باختصار
اطلبوا صراحةً شيفرة فعّالة وسمّوا القيد المطلوب، مثل الذاكرة أو عمليات التخصيص أو التعقيد الخوارزمي، ثم شغّلوا الاختبارات وقيسوا طاقة الشيفرة قبل قبولها. فقد وجدت أبحاث أن تغيير الموجّه (prompt) قد يجعل الشيفرة المولَّدة أكفأ في استهلاك الطاقة بما يصل إلى 91.9%، لكن كثيرًا ما يكون ذلك على حساب صحتها. أعطوا المساعد مبادئ للطاقة يتبعها، وأبقوا شخصًا يراجع النتيجة.
الخطوات
- اطلبوا شيفرة فعّالة وسمّوا القيد المهم، مثل الذاكرة أو عدد الرحلات ذهابًا وإيابًا إلى قاعدة البيانات.
- أعطوا المساعد وصف المشكلة كاملًا، لا وصفًا مختصرًا.
- شغّلوا مجموعة الاختبارات على كل ما ينتجه.
- قيسوا الطاقة، أو على الأقل زمن التشغيل والذاكرة، قبل التغيير وبعده على الجهاز نفسه.
- أعطوا المساعد مجموعة مكتوبة من قواعد الطاقة أو الأنماط السيئة ليتحقق منها.
اطلبوا الكفاءة صراحةً، ثم تحققوا منها. فمساعدو الذكاء الاصطناعي يكتبون شيفرة تجتاز الاختبارات لكنها قد تكون مهدرة: حلقات تحتوي على استدعاءات لقاعدة البيانات، ونسخ لا داعي لها، وعمل متكرر.
ماذا تُظهر الأدلة؟
يقيّم EnergyBench الذي طوّره Ionescu وJensen وThomsen الشيفرة التي يكتبها الذكاء الاصطناعي من حيث الصحة والطاقة معًا. ووجدوا أن تغيير الموجّه قد يجعل الشيفرة المولَّدة أكفأ في استهلاك الطاقة بما يصل إلى 91.9%، لكن كثيرًا ما يكون ذلك على حساب الدقة. وفي بعض الحالات، جعل حذف نصف وصف المشكلة الشيفرة أكفأ بأكثر من أربع مرات، بينما هبطت صحتها إلى الصفر. فالشيفرة الفعّالة الخاطئة لا قيمة لها.
كيف أصوغ الموجّه لذلك؟
- سمّوا القيد. "تجنّب استعلام قاعدة البيانات داخل الحلقة"، "اقرأ الملف تدفقيًا بدلًا من تحميله في الذاكرة"، "حافظ على O(n log n)".
- احتفظوا بالمواصفات كاملة. لا تختصروا المشكلة لتوفير الرموز (tokens)؛ فهناك تضيع الصحة.
- أعطوه قواعد. نشر باحثو GreenCode وثيقة GreenCode Constitution، وهي مجموعة من مبادئ الطاقة والأنماط السيئة يمكن لوكيل برمجة بالذكاء الاصطناعي اتباعها: حلّلوا أداء الشيفرة، وأصلحوا الأنماط السيئة بحسب أولويتها، وقيسوا من جديد، ولا تحتفظوا إلا بالتغييرات التي توفّر الطاقة.
أخطاء شائعة
- الثقة بكلمة "محسَّنة" في الرد. قيسوا على الجهاز نفسه وتحت الحمل نفسه.
- اعتبار الأسرع أكثر مراعاة للبيئة. فقد وجد عمل GreenCode أن الطاقة والسرعة قد تتباعدان؛ قيسوا الاثنتين. راجعوا كيف تقيسون الطاقة التي يستهلكها الذكاء الاصطناعي على حاسوبكم.
- تخطي مراجعة الشيفرة المولَّدة التي لم تكتبوها.
لمعرفة أساليب القياس، اقرؤوا كيف تقيسون طاقة الذكاء الاصطناعي وكربونه.
المصادر
- EnergyBench: holistic benchmark for correct and energy-efficient LLM-generated code, Ionescu, Jensen and Thomsen, FLTA 2025 (2025)
- GreenCode Constitution: agent principles for optimizing code and LLM inference energy use, Kapenekakis, Kim, Ionescu, Thomsen and Albano, GreenAI workshop, ECML PKDD 2026 (2026)
- Web Sustainability Guidelines, W3C (2025)
ذو صلة
كيف أستخدم مساعد برمجة بالذكاء الاصطناعي دون بصمة كبيرة؟
كيف يحتفظ المطورون بفائدة مساعدات البرمجة بالذكاء الاصطناعي مع خفض الرموز (tokens) المهدرة: نموذج بالحجم المناسب، وسياق مركّز، وتقسيم المهام.
كيف أقيس الطاقة التي يستهلكها الذكاء الاصطناعي على حاسوبي أو وحدة معالجة الرسومات لديّ؟
قيسوا طاقة الذكاء الاصطناعي المحلي بعدّادات العتاد أو بيانات قياس GPU أو مقياس يوصل بالمقبس، وخذوا عينات طوال المهمة واطرحوا خط الأساس في وضع الخمول.
كيف تقيسون طاقة الذكاء الاصطناعي وانبعاثاته الكربونية
دليل عملي لقياس طاقة أعمال الذكاء الاصطناعي وكربونها أو تقديرهما: الأدوات، وحدود النظام، ومقاييس لكل مهمة، والإفصاح الصادق عن عدم اليقين.
الذكاء الاصطناعي الوكيلي وهدر الرموز
لماذا قد يستهلك وكلاء الذكاء الاصطناعي أضعاف رموز المحادثة وطاقتها، وكيف تهدرها الحلقات، وما الضوابط التي تُبقي الوكلاء بالحجم المناسب.