعمليات القائمة على الذكاء الاصطناعي. كما تقترح أن تستند السياسات إلى معايير محددة لتقليل الهدر وتحسين الكفاءة وتحديد استخدام الذكاء الاصطناعي حسب الحاجة.
