خبر
آژانس بین‌المللی انرژی: فرصت‌ها و چالش‌های هوش مصنوعی برای انرژی جهانی
زمان مطالعه: 6 دقیقه
آژانس بین‌المللی انرژی: فرصت‌ها و چالش‌های هوش مصنوعی برای انرژی جهانی
آژانس بین‌المللی انرژی: فرصت‌ها و چالش‌های هوش مصنوعی برای انرژی جهانی
خبر
آژانس بین‌المللی انرژی: فرصت‌ها و چالش‌های هوش مصنوعی برای انرژی جهانی
زمان مطالعه: 6 دقیقه

آژانس بین‌المللی انرژی (IEA) فرصت‌ها و چالش‌های ناشی از هوش مصنوعی را در رابطه با انرژی جهانی بررسی کرده است.

آموزش و استقرار مدل‌های پیچیده هوش مصنوعی در مراکز داده‌ی وسیع و پرمصرف انرژی رخ می‌دهد. آژانس بین‌المللی انرژی خاطرنشان می‌کند که “یک مرکز داده‌ی معمولی متمرکز بر هوش مصنوعی به اندازه‌ی ۱۰۰۰۰۰ خانوار برق مصرف می‌کند” و پیش‌بینی می‌شود بزرگترین تأسیسات در حال ساخت ۲۰ برابر این مقدار تقاضا داشته باشند.

افزایش شدید سرمایه‌گذاری در مراکز داده

سرمایه‌گذاری جهانی در مراکز داده از سال ۲۰۲۲ تقریباً دو برابر شده و در سال ۲۰۲۴ به نیم تریلیون دلار رسیده است که نگرانی‌هایی را در مورد افزایش نیاز به برق برانگیخته است.

در حالی که مراکز داده در سال ۲۰۲۴ تقریباً ۱.۵ درصد از مصرف برق جهانی (حدود ۴۱۵ تراوات ساعت، TWh) را به خود اختصاص داده‌اند، تأثیر محلی آن‌ها بسیار بیشتر است. مصرف از سال ۲۰۱۷ سالانه حدود ۱۲ درصد رشد داشته است و به طور قابل توجهی از رشد کلی تقاضای برق پیشی گرفته است.

ایالات متحده با ۴۵ درصد این مصرف را رهبری می‌کند و پس از آن چین با ۲۵ درصد و اروپا با ۱۵ درصد قرار دارند. تقریباً نیمی از ظرفیت مراکز داده‌ی ایالات متحده فقط در پنج خوشه منطقه‌ای متمرکز شده است.

با نگاهی به آینده، آژانس بین‌المللی انرژی پیش‌بینی می‌کند که مصرف برق جهانی مراکز داده تا سال ۲۰۳۰ بیش از دو برابر شده و به حدود ۹۴۵ تراوات ساعت برسد. برای درک بهتر، این مقدار کمی بیشتر از کل مصرف برق فعلی ژاپن است.

هوش مصنوعی به عنوان “مهم‌ترین عامل این رشد” مشخص شده است. پیش‌بینی می‌شود ایالات متحده شاهد بزرگترین افزایش باشد، جایی که مراکز داده می‌توانند تا سال ۲۰۳۰ تقریباً نیمی از کل رشد تقاضای برق را به خود اختصاص دهند. تا پایان این دهه، پیش‌بینی می‌شود که مراکز داده‌ی ایالات متحده بیشتر از مجموع مصرف صنایع تولیدی پرمصرف انرژی خود مانند آلومینیوم، فولاد، سیمان، مواد شیمیایی و سایر صنایع برق مصرف کنند.

سناریوی “پایه” آژانس بین‌المللی انرژی این روند را گسترش می‌دهد و انتظار دارد مصرف برق جهانی مراکز داده تا سال ۲۰۳۵ به حدود ۱۲۰۰ تراوات ساعت برسد. با این حال، عدم قطعیت‌های قابل توجهی وجود دارد و پیش‌بینی‌ها برای سال ۲۰۳۵ بسته به میزان پذیرش هوش مصنوعی، افزایش کارایی و تنگناهای بخش انرژی، از ۷۰۰ تراوات ساعت (“سناریوی موانع”) تا ۱۷۰۰ تراوات ساعت (“سناریوی جهش”) متغیر است.

فاتح بیرول، مدیر اجرایی آژانس بین‌المللی انرژی، گفت: “هوش مصنوعی یکی از بزرگترین داستان‌های دنیای انرژی امروز است – اما تا کنون، سیاست‌گذاران و بازارها ابزارهای لازم برای درک کامل تأثیرات گسترده‌ی آن را نداشتند.”

“در ایالات متحده، مراکز داده در مسیر خود قرار دارند تا تقریباً نیمی از رشد تقاضای برق را به خود اختصاص دهند؛ در ژاپن، بیش از نیمی؛ و در مالزی، تا یک پنجم.”

تأمین تقاضای جهانی انرژی هوش مصنوعی

تأمین انرژی این رونق هوش مصنوعی نیازمند یک سبد انرژی متنوع است. آژانس بین‌المللی انرژی پیشنهاد می‌کند که انرژی‌های تجدیدپذیر و گاز طبیعی پیشتاز خواهند بود، اما فناوری‌های نوظهور مانند رآکتورهای هسته‌ای کوچک مدولار (SMR) و زمین‌گرمایی پیشرفته نیز نقش خواهند داشت.

پیش‌بینی می‌شود که انرژی‌های تجدیدپذیر، با پشتیبانی از زیرساخت‌های ذخیره‌سازی و شبکه، نیمی از رشد تقاضای مراکز داده در سطح جهانی تا سال ۲۰۳۵ را تأمین کنند. گاز طبیعی نیز، به ویژه در ایالات متحده، حیاتی است و در سناریوی پایه تا سال ۲۰۳۵ با ۱۷۵ تراوات ساعت افزایش، نیازهای مراکز داده را تأمین خواهد کرد. انرژی هسته‌ای نیز به طور مشابه، به ویژه در چین، ژاپن و ایالات متحده، نقش دارد و انتظار می‌رود اولین رآکتورهای SMR در حدود سال ۲۰۳۰ راه‌اندازی شوند.

با این حال، صرفاً افزایش تولید کافی نیست. آژانس بین‌المللی انرژی بر نیاز حیاتی به ارتقاء زیرساخت‌ها، به ویژه سرمایه‌گذاری در شبکه، تأکید می‌کند. شبکه‌های موجود در حال حاضر تحت فشار هستند و به طور بالقوه حدود ۲۰ درصد از پروژه‌های مراکز داده‌ی برنامه‌ریزی‌شده در سطح جهانی را به دلیل صف‌های پیچیده‌ی اتصال و زمان‌های طولانی تحویل قطعات ضروری مانند ترانسفورماتورها به تأخیر می‌اندازند.

پتانسیل هوش مصنوعی برای بهینه‌سازی سیستم‌های انرژی

هوش مصنوعی فراتر از تقاضای انرژی خود، پتانسیل قابل توجهی برای متحول کردن خود بخش انرژی ارائه می‌دهد.

آژانس بین‌المللی انرژی کاربردهای متعددی را شرح می‌دهد:

  • تأمین انرژی: صنعت نفت و گاز – که از پیشگامان پذیرش است – از هوش مصنوعی برای بهینه‌سازی اکتشاف، تولید، نگهداری و ایمنی، از جمله کاهش انتشار متان، استفاده می‌کند. هوش مصنوعی همچنین می‌تواند به اکتشاف مواد معدنی حیاتی کمک کند.
  • بخش برق: هوش مصنوعی می‌تواند پیش‌بینی برای انرژی‌های تجدیدپذیر متغیر را بهبود بخشد و کاهش محدودیت تولید را به همراه داشته باشد. این فناوری تعادل شبکه، تشخیص خطا (کاهش مدت زمان قطعی برق به میزان ۳۰-۵۰ درصد) را افزایش می‌دهد و می‌تواند ظرفیت انتقال قابل توجهی را از طریق مدیریت هوشمندتر – به طور بالقوه ۱۷۵ گیگاوات بدون ساخت خطوط جدید – آزاد کند.
  • مصارف نهایی: در صنعت، پذیرش گسترده‌ی هوش مصنوعی برای بهینه‌سازی فرآیندها می‌تواند منجر به صرفه‌جویی در انرژی معادل کل مصرف انرژی مکزیک در حال حاضر شود. کاربردهای حمل و نقل مانند مدیریت ترافیک و بهینه‌سازی مسیر می‌تواند انرژی معادل ۱۲۰ میلیون خودرو را صرفه‌جویی کند، اگرچه باید اثرات بازگشتی ناشی از وسایل نقلیه خودران مورد نظارت قرار گیرد. پتانسیل بهینه‌سازی ساختمان قابل توجه است اما به دلیل دیجیتالی شدن کندتر با مشکل مواجه است.
  • نوآوری: هوش مصنوعی می‌تواند به طور چشمگیری کشف و آزمایش فناوری‌های جدید انرژی، مانند شیمی باتری‌های پیشرفته، کاتالیزورها برای سوخت‌های مصنوعی و مواد جذب کربن را تسریع کند. با این حال، بخش انرژی در حال حاضر در مقایسه با زمینه‌هایی مانند پزشکی زیستی، از هوش مصنوعی برای نوآوری کمتر استفاده می‌کند.

همکاری کلید حل چالش‌ها است

علیرغم پتانسیل، موانع قابل توجهی مانع از ادغام کامل هوش مصنوعی در بخش انرژی می‌شود. این موانع شامل مسائل مربوط به دسترسی و کیفیت داده‌ها، زیرساخت‌ها و مهارت‌های دیجیتالی ناکافی (تمرکز استعدادهای هوش مصنوعی در بخش‌های انرژی کمتر است)، موانع نظارتی و نگرانی‌های امنیتی است.

امنیت سایبری یک شمشیر دولبه است: در حالی که هوش مصنوعی قابلیت‌های دفاعی را افزایش می‌دهد، مهاجمان را نیز به ابزارهای پیشرفته مجهز می‌کند. حملات سایبری به تأسیسات برق در چهار سال گذشته سه برابر شده است.

امنیت زنجیره تأمین یکی دیگر از نگرانی‌های حیاتی است، به ویژه در مورد مواد معدنی حیاتی مانند گالیم (مورد استفاده در تراشه‌های پیشرفته)، که عرضه آن بسیار متمرکز است.

آژانس بین‌المللی انرژی نتیجه می‌گیرد که گفت‌وگو و همکاری عمیق‌تر بین بخش فناوری، صنعت انرژی و سیاست‌گذاران از اهمیت بالایی برخوردار است. رسیدگی به چالش‌های ادغام شبکه نیازمند مکان‌یابی هوشمندتر مراکز داده، بررسی انعطاف‌پذیری عملیاتی و تسهیل صدور مجوز است.

در حالی که هوش مصنوعی فرصت‌هایی برای کاهش قابل توجه انتشار گازهای گلخانه‌ای از طریق بهینه‌سازی، فراتر از انتشار تولید شده توسط مراکز داده، ارائه می‌دهد، این دستاوردها تضمین شده نیستند و ممکن است با اثرات بازگشتی خنثی شوند.

دکتر بیرول گفت: “هوش مصنوعی یک ابزار است، احتمالاً یک ابزار فوق‌العاده قدرتمند، اما نحوه‌ی استفاده از آن – جوامع، دولت‌ها و شرکت‌های ما – به عهده‌ی ماست.”

“آژانس بین‌المللی انرژی به ارائه‌ی داده‌ها، تحلیل‌ها و بسترهای گفت‌وگو ادامه خواهد داد تا به سیاست‌گذاران و سایر ذینفعان در پیمودن مسیر پیش رو کمک کند، زیرا بخش انرژی آینده‌ی هوش مصنوعی را شکل می‌دهد و هوش مصنوعی آینده‌ی انرژی را.”

منبع: اخبار هوش مصنوعی

اشتراک گذاری:

آخرین مقالات پیشنهادی

دیدگاه‌ها

اشتراک در
اطلاع از
guest
0 Comments
قدیمی‌ترین
تازه‌ترین بیشترین رأی
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
دیتانید تو مراحل مختلف تحلیل داده می‌تونه به شما کمک کنه:
  1. امکان‌سنجی خواسته‌ها و تطبیق نیازمندی‌ها
  2. استخراج و تمیز کردن دادگان
  3. طراحی مدل‌های مناسب
  4. آموزش مدل براساس داده‌های به‌دست آمده
  5. استقرار مدل

آخرین اخبار

اخبار مشابه

روش جدید قابلیت اطمینان گزارش‌های تشخیصی رادیولوژیست‌ها را ارزیابی و بهبود می‌بخشد
به دلیل ابهام ذاتی در تصاویر پزشکی مانند اشعه ایکس، رادیولوژیست‌ها اغلب هنگام توصیف وجود یک آسیب‌شناسی خاص، مانند ذات‌الریه، از کلماتی مانند "ممکن ..
فناوری Web3 به ایجاد اطمینان و اعتماد در هوش مصنوعی کمک می‌کند
وعده هوش مصنوعی این است که زندگی همه ما را آسان‌تر خواهد کرد. و با این سهولت بزرگ، پتانسیل سود جدی نیز به همراه می‌آید. سازمان ملل متحد تخمین ...
نینا شیک(نویسنده): تأثیر هوش مصنوعی مولد بر تجارت، سیاست و جامعه
نینا شیک، سخنران و کارشناس برجسته در زمینه هوش مصنوعی مولد است که به دلیل کار پیشگامانه‌اش در تقاطع فناوری، جامعه و ژئوپلیتیک مشهور است...