السبت 18 يوليو 2026
كيف يمكن أن يؤدي استخدامك العادي للذكاء الاصطناعي إلى انبعاثات كربونية توازي رحلات جوية؟
دراسة ألمانية تحذّر من التلوث البيئي الناتج عن استخدام نماذج الذكاء الاصطناعي في المهام اليومية
نماذج الذكاء الاصطناعي لا تستهلك طاقة فقط أثناء التدريب؛ بل حتى عند إجابتك على سؤال بسيط، تنبعث كميات ملحوظة من الكربون!
حللت دراسة ألمانية حديثة البصمة البيئية لاستخدام نماذج الذكاء الاصطناعي الكبيرة، مبيّنة أن التفاعلات مع هذه النماذج تولد انبعاثات كربونية متفاوتة حسب نمط التفكير وحجم النموذج ونوع السؤال. وأظهرت النتائج أن زيادة الدقة ترتبط غالبًا بزيادة الانبعاثات، ما يسلط الضوء على ضرورة دمج الاعتبارات البيئية في اختيار النموذج وطريقة الاستخدام. وتدعو الدراسة إلى رفع مستوى الشفافية البيئية للمستخدمين وتبني سلوك رقمي أكثر وعيًا في زمن الذكاء الاصطناعي.
دراسة ألمانية تكشف الأثر البيئي الخفي لاستخدام نماذج الذكاء الاصطناعي الكبيرة
في دراسة علمية حديثة نُشرت في مجلة Frontiers in Communication، قام باحثون من Hochschule München University of Applied Sciences بقيادة ماكسيميليان داونر بتحليل البصمة الكربونية الناتجة عن استخدام نماذج اللغة الكبيرة المدربة (LLMs). وخلصت النتائج إلى أن توليد الإجابات من هذه النماذج يتطلب عمليات حسابية كثيفة تؤدي إلى انبعاثات ملحوظة من ثاني أكسيد الكربون، حتى في حال كانت الإجابات غير دقيقة أو خاطئة.
آليات التفكير في النماذج تزيد من الانبعاثات الكربونية
أظهرت الدراسة أن النماذج التي تستخدم آليات تفكير صريحة لإنتاج الإجابات تستهلك طاقة أعلى بكثير مقارنة بالنماذج التي تقدم ردودًا مختصرة. وأوضح داونر أن اعتماد نماذج التفكير على رموز إضافية أثناء معالجة المعلومات يرفع من الانبعاثات، حيث تنتج هذه النماذج ما معدله 543.5 رمزًا لكل إجابة، مقارنة بـ37.7 رمزًا فقط في النماذج المختصرة. وتؤدي هذه الزيادة في عدد الرموز إلى استهلاك طاقة أكبر، وبالتالي إلى انبعاثات أعلى من الكربون لكل تفاعل.
التوازن بين دقة النموذج والكفاءة البيئية يمثل تحديًا
حلل الفريق البحثي أداء 14 نموذجًا لغويًا كبيرًا تتراوح أحجامها بين 7 و72 مليار معلمة، عند الإجابة على 1,000 سؤال معياري. وحقّق نموذج Cogito، الذي يحتوي على 70 مليار معلمة، أعلى مستوى دقة بنسبة 84.9%، لكنه أيضًا ولّد ثلاثة أضعاف كمية الانبعاثات الكربونية مقارنة بنماذج مماثلة تستخدم إجابات مختصرة. وبيّنت النتائج أن النماذج القادرة على الحفاظ على انبعاثات أقل من 500 غرام من مكافئ ثاني أكسيد الكربون لم تتمكن من تجاوز دقة 80%، مما يُظهر التضارب القائم بين الكفاءة البيئية والدقة التقنية.
نوع السؤال يلعب دورًا في حجم الانبعاثات الناتجة
لم يكن حجم النموذج أو نمط التفكير العامل الوحيد في اختلاف كمية الانبعاثات، بل لعبت طبيعة السؤال أيضًا دورًا مؤثرًا. فالأسئلة التي تتطلب تفكيرًا معقدًا، مثل تلك المتعلقة بالفلسفة أو الجبر، كانت مسؤولة عن انبعاثات أعلى بما يصل إلى ستة أضعاف مقارنة بالأسئلة البسيطة، مثل المواضيع التاريخية في المناهج الثانوية. هذا يسلّط الضوء على أن اختيار المستخدم لموضوع السؤال يمكن أن يؤثر بيئيًا، حيث ترتفع البصمة الكربونية مع ازدياد تعقيد المهمة المطروحة على النموذج.
اختيار النموذج المناسب يقلل من التأثير البيئي للذكاء الاصطناعي
أوضحت الدراسة أن الاستخدام الذكي للنماذج يمكن أن يقلص الانبعاثات الكربونية بشكل كبير. على سبيل المثال، يولد نموذج DeepSeek R1 (بقدرة 70 مليار معلمة) انبعاثات تعادل رحلة جوية ذهابًا وإيابًا بين لندن ونيويورك عند الإجابة على 600,000 سؤال. بينما يستطيع نموذج Qwen 2.5 (72 مليار معلمة) الإجابة على نحو 1.9 مليون سؤال بمستوى دقة مشابه وضمن نفس نطاق الانبعاثات. ما يُشير إلى أهمية اختيار النموذج ليس فقط بناءً على الدقة، بل أيضًا بناءً على كفاءته البيئية.
دور الشفافية البيئية في التفاعل مع خدمات الذكاء الاصطناعي
يشدد الباحثون على ضرورة رفع الوعي البيئي لدى المستخدمين، حتى عند استخدام الذكاء الاصطناعي في المهام الترفيهية مثل توليد الصور. وأوضح داونر أن إظهار كمية ثاني أكسيد الكربون الناتجة عن كل استخدام قد يدفع المستخدمين إلى إعادة النظر في طبيعة تفاعلهم مع هذه التقنيات. وأضاف أنه يمكن تقليل الأثر البيئي بشكل كبير عبر طلب إجابات مختصرة أو تجنب استخدام نماذج ضخمة في مهام بسيطة لا تتطلب معالجة معقدة.
عوامل تقنية تؤثر على دقة قياس البصمة الكربونية
أشار الباحثون إلى وجود عدة متغيرات قد تؤثر على دقة نتائج الدراسة، مثل نوع العتاد المستخدم، واختلاف مصادر الطاقة بين المناطق الجغرافية، إضافة إلى الخصائص البنيوية للنماذج قيد التحليل. ورغم هذه العوامل، تؤكد الدراسة على أهمية توجيه النقاش العام نحو تحقيق توازن حقيقي بين التقدم التقني والأثر البيئي المتزايد الناتج عن الاستخدام الموسع لنماذج الذكاء الاصطناعي.
