باختصار
قدّروا البصمة الخاصة بالذكاء الاصطناعي (التدريب أو الضبط الدقيق، إضافة إلى تشغيله طوال عمره المتوقع) وقارنوها بالفائدة، مقيسةً على الفترة نفسها. وقارنوها بأبسط خيار لا يعتمد على الذكاء الاصطناعي، لا بعدم فعل شيء. وإن كان المشروع يهدف إلى توفير الطاقة أو الانبعاثات، فيجب أن يتجاوز التوفير بوضوح كلفة الذكاء الاصطناعي نفسه، وإلا فهو خسارة صافية.
الخطوات
- دوّنوا الفائدة التي تتوقعونها وكيف ستقيسونها.
- قدّروا بصمة الذكاء الاصطناعي طوال عمره المتوقع، بما في ذلك التدريب والاستدلال وإعادة المحاولات.
- قارنوها بأبسط طريقة لا تعتمد على الذكاء الاصطناعي يمكنها أداء المهمة.
- قرّروا مسبقًا ما النتيجة التي ستجعلكم تتوقفون أو تقلّصون المشروع.
- أعيدوا التحقق بأرقام مقيسة حين يبدأ النظام في العمل.
احسبوا البصمة الخاصة بالذكاء الاصطناعي وقارنوها بالفائدة على الفترة نفسها. فالمشاريع التي تستخدم الذكاء الاصطناعي لتحسين شيء ما، ومنها مشاريع "الذكاء الاصطناعي من أجل البيئة"، نادرًا ما تحسب طاقة الذكاء الاصطناعي نفسه، ومن دون هذا الرقم قد تكون حصيلة المشروع سلبية.
كيف أقدّر جانب الذكاء الاصطناعي؟
- التدريب أو الضبط الدقيق، إن كنتم تجرون أيًّا منهما.
- الاستدلال: الطلبات في اليوم × الطاقة لكل طلب × أيام الخدمة. تقدير Epoch AI بنحو 0.3 Wh لاستعلام ChatGPT معتاد نقطة انطلاق للنصوص، لكن المُدخلات الطويلة ترفعه بحدة، لذا استخدموا أعداد الرموز (tokens) الخاصة بكم؛ انظروا تقدير طاقة استدعاءات API للذكاء الاصطناعي.
- إعادة المحاولات والتشغيلات الفاشلة، التي يسهل نسيانها.
بماذا أقارنها؟
بأبسط خيار لا يعتمد على الذكاء الاصطناعي، لا بعدم فعل شيء. فالذكاء الاصطناعي ليس مجانيًا حتى حين يوفّر الوقت: وجدت دراسة عام 2025 قارنت البرمجة اليدوية بالبرمجة بمساعدة الذكاء الاصطناعي في 12 مهمة برمجية أن النهج المدعوم بالذكاء الاصطناعي بلغ في المتوسط نحو 33 ضعف البصمة الكربونية للنهج اليدوي. وهذا لا يعني ألا تستخدموا الذكاء الاصطناعي أبدًا؛ بل يعني أن تتحققوا من أنه يعوّض كلفته.
وينشر GreenCode، وهو مشروع بحثي ضمن ITEA، دراسة مناخية تقارن بصمة الذكاء الاصطناعي الخاصة به بتوفير الطاقة الذي يسعى إلى تحقيقه، وهو نموذج مفيد يمكن الاقتداء به.
ما الذي يُحدث الفرق الأكبر
تحديد شرط التوقف قبل أن تبدؤوا. دوّنوا النتيجة التي ستجعلكم تقلّصون المشروع، حتى لا يُتخذ القرار بقوة الاندفاع.
أخطاء شائعة
- حساب الفائدة على عشر سنوات وكلفة الذكاء الاصطناعي على شهر واحد.
- تجاهل نمو الاستخدام حين تصبح الأداة رائجة.
- معاملة عدم اليقين على أنه صفر. قدّموا نطاقًا.
اقرؤوا الكفاءة ليست كفاية للاطلاع على الصورة الأوسع.
المصادر
- Green AI and energy-aware computing, GreenCode (2026)
- Comparative analysis of carbon footprint in manual vs. LLM-assisted code development, Cheung, Kaul, Jahangirova, Mousavi and Zie, ResponsibleSE 2025 (ACM) (2025)
- How much energy does ChatGPT use?, Epoch AI (2025)
ذو صلة
هل أحتاج فعلًا إلى الذكاء الاصطناعي لهذه المهمة؟
اختبار سريع لمعرفة إن كانت مهمة ما تحتاج إلى الذكاء الاصطناعي التوليدي، أو إن كان البحث أو الآلة الحاسبة أو قالب أو قاعدة بسيطة يؤديها أسرع وبطاقة أقل.
كيف أمنع تزايد الاستخدام من إلغاء مكاسب كفاءة الذكاء الاصطناعي؟
كيف تمنعون تزايد الاستخدام من ابتلاع وفورات كفاءة الذكاء الاصطناعي: تتبّعوا الإجماليات، وضعوا سقفًا أو ميزانية، وأوقفوا السعة المحرَّرة، واسألوا عن الحاجة.
كيف أقدّر الطاقة التي تستهلكها استدعاءاتي لواجهة API للذكاء الاصطناعي؟
لا يمكنكم قياس واجهة API مستضافة للذكاء الاصطناعي مباشرة، لكن يمكنكم تقدير الطاقة لكل استدعاء من عدد الرموز (tokens) وافتراضات النموذج عبر EcoLogits، وتسجيلها بجانب الكلفة.
الكفاءة ليست كفاية: تأثير الارتداد في الذكاء الاصطناعي
لماذا لا يضمن جعل الذكاء الاصطناعي أكثر كفاءة أن يستهلك طاقة أقل إجمالًا، وما تأثير الارتداد أو تأثير Jevons، وما الذي يساعد على إبقاء التوفير حقيقيًا.