كيف يمكن للذكاء الاصطناعي أن يزيد انبعاثات الكربون أو يخفضها؟

الجواب المختصر: يغير الذكاء الاصطناعي الانبعاثات عبر مسارين. تستهلك حواسيبه ومراكز بياناته ورقائقه وتبريده موارد تولد انبعاثات مباشرة. كما تغير تطبيقاته كلفة الأنشطة وإنتاجيتها في الاقتصاد. قد يخفض الانبعاثات بتحسين الشبكات والنقل والمباني والمواد، أو يرفعها حين يجعل استخراج الوقود الأحفوري والإنتاج والاستهلاك أرخص وأسرع.

السؤال أكبر من كهرباء مراكز البيانات

يبدأ النقاش غالباً بالطاقة المستخدمة لتدريب النماذج وتشغيلها، وهي مهمة لكنها طبقة واحدة. قد يستهلك نموذج لتخطيط المسارات كهرباء لكنه يخفض كيلومترات التوصيل. وقد يستهلك نموذج للحفر قدراً محدوداً من الحوسبة بينما يساعد على استخراج نفط أكثر بكثير. ويمكن للأثر غير المباشر أن يتجاوز بصمة البرنامج في الاتجاهين.

لذلك يحدد التقييم الجاد حدوده: هل يقيس استعلاماً واحداً، أم نموذجاً، أم شركة، أم قطاعاً، أم استجابة الاقتصاد لارتفاع الإنتاجية؟

أربعة أنواع من الأثر المناخي

تصف المباشرة والمتجسدة بصمة نظام الذكاء الاصطناعي، فيما تسأل المتجنبة والمُمكّنة عما يغيره في العالم. ولا يصح جمع الأرقام من دون توضيح الحدود والزمن والسيناريو البديل.

أين يستطيع خفض الانبعاثات؟

• الكهرباء: توقع الطلب وإنتاج الرياح والشمس، وكشف الأعطال، وجدولة التخزين، وتحسين تدفق الطاقة.
• المباني: تنسيق التدفئة والتبريد والتهوية والإشغال والصيانة مع الحفاظ على الراحة.
• النقل والخدمات اللوجستية: تقليل الرحلات الفارغة والازدحام والوقود والمخزون الزائد.
• الصناعة: ضبط العمليات وكشف العيوب وتوقع الصيانة وخفض هدر الحرارة والمواد.
• البحث والتصميم: اكتشاف محفزات وبطاريات ومواد منخفضة الكربون ومكونات أعلى كفاءة.
• المراقبة: رصد تسرب الميثان وإزالة الغابات وفشل المعدات وتغير استخدام الأرض.

الإمكان النظري ليس خفضاً محققاً. لا يوفر التوقع انبعاثات إلا إذا استطاع المشغل التصرف، وكان النشاط المزاح كثيف الكربون، وقيس الوفر مقابل خط أساس معقول.

أين يمكن أن يرفعها؟

قد يزيد الذكاء الاصطناعي الإنتاج بعيداً عن استهلاك حواسيبه. فهو يحسن تفسير المسح الزلزالي ومواقع الحفر وإدارة المكامن والمصافي والتجارة واللوجستيات في النفط والغاز. كما قد يرفع فاعلية الإعلان، ويسرع تبديل المنتجات، ويوسع طلب الحوسبة، ويخفض كلفة خدمات كثيفة الطاقة.

تتحدد النتيجة بما ترتفع إنتاجيته. قد تتجاوز زيادة صغيرة في قطاع أحفوري ضخم زيادة أكبر نسبياً في قطاع نظيف أصغر.

أثر الارتداد

تخفض الكفاءة الموارد المطلوبة لكل وحدة خدمة، فتخفض كلفتها غالباً. وقد يرتفع الطلب ويأكل جزءاً من الوفر المتوقع. يسمى ذلك أثر الارتداد.

قد يقلل الذكاء الاصطناعي الوقود لكل شحنة، لكن انخفاض الكلفة يشجع شحنات أكثر. وقد يجعل تبريد مراكز البيانات أكفأ بينما يرفع النمو السريع إجمالي الكهرباء. يمكن للارتداد أن يكون جزئياً أو كاملاً أو يتجاوز الوفر أحياناً، ويجب قياسه لا افتراضه.

المحاسبة تحتاج إلى عالم بديل

عبارة «تجنب النظام مليون طن من CO₂» ليست رصداً مباشراً مثل قياس الكهرباء. إنها مقارنة بين النتيجة وسيناريو لم يُستخدم فيه النظام. ويتغير الرقم حسب الافتراضات.

1. تعريف الخدمة: مثل أطنان الفولاذ أو كيلومترات الركاب أو راحة المبنى.
2. بناء خط أساس: وصف التقنية والسلوك المتوقعين من دون الذكاء الاصطناعي.
3. قياس التغيرات: الحوسبة والمعدات والوفر التشغيلي والطلب الإضافي والنشاط المزاح.
4. استخدام الانبعاثات الهامشية عند الحاجة: قد تكون المحطة التي تستجيب للطلب أهم من متوسط الشبكة السنوي.
5. إظهار عدم اليقين: نطاقات التبني والارتداد ومزيج الكهرباء وعمر النموذج والسياسات.

لماذا يهم المكان والوقت؟

قد تولد الحوسبة نفسها انبعاثات مختلفة حسب الموقع والساعة. تختلف شبكة منخفضة الكربون عن شبكة تعتمد الفحم أو الغاز، وتتغير الانبعاثات الهامشية كل ساعة رغم ثبات المتوسط السنوي.

يمكن نقل الأحمال المرنة إلى ساعات أو مناطق أنظف حين تسمح السرعة وقواعد البيانات. لكن شهادات الطاقة المتجددة لا تثبت تلقائياً أن المنشأة أضافت توليداً نظيفاً جديداً أو أزالت الانبعاثات في كل ساعة.

التدريب مقابل الاستدلال

يستهلك تدريب نموذج كبير طاقة مرتفعة لكنه يحدث على فترات. أما الاستدلال فيقع عند كل استخدام، وقد يهيمن على طاقة العمر عند الانتشار الواسع. تقلل النماذج الأصغر المتخصصة والعتاد الأكفأ وتجميع الطلبات والتخزين المؤقت وتجنب التوليد غير الضروري الطاقة لكل مهمة مفيدة.

لكن الكفاءة لكل استعلام لا تكفي. يساوي الأثر الكلي طاقة المهمة مضروبة في عدد المهام وحجمها، إضافة إلى التغير الاقتصادي الذي تصنعه.

مثال من نموذج اقتصادي عالمي

اختبرت دراسة عام 2026 أربعة وستين سيناريو لإنتاجية الذكاء الاصطناعي في الطاقة والاقتصاد. وقدرت أن مكاسب إنتاج الوقود الأحفوري قد تتجاوز فوائد الطاقة النظيفة، فتضيف نحو 0.47 إلى 1.8 غيغاطن من CO₂ سنوياً وفق افتراضاتها. اقرأ: مكاسب الذكاء الاصطناعي في النفط قد ترفع الانبعاثات رغم فوائده للطاقة النظيفة.

هذه نتائج سيناريوهات وليست انبعاثات مستقبلية مقاسة. تعتمد على افتراضات الإنتاجية والتبني والطلب والأسعار والتقنية، ولم تشمل بعض الابتكارات النظيفة المحتملة. درسها الأهم بنيوي: ترتفع إنتاجية القطاعات النظيفة والأحفورية معاً، فلا يجوز عد الفوائد منفردة.

أسئلة لتقييم الادعاء

• ما النظام والمكان والفترة والنشاط المشمولة؟
• هل حُسبت انبعاثات التشغيل والتصنيع؟
• ما خط الأساس من دون الذكاء الاصطناعي؟
• هل التخفيض مقاس أم منمذج أم ممكن نظرياً فقط؟
• هل يشمل ارتفاع الطلب وأثر الارتداد؟
• هل الوفر إجمالي أم صاف بعد بصمة النظام؟
• هل يرسخ التطبيق بنية أحفورية أم يسرع استبدالها؟
• هل نُشرت الافتراضات ونطاقات عدم اليقين؟

كيف يبدو النشر المسؤول؟

يمكن للمؤسسات قياس الطاقة والكربون حسب عبء العمل، واستخدام أصغر نموذج كاف، ورفع استغلال العتاد، وجدولة الحوسبة المرنة، وشراء طاقة منخفضة الكربون ذات مصداقية، وإطالة عمر الأجهزة، ونشر الانبعاثات المتجسدة. والأهم اختيار تطبيقات ذات فائدة مناخية مثبتة وتقييد الاستخدامات التي توسع النشاط عالي الكربون.

وتحدد السياسة النتيجة أيضاً. تسعير الكربون ومعايير الطاقة النظيفة وقواعد الميثان وأكواد الكفاءة وحدود استخراج الوقود تقرر هل تتحول الإنتاجية إلى انبعاثات أقل أم إلى إنتاج أكبر.

المعادلة المفيدة

الصورة الذهنية العملية هي: الأثر المناخي الصافي = انبعاثات الذكاء الاصطناعي المباشرة والمتجسدة + الانبعاثات المُمكّنة − الانبعاثات المتجنبة فعلياً. يحتاج كل حد إلى نطاق واضح وسيناريو بديل وأفق زمني وعدم يقين.