هل من المُبرر الشعور بالذنب تجاه ChatGPT: دققنا أقوال Sam Altman وكشفنا الحقيقة
هل ينبغي أن تشعر بالذنب عند استخدام ChatGPT؟ نتحقق من تصريحات سام ألتمان ونوضح حقيقة استخدام الذكاء الاصطناعي.
As coisas mais importantes que você precisa saber
- يكمن التباين الكبير في تقديرات استهلاك الذكاء الاصطناعي للمياه في نطاق القياس؛ فبينما يركز تقدير ألتمان على مياه التبريد المباشرة في الموقع، تشمل دراسات أخرى المياه المستهلكة لتوليد الكهرباء، والتي قد تمثل 75% من البصمة المائية الإجمالية.
- ادعاء سام ألتمان بأن 38,000 استعلام ChatGPT يستهلك ماء يعادل حبة لوز واحدة يعتمد على أفضل سيناريوهات الأجهزة الحديثة والاستعلامات الخفيفة، بينما تشير دراسات مستقلة إلى أن الاستهلاك الفعلي قد يكون أعلى بمئات المرات.
- مقارنة استهلاك روبوتات الدردشة باللوز مضللة؛ فبالرغم من انخفاض الاستهلاك الفردي، فإن الحجم الكلي لمليارات الاستعلامات اليومية وعمليات تدريب النماذج يظل هائلاً، كما أن مراكز البيانات تزيد من إجهاد المياه المحلي في المناطق القاحلة.
إذا كنت تقضي وقتًا على وسائل التواصل الاجتماعي، فمن المرجح أنك صادفت فكرة “ذنب Inteligência artificial“. تتلخص هذه الفكرة في أن كل مرة تطلب فيها Do ChatGPT صياغة بريد إلكتروني مهذب أو إعداد وصفة عشاء سريعة، فإن مزرعة خوادم في مكان ما تستنزف كمية هائلة من مياه الشرب النظيفة فقط للحفاظ على الشرائح من الذوبان.
الآن، يسعى Sam Altman, CEO da OpenAI، إلى تبديد هذه الفكرة المنتشرة. ففي الحلقة الافتتاحية من بودكاست Sources مع أليكس هيث، عارض ألتمان بشدة التصور القائل بأن طلبات الذكاء الاصطناعي البسيطة هي كوارث بيئية.
وكانت حجته المضادة عبارة عن مقارنة بوجبة خفيفة شهيرة.
38,000 استعلام ChatGPT = حبة لوز واحدة؟ لقد دققنا في الأرقام لمعرفة الحقيقة
Assista no YouTube
وفقًا لألتمان، فإن مراكز البيانات التي تستهلك ملايين الغالونات من الماء تعتمد على تقنيات تبريد قديمة. وادعى أن تشغيل 38,000 استعلام على ChatGPT في المرافق الحديثة يستهلك نفس كمية الماء اللازمة لإنتاج حبة لوز كاليفورنية واحدة. وقد أقر بأنه كان يذكر الرقم من الذاكرة وأنه قد لا يكون دقيقًا تمامًا، لكنه أكد أنه ضمن النطاق الصحيح.
إنه تصريح لافت للانتباه، مصمم ليجعل عادتك اليومية في استخدام روبوت الدردشة تبدو بلا تأثير بيئي تقريبًا. ولكن هل تصمد هذه الأرقام أمام التدقيق، وهل يجب أن تتوقف عن القلق بشأن التكلفة البيئية لطلباتك؟
الحسابات: كم تستهلك حبة اللوز من الماء حقًا؟
لتقييم ادعاء ألتمان، يجب أن نبدأ بحبة اللوز.
تنتج كاليفورنيا حوالي 80% من لوز العالم، ويشير التقدير الزراعي الأكثر شيوعًا إلى أن تكلفة المياه لزراعة حبة لوز واحدة تبلغ حوالي 1.1 جالون (حوالي 4.16 لتر). ويحدد تحليل منفصل البصمة المائية الكاملة بحوالي 12 لترًا (3.2 جالون) عند احتساب مياه الأمطار وتعويضات التلوث. يُعرف اللوز بأنه من المحاصيل التي تستهلك الكثير من الماء لأن أشجاره تحتاج إلى ري مستمر على مدار العام.
إذا أخذنا نسبة ألتمان على محمل الجد باستخدام تقدير الري المباشر:
1 حبة لوز = ~1.1 جالون (4,164 مل) من الماء
38,000 استعلام ChatGPT = 1 حبة لوز
1 استعلام ChatGPT = ~0.0000289 جالون (~0.11 مل من الماء)
لوضع 0.11 مل في المنظور الصحيح، فإن قطرة الماء القياسية في المختبر أو قطرة قطارة العين تبلغ حوالي 0.05 مل.
وفقًا لأرقام ألتمان، فإن طرح سؤال على ChatGPT يستهلك حوالي قطرتين من الماء.
إذا بدا لك هذا الرقم منخفضًا بشكل سخيف مقارنةً بما قرأته سابقًا، فأنت لا تتخيل الأمور. كما أنه لا يتوافق تمامًا مع تصريحات ألتمان السابقة.
في يونيو 2025، كتب في تدوينته “التفرد اللطيف” أن استعلام ChatGPT النموذجي يستهلك حوالي 0.000085 جالون من الماء، وهو ما يعادل حوالي 0.32 مل.
باستخدام هذا الرقم إلى جانب التقديرات الشائعة لاستهلاك اللوز، نحصل على حوالي 11,000 استعلام لكل حبة لوز، وليس 38,000. تشير أرقامه الخاصة إلى نفس الاتجاه ولكنها تختلف في التفاصيل.
من أين أتت قصة “الذكاء الاصطناعي يستنزف مياهك”؟
يعود الجدل العام حول استهلاك الذكاء الاصطناعي للمياه بشكل كبير إلى دراسة واسعة الانتشار قادها باحثون من جامعة كاليفورنيا، ريفرسايد وجامعة تكساس في أرلينغتون.
قدّرت تلك الورقة البحثية، التي تحمل عنوان “جعل الذكاء الاصطناعي أقل عطشًا”، والتي نُشرت كمسودة أولية في عام 2023 ثم في مجلة Comunicações da ACM عام 2025، أن محادثة قصيرة تتكون من 10 إلى 50 استجابة من نموذج لغوي كبير (LLM) مثل GPT-3 تستهلك حوالي 500 مليلتر من الماء، أي ما يعادل زجاجة مياه بلاستيكية قياسية واحدة. وهذا يعني استهلاك ما يقرب من 10 إلى 50 مليلتر لكل استجابة، وهو ما قد يكون أعلى بمئات المرات من تقدير Altman.
إذًا، ما سبب هذا التباين الكبير؟
جزء من الإجابة يكمن في الأجهزة والنموذج المستخدم. يشير تقدير Altman إلى الاستعلامات الخفيفة التي تتم على بنية تحتية حديثة تشغل نماذج حالية. بينما حللت دراسة جامعة كاليفورنيا، ريفرسايد، نموذج GPT-3 على أنظمة أقدم.
لكن العامل الأكبر هو ما يحسبه كل رقم بالفعل. يكاد يكون تقدير Altman يعكس فقط مياه التبريد في الموقع، أي المياه المستهلكة مباشرة في مركز البيانات. أما رقم جامعة كاليفورنيا، ريفرسايد، فيشمل كلاً من التبريد في الموقع و المياه المستهلكة في محطات توليد الطاقة لتوليد الكهرباء التي تستهلكها تلك الخوادم، وهو حساب أوسع يُعرف باسم استهلاك المياه من النطاق 1 والنطاق 2. تشير التحليلات المستقلة إلى أن طبقة توليد الكهرباء يمكن أن تمثل ما يصل إلى 75% من إجمالي البصمة المائية وراء استعلام واحد للذكاء الاصطناعي. وهذا يعني أن الفجوة ليست مجرد مسألة أجهزة قديمة مقابل أجهزة جديدة؛ بل تتعلق بمكان تحديد حدود القياس.
تطرق Altman إلى مسألة الأجهزة القديمة مباشرة في البودكاست، مجادلاً بأن التقديرات السابقة كانت تستند إلى منشآت تستخدم التبريد التبخيري. في تلك الإعدادات القديمة، تقوم أبراج التبريد الضخمة بتبخير المياه العذبة حرفيًا في الغلاف الجوي لتبريد الهواء الساخن المنبعث من رفوف الخوادم. وبمجرد تبخرها، تُفقد تلك المياه من المستجمع المائي المحلي.
جادل ألتمان بأن مراكز البيانات الحديثة فائقة النطاق قد اتجهت بقوة نحو أنظمة التبريد السائل ذات الدائرة المغلقة، حيث يدور الماء أو سائل تبريد متخصص عبر أنابيب محكمة الإغلاق، تمامًا مثل مبرد السيارة، دون فقدان أي سائل تقريبًا بالتبخر. وفي هذه المنشآت، يرى ألتمان أن استهلاك المياه لا يشبه المصانع الصناعية، بل أقرب إلى مبنى مكاتب تجاري عادي مزود بأحواض ومراحيض قياسية.
المفارقة: لماذا تُعد مقارنة اللوز مجرد تلاعب كلاسيكي من وادي السيليكون
بينما تزداد كفاءة مراكز البيانات الحديثة لكل رمز (token) بلا شك، فإن مقارنة أوامر روبوتات الدردشة بالمحاصيل الزراعية تتجاهل عدة حقائق جوهرية.
الحجم الكلي مقابل الشعور الفردي بالذنب. قد تستخدم أنت قطرتين فقط من الماء للتحقق من صيغة في جدول بيانات، لكن OpenAI تخدم حاليًا حوالي 900 مليون مستخدم نشط أسبوعيًا يعالجون مليارات الأوامر يوميًا. عندما تضرب أجزاءً صغيرة جدًا من الملليمتر عبر هذا النطاق العالمي، بالإضافة إلى عمليات تدريب النماذج المستمرة التي قدر باحثو جامعة كاليفورنيا ريفرسايد أنها تستهلك مئات الآلاف من الغالونات مقدمًا؛ فإن الإجمالي الكلي يظل هائلاً.
إجهاد المياه المحلي أهم من المتوسطات العالمية. يعتمد بستان اللوز في الوادي المركزي على مخصصات المياه الحكومية وقنوات الري الزراعية المعمول بها. أما مراكز بيانات الذكاء الاصطناعي، فغالبًا ما تُبنى في المجتمعات السكنية بالضواحي والمناطق شبه القاحلة (مثل فينيكس، وشمال فيرجينيا، وأجزاء من تكساس وجورجيا) حيث تعتمد مباشرة على أنظمة المياه البلدية. وحتى المنشأة الحديثة والفعالة يمكن أن تسبب توترًا عندما تتنافس مع الأحياء السكنية خلال موجات الحر الصيفية القصوى.
ليست كل استفسارات الذكاء الاصطناعي متساوية. يعتمد رقم ألتمان “38,000 استفسار” على الاستدلال القياسي الخفيف، لذا فكر في ردود GPT-4o النصية الأساسية. لكن الصناعة تتجه بسرعة نحو نماذج الاستدلال ووكلاء الذكاء الاصطناعي المستقلين. عندما “يفكر” الذكاء الاصطناعي قبل الإجابة، ويشغل كود Python في بيئة اختبار معزولة داخلية، ويبحث في الويب المباشر، ويصحح نفسه عبر حلقات منطقية متعددة، فإنه يستهلك قدرًا أكبر بكثير من قوة المعالجة لكل أمر مقارنة بروبوت الدردشة الحواري البسيط. وقد أشار باحثون مستقلون إلى أن أعباء العمل الأثقل هذه يمكن أن تستهلك طاقة أكبر بعدة مرات، وبالتالي تستهلك Plus من الماء.
مفاضلة الطاقة. عندما يتخلى مشغلو مراكز البيانات عن التبريد التبخيري بالماء، فإنهم غالبًا ما يستبدلونه بمبردات كثيفة الاستهلاك للطاقة، ومضخات حرارية ميكانيكية، ومراوح هواء عالية السرعة. باختصار: تقليل استهلاك المياه في الموقع غالبًا ما يعني سحب كمية أكبر بكثير من الكهرباء من شبكة الطاقة المحلية، والتي لها بصمتها المائية والكربونية غير المباشرة الخاصة بها، اعتمادًا على كيفية توليد تلك الطاقة.
Pensamentos finais
ادعاء ألتمان يعتمد بشكل كبير على أفضل السيناريوهات للأجهزة الحديثة ذات الدائرة المغلقة، بينما يتجاهل المتطلبات الهائلة للبنية التحتية الأوسع لازدهار الذكاء الاصطناعي. رقمه البالغ 38,000 استعلام لكل لوزة ربما يكون مقبولًا كتقدير تقريبي لاستعلام واحد خفيف على أحدث الأجهزة — لكنه لا يمثل سوى جزء من قصة المياه ويتجاهل مسار الصناعة.
Comentários estão fechados.