تأثیر پنهان هوش مصنوعی بر سلامت عمومی، از آسم تا حملات قلبی

به گزارش پردیس هوش مصنوعی و نوآوری دیجیتال ایران، رونق جهانی هوش مصنوعی با توسعه سریع مراکز داده‌ای همراه شده است که نیاز به مصرف بالای برق و آب دارند. پیش‌بینی‌ها نشان می‌دهد که تا سال ۲۰۲۸ مصرف برق این مراکز در آمریکا به ۶.۷ تا ۱۲ درصد از کل مصرف ملی خواهد رسید و مصرف آب نیز نسبت به سال ۲۰۲۳ ممکن است تا چهار برابر افزایش یابد.

اما پیامدهای کمتر شناخته‌شده توسعه هوش مصنوعی، اثرات مخرب آن بر سلامت عمومی است. نیروگاه‌ها و ژنراتورهای پشتیبان مورد استفاده برای مراکز داده، آلاینده‌هایی نظیر ذرات معلق ریز (PM2.5) و اکسیدهای نیتروژن (NOx) تولید می‌کنند که می‌توانند موجب بروز یا تشدید بیماری‌هایی نظیر آسم، حملات قلبی و اختلالات شناختی شوند.

نکات کلیدی

1. آلودگی هوای محیطی سالانه باعث ۴ میلیون مرگ زودرس در جهان می‌شود.  PM2.5 حتی در مقادیر بسیار پایین هم خطرناک است و به اعماق ریه نفوذ می‌کند.

2. مراکز داده از ژنراتورهای دیزلی استفاده می‌کنند که تا ۶۰۰ برابر بیشتر از نیروگاه‌های گازی NOx منتشر می‌کنند.

3. هزینه سلامت عمومی ناشی از مراکز داده آمریکا در سال ۲۰۲۳ حدود ۶ میلیارد دلار برآورد شده که پیش‌بینی می‌شود تا سال ۲۰۳۰ به ۲۰ میلیارد دلار در سال برسد که معادل تأثیر تمام خودروهای کالیفرنیا است. آموزش یک مدل بزرگ مانند Llama 3.1 معادل بیش از ۱۰ هزار سفر رفت و برگشت خودرو از لس‌آنجلس تا نیویورک PM2.5 تولید می‌کند.

4. تمرکز صرف بر کاهش کربن یا افزایش بهره‌وری انرژی کافی نیست، چراکه تأثیر سلامت بستگی به محل و زمان انتشار دارد. مثلاً تغییر توزیع بار انرژی Meta در سال ۲۰۲۳ اگرچه می‌توانست انتشار کربن را ۷.۲٪ کاهش دهد، اما هزینه سلامت عمومی را ۲.۸٪ افزایش می‌داد.

 راهکار پیشنهادی

 راهکار پیشنهادی این است که رویکرد «هوش مصنوعی سلامت‌محور» با استفاده از انعطاف عملیاتی مراکز داده برای زمان‌بندی یا مکان‌یابی فرآیندهای پردازشی در مناطقی با اثرات سلامت کمتر اتخاذ شود.

 نتیجه‌گیری

هوش مصنوعی نه‌تنها باید از منظر زیست‌محیطی بلکه از نظر سلامت عمومی نیز، نیازمند بازطراحی است. شرکت‌ها می‌توانند با کمترین تغییر، و تنها با درنظر گرفتن هزینه‌های سلامت در تصمیم‌گیری‌ها، به کاهش تأثیرات منفی آن کمک کنند. در بلندمدت، هم‌راستا کردن هدف‌های زیست‌محیطی، بهره‌وری انرژی و سلامت عمومی باید به‌عنوان بخشی از طراحی مسئولانه سیستم‌های AI مورد توجه قرار گیرد.