سختافزار مورد نیاز برای آموزش و اجرای مدلهای هوش مصنوعی نیز میتواند به یک چالش جدی زیستمحیطی تبدیل شود. سرورها، پردازندهها، شتابدهندههای هوش مصنوعی و سایر تجهیزات مراکز داده عمر محدودی دارند و با نسلهای جدید سختافزار جایگزین میشوند.
یک پژوهش منتشرشده در نشریه Nature Computational Science پیشبینی کرده بود که زباله الکترونیکی مرتبط با هوش مصنوعی مولد میتواند در فاصله سالهای ۲۰۲۰ تا ۲۰۳۰ در مجموع به ۱.۲ تا ۵ میلیون تن برسد. این برآورد به سناریوهای مختلف رشد هوش مصنوعی و سرعت تعویض تجهیزات وابسته است.
با این حال، برآوردهای جدیدتر ارقام متفاوتی ارائه میکنند. یک تحلیل منتشرشده در سال ۲۰۲۶ در نشریه Resources, Conservation and Recycling تخمین زده است که سرورهای هوش مصنوعی ممکن است تا سال ۲۰۳۰ سالانه حدود ۱۳۱ تا ۲۲۴.۸ هزار تن زباله الکترونیکی تولید کنند؛ رقمی که از برآوردهای قبلی پایینتر است، اما همچنان قابل توجه محسوب میشود.
در این میان، مشکل فقط حجم زباله نیست. تجهیزات الکترونیکی از مواد و فلزات مختلفی تشکیل شدهاند و اگر بهدرستی جمعآوری و بازیافت نشوند، میتوانند فشار بیشتری بر منابع طبیعی و زنجیره تأمین مواد اولیه وارد کنند. رشد سریع توان پردازشی مورد نیاز مدلهای هوش مصنوعی نیز باعث شده چرخه جایگزینی برخی تجهیزات کوتاهتر شود.
گزارش سال ۲۰۲۶ دانشگاه سازمان ملل نیز نشان میدهد ابعاد زیستمحیطی هوش مصنوعی فراتر از زباله الکترونیکی است. بر اساس این گزارش، مراکز داده جهان که بخش مهمی از توسعه هوش مصنوعی را پشتیبانی میکنند، ممکن است مصرف برق خود را از حدود ۴۴۸ تراواتساعت در سال ۲۰۲۵ به ۹۴۵ تراواتساعت در سال ۲۰۳۰ برسانند.
همین گزارش پیشبینی میکند زیرساختهای هوش مصنوعی میتوانند تا سال ۲۰۳۰ سالانه حدود ۲.۵ میلیون تن زباله الکترونیکی ایجاد کنند. بخش قابل توجهی از این زبالهها ممکن است در کشورهایی با زیرساخت ضعیفتر برای مدیریت و بازیافت پسماندهای الکترونیکی پردازش شوند.
با این حال، پژوهشگران معتقدند بخشی از این مشکل با رویکردهای اقتصاد چرخشی قابل کاهش است. مطالعه Nature نشان داده است که افزایش طول عمر تجهیزات، استفاده مجدد از قطعات و بازیافت مواد میتواند در برخی سناریوها میزان زباله الکترونیکی مرتبط با هوش مصنوعی را ۱۶ تا ۸۶ درصد کاهش دهد.
در نتیجه، رشد هوش مصنوعی تنها یک رقابت برای ساخت مدلهای قدرتمندتر نیست؛ سختافزار پشت این فناوری نیز ردپای محیطزیستی قابل توجهی دارد. اختلاف میان برآوردهای پژوهشی نشان میدهد اندازه دقیق این مشکل هنوز مشخص نیست، اما تقریباً همه مطالعات بر اهمیت افزایش عمر تجهیزات، بازیافت و مدیریت چرخه عمر سختافزارهای هوش مصنوعی تأکید دارند.
