greenai.guide

الرئيسية › مقالات › مفارقة جيفونز والذكاء الاصطناعي: لماذا لا تكفي الكفاءة

مقالة

مفارقة جيفونز والذكاء الاصطناعي: لماذا لا تكفي الكفاءة

تاريخ التحديث · مدة القراءة: 7 دقيقة

باختصار

مفارقة Jevons هي الاستنتاج الذي عرضه William Stanley Jevons أول مرة عام 1865، ومفاده أن استخدام الفحم بكفاءة أكبر دفع بريطانيا إلى حرق المزيد منه لا أقل. وفي الذكاء الاصطناعي (AI)، يصبح كل استعلام أرخص وأكفأ بكثير، ومع ذلك يرتفع إجمالي استهلاك مراكز البيانات للكهرباء بسرعة. ويرى باحثون يدرسون الأثر المناخي للتكنولوجيا الرقمية أن الكفاءة لا تحقق خفضًا حقيقيًا للانبعاثات إلا حين يوضع سقف لإجمالي الانبعاثات.

النقاط الرئيسية

  • مفارقة Jevons: جعل استخدام مورد ما أرخص قد يرفع إجمالي استخدامه. وقد بيّن Jevons ذلك بشأن الفحم عام 1865.
  • قد يكون الارتداد مباشرًا (المزيد من المهمة نفسها)، أو غير مباشر (إنفاق التوفير في مكان آخر)، أو على مستوى الاقتصاد كله؛ وحين يفوق التوفير يُسمّى «الارتداد العكسي» (backfire).
  • أفادت Google بانخفاض طاقة الطلب النصي الوسيط على Gemini بمقدار 33 ضعفًا خلال عام، بينما تتوقع الوكالة الدولية للطاقة أن يتضاعف استهلاك مراكز البيانات للكهرباء بأكثر من مرتين بحلول 2030.
  • وجد Freitag وBerners-Lee وزملاؤهما أن البصمة المناخية لتقنية المعلومات والاتصالات (ICT) مقدَّرة بأقل من حقيقتها، ورأوا أن ادعاءات التوفير الذي تتيحه هذه التقنية تستند إلى أدلة ضعيفة.
  • يخلص Widdicks وزملاؤه إلى أن الكفاءة في ظل قيود على الانبعاثات هي السبيل الوحيد لتحويل الكفاءة إلى خفض حقيقي للانبعاثات.
  • عمليًا: قيسوا الإجماليات، وحدّدوا ميزانيات أو سقوفًا، وأخرجوا القدرة المحرَّرة من الخدمة، واستخدموا الذكاء الاصطناعي فقط حيث يضيف قيمة.

يزداد الذكاء الاصطناعي (AI) كفاءةً بسرعة كبيرة، ويزداد إجمالي استهلاكه للطاقة بسرعة كبيرة أيضًا. وهاتان الحقيقتان ليستا متناقضتين. إنهما نمط عمره 160 عامًا يُعرف بمفارقة Jevons. تشرح هذه المقالة المفارقة، والأدلة على انطباقها على الذكاء الاصطناعي، والمخاوف التي أثارها الباحثون بشأن التعامل مع التكنولوجيا الرقمية بوصفها حلًا مناخيًا، وما الذي يحوّل الكفاءة فعلًا إلى انبعاثات أقل. وللاطلاع على أساسيات الكفاءة والكفاية، ابدؤوا بصفحة الكفاءة ليست كفاية.

ما مفارقة Jevons؟

مفارقة Jevons هي أن يؤدي استخدام مورد ما بكفاءة أكبر إلى استخدام المزيد منه لا أقل. عرضها الاقتصادي William Stanley Jevons في كتابه The Coal Question عام 1865، وهو كتاب يتناول ما إذا كانت مناجم الفحم في بريطانيا ستنضب.

لم يوافق Jevons على الرأي السائد. فقد كتب أن «من الخلط التام بين الأفكار افتراض أن الاستخدام الاقتصادي للوقود يعادل انخفاض الاستهلاك. فالعكس تمامًا هو الصحيح». وكان منطقه أن الطاقة البخارية الأرخص جعلت الفحم جديرًا بالاستخدام في أعمال أكثر بكثير، فارتفع الطلب الإجمالي أسرع مما انخفض استهلاك كل محرك.

وليس المغزى أن الكفاءة سيئة. بل إن الكفاءة تغيّر سعر القيام بشيء ما، والناس والشركات والاقتصادات بأكملها تستجيب للأسعار.

ما تأثير الارتداد؟

تأثير الارتداد هو الاستخدام الإضافي الذي يطلقه مكسب في الكفاءة، والذي يلتهم جزءًا من التوفير. ومفارقة Jevons هي صورته القصوى. ويصف Widdicks وزملاؤه، في ورقة نُشرت عام 2023 في مجلة Patterns، أنواعه الرئيسية:

النوع ما يحدث مثال من الذكاء الاصطناعي
الارتداد المباشر تصبح الخدمة نفسها أرخص، فيزداد استخدامها تؤدي الطلبات الأرخص إلى طلبات أكثر، وإجابات أطول، واستدعاءات أكثر للوكلاء
الارتداد غير المباشر يُنفق المال أو الوقت الموفَّر على أشياء أخرى تستهلك الطاقة أيضًا («أثر الدخل» و«ارتداد الوقت») يُنفق الوقت الذي يوفّره مساعد ذكاء اصطناعي على أنشطة أكثر استهلاكًا للطاقة
الارتداد على مستوى الاقتصاد كله يتكيّف الاقتصاد الأوسع: تنمو منتجات وأسواق وصناعات جديدة على المُدخل الأرخص إدماج الذكاء الاصطناعي افتراضيًا في البحث والهواتف وبرمجيات المكاتب

وحين يكون الارتداد أكبر من التوفير، فيرتفع الاستخدام الإجمالي أو الانبعاثات، يُسمّى الارتداد العكسي (backfire). ويلاحظ المؤلفون أنفسهم أن تحسينات كفاءة الطاقة في معظم المنتجات والخدمات، على مستوى الاقتصاد العالمي، ترافقت مع نمو متوسط في انبعاثات الكربون العالمية بنسبة 1.8% سنويًا منذ 1850. وهم يحرصون على القول إن هذا لا يثبت أن الكفاءة تسبب ارتفاع الانبعاثات، بل إنه لكي لا تكون كذلك، كان على الانبعاثات أن ترتفع بسرعة أكبر بكثير لولا الكفاءة.

راجعوا مسرد المصطلحات لمعرفة تأثير الارتداد ومفارقة Jevons.

هل تحدث مفارقة Jevons في الذكاء الاصطناعي؟

تشير الأدلة إلى ذلك: فالطاقة لكل استعلام تنخفض بسرعة بينما يرتفع إجمالي استهلاك مراكز البيانات للكهرباء. ويُظهر رقمان يُستشهد بهما كثيرًا، من مصدرين مختلفين، هذا النمط:

  • لكل استعلام. أفادت Google عام 2025 بأن الطلب النصي الوسيط على تطبيقات Gemini يستهلك 0.24 Wh من الطاقة، وأن الطاقة لكل طلب وسيط انخفضت خلال فترة 12 شهرًا بمقدار 33 ضعفًا وبصمته الكربونية بمقدار 44 ضعفًا.
  • إجمالًا. تقدّر الوكالة الدولية للطاقة (IEA) أن مراكز البيانات استهلكت نحو 415 TWh في 2024، أي نحو 1.5% من كهرباء العالم، وأن هذا الاستهلاك نما بنحو 12% سنويًا منذ 2017. وتتوقع أن يتضاعف الاستهلاك بأكثر من مرتين ليبلغ نحو 945 TWh بحلول 2030، مع كون الذكاء الاصطناعي «أهم محرّك لهذا النمو».

ولا تثبت هذه الأرقام وحدها علاقة سببية، لأن الطلب على الذكاء الاصطناعي ينمو أيضًا لأسباب غير السعر. لكنها تُظهر أن المكاسب الكبيرة لكل استعلام لم توقف ارتفاع الاستخدام الإجمالي. بل إن الوكالة الدولية للطاقة نفسها تعدّ سرعة تحسينات الكفاءة أحد أبرز مصادر عدم اليقين في توقعاتها: فعبر سيناريوهاتها، يتراوح طلب مراكز البيانات في 2035 بين 700 و1,700 TWh.

وللذكاء الاصطناعي سمات تجعل الارتداد مرجحًا بشكل خاص. فـالاستدلال (inference) الأرخص يتيح للمزوّدين جعل الذكاء الاصطناعي الخيار الافتراضي في الأدوات التي يستخدمها الناس أصلًا، ويتيح للوكلاء إجراء استدعاءات كثيرة للنموذج لكل مهمة (راجعوا الذكاء الاصطناعي الوكيلي وهدر الرموز). كما يُنفق التوفير في الغالب على القدرات، مثل نماذج أكبر أو سياق أطول، بدلًا من ادّخاره.

ما المخاوف التي أثارها Mike Berners-Lee وزملاؤه؟

يرون أن الأثر المناخي للتكنولوجيا الرقمية مقدَّر بأقل من حقيقته، وأن الطلب يلغي مكاسب كفاءتها بصورة معتادة، وأن ادعاءات الفائدة المناخية تحتاج إلى أدلة أفضل بكثير. Mike Berners-Lee، مؤسس Small World Consulting ومقرّها جامعة Lancaster، متخصص في حساب البصمة الكربونية وشارك في تأليف ورقتين في مجلة Patterns حول هذه المسألة.

البصمة أكبر مما يُبلَّغ عنه

راجع Freitag وBerners-Lee وWiddicks وKnowles وBlair وFriday عام 2021 تقديرات الأثر المناخي لتقنية المعلومات والاتصالات (ICT). ووجدوا أن الدراسات الخاضعة لتحكيم الأقران تضع حصة هذه التقنية عند 1.8–2.8% من انبعاثات غازات الدفيئة العالمية، لكن الحصة قد تبلغ 2.1–3.9% عند احتساب سلاسل التوريد التي تُستبعد من دراسات دورة الحياة المعيارية («خطأ البتر»، truncation error).

الكفاءة لم تخفّض الإجمالي

ووجدت المراجعة نفسها أن الطلب على الحوسبة والأجهزة لكل فرد تجاوز تحسينات الكفاءة، فظل استهلاك تقنية المعلومات والاتصالات للطاقة وبصمتها ينموان عامًا بعد عام. واتفق جميع المحللين الذين راجعتهم على أن انبعاثات هذه التقنية «لن تنخفض من دون جهود كبرى منسّقة تشمل عملًا سياسيًا وصناعيًا واسعًا». وقدّم المؤلفون أسبابًا لتوقع ارتفاع الانبعاثات من دون تدخّل، ورأوا أن بلوغ ذروة طبيعية بسبب تشبّع الطلب أمر غير مرجح. وإنصافًا، فقد نقلوا أيضًا الرأي المخالف للباحث Jens Malmodin، الذي أبلغهم به في تواصل شخصي، ومفاده أن انبعاثات تقنية المعلومات والاتصالات استقرت في الوقت الحالي وقد تنخفض إلى النصف بحلول 2030.

ادعاءات «الذكاء الاصطناعي من أجل المناخ» تفتقر إلى أدلة على فائدة صافية

ادّعت تقارير صادرة عن القطاع أن تقنية المعلومات والاتصالات قد توفّر في قطاعات أخرى أضعاف انبعاثاتها. ويرى Freitag وزملاؤه أن هذه التقديرات تتناول الارتداد تناولًا محدودًا جدًا، وأن هذه التقنية قد تتيح النمو، بما في ذلك في الصناعات كثيفة الكربون، بالقدر نفسه الذي قد تخفّض به الانبعاثات. ويكتبون أنه «رغم الأدلة المشكوك فيها على أن اتجاهات نمو تقنية المعلومات والاتصالات ستوفّر من انبعاثات الكربون أكثر مما ستضيف»، تشهد سلاسل الكتل (blockchain) وإنترنت الأشياء والذكاء الاصطناعي تزايدًا في الاستثمار والتبنّي. ويرون أن هذه التقنية لا توفّر انبعاثات في مجالات أخرى إلا إذا حلّت محل نشاط كثيف الكربون بدلًا من أن تُضاف إليه.

ولا يعني هذا أن الذكاء الاصطناعي لا يستطيع مساعدة المناخ. بل يعني أن كل ادعاء يجب أن يُظهر فائدة صافية، مع احتساب بصمة الذكاء الاصطناعي نفسه والارتداد. راجعوا الذكاء الاصطناعي الأخضر مقابل الذكاء الاصطناعي من أجل البيئة.

الكفاءة تحتاج إلى سقف

تخلص ورقة Widdicks وزملائه لعام 2023، المستندة إلى ورشة عمل ضمّت 19 خبيرًا، إلى أن «الكفاءة في ظل قيود على انبعاثات غازات الدفيئة هي السبيل الوحيد الذي يمكن به تحقيق كفاءة تفضي إلى خفض حقيقي للانبعاثات». وترى مراجعة 2021 أنه في غياب قيد كربوني عالمي، يلزم تنظيم جديد لإبقاء بصمة تقنية المعلومات والاتصالات متوافقة مع اتفاق باريس. وتقدّم الورقتان السقف بوصفه مفيدًا للقطاع أيضًا: ففي ظل القيد، تصبح الكفاءة أكثر قيمة لا أقل.

بكلماته

في حديثه إلى قادة الخدمات الرقمية الحكومية في لندن في فبراير 2026، لخّص Berners-Lee مشكلة الارتداد بقوله «كلما ازدادت كفاءة، فعلنا المزيد»، وحذّر من أن «كثيرًا من الناس يضربون كل مشكلة بمطرقة ثقيلة من الذكاء الاصطناعي وتعلّم الآلة»، وفق تقرير نشرته THINK Digital Partners.

ما الذي يحوّل الكفاءة إلى توفير حقيقي؟

اقرنوا كل مكسب في الكفاءة بحدّ للإجمالي، وقيسوا الإجمالي. وتشير الأبحاث المذكورة أعلاه إلى خمس أدوات عملية.

اعملوا ضمن ميزانية أو سقف

حدّدوا ميزانية مطلقة للطاقة أو الانبعاثات أو الحوسبة أو الرموز (tokens) لمنتج أو فريق أو مشروع، والتزموا بها مع تحسّن الكفاءة. عندها تتيح لكم الكفاءة فعل المزيد ضمن الميزانية بدلًا من دفع الإجمالي إلى الأعلى.

قيسوا الأثر المطلق، لا أرقام الوحدة فقط

الادعاء بأن نموذجًا ما «أكفأ بعشر مرات» لا يقول شيئًا عمّا إذا كان إجمالي الانبعاثات قد انخفض. أبلغوا عن إجمالي الطاقة والانبعاثات عبر الزمن إلى جانب الطاقة لكل مهمة. راجعوا كيفية قياس طاقة الذكاء الاصطناعي.

طبّقوا الكفاية

استخدموا الذكاء الاصطناعي حيث يضيف قيمة حقيقية، وأصغر نموذج وافٍ بالغرض حين تستخدمونه. فالمعادلة أو البحث أو استعلام قاعدة البيانات كثيرًا ما يؤدي المهمة بجزء يسير من الطاقة. راجعوا الكفاية.

ادّخروا التوفير

حين يحرّر مشروع للكفاءة قدرةً ما، قرّروا مسبقًا ما سيحدث لها. فإخراج الخوادم أو القدرة السحابية المحجوزة أو التراخيص من الخدمة يثبّت التوفير؛ أما تركها تعمل فيدعو استخدامًا جديدًا إلى ملئها. راجعوا كيف أمنع إلغاء مكاسب الكفاءة.

استخدموا أدوات سياسات تؤثر في الإجماليات

يؤثر تسعير الكربون وسقوف الانبعاثات وحدود التوصيل بالشبكة والإبلاغ عن الاستهلاك المطلق للطاقة في الطلب الإجمالي بطريقة لا تحققها معايير الكفاءة وحدها. راجعوا سياسة الذكاء الاصطناعي الأخضر.

ماذا تفعلون بعد ذلك

  • أضيفوا إجمالي طاقة الذكاء الاصطناعي أو انبعاثاته إلى تقاريركم الدورية، إلى جانب أرقام كل مهمة.
  • حدّدوا ميزانية أو سقفًا لحوسبة الذكاء الاصطناعي أو انبعاثاته، والتزموا به حين تتحسن الكفاءة.
  • قبل كل مشروع للكفاءة، قرّروا هل ستُخرج القدرة المحرَّرة من الخدمة أم يُعاد استخدامها.
  • اسألوا هل كل ميزة جديدة للذكاء الاصطناعي ضرورية، وهل ينبغي أن تكون مفعّلة افتراضيًا.
  • تعاملوا مع أي ادعاء بأن الذكاء الاصطناعي سيخفّض الانبعاثات في مجالات أخرى على أنه فرضية تحتاج إلى اختبار، مع احتساب الارتداد.
  • اقرؤوا الكفاءة ليست كفاية و الذكاء الاصطناعي الأخضر مقابل الذكاء الاصطناعي من أجل البيئة للاطلاع على الصورة الأوسع.

الأسئلة المتكررة

ما مفارقة Jevons؟

الملاحظة التي أبداها الاقتصادي William Stanley Jevons في كتابه The Coal Question عام 1865، ومفادها أن استخدام الفحم بكفاءة أكبر أدى إلى استخدام مزيد منه، لأن الكفاءة جعلت العمل الذي يعتمد على الفحم أرخص ومن ثم أوسع انتشارًا.

هل يخفّض الذكاء الاصطناعي الأكفأ الانبعاثات؟

على مستوى الاستعلام الواحد، نعم. أما إجمالًا، فليس بالضرورة: فالاستعلامات الأرخص تشجّع على استخدام أكبر بكثير. ولا يزال إجمالي استهلاك مراكز البيانات للكهرباء يرتفع بسرعة حتى مع انخفاض الطاقة لكل طلب، ولذلك لا تخفّض الكفاءة الانبعاثات إجمالًا إلا إذا وُضع حد أيضًا للاستخدام الإجمالي أو للانبعاثات.

ما تأثير الارتداد في الذكاء الاصطناعي؟

الاستخدام الإضافي للذكاء الاصطناعي الذي يعقب صيرورته أرخص أو أسهل، والذي يلتهم جزءًا من الطاقة الموفَّرة. وقد يكون مباشرًا (طلبات أكثر)، أو غير مباشر (إنفاق المال أو الوقت الموفَّر على أشياء أخرى تستهلك الطاقة)، أو على مستوى الاقتصاد كله (منتجات وصناعات جديدة تقوم على الذكاء الاصطناعي الرخيص).

ما الارتداد العكسي (backfire)؟

الارتداد العكسي هو تأثير ارتداد كبير إلى حد أن الاستهلاك الإجمالي أو الانبعاثات تصبح في النهاية أعلى مما كانت عليه قبل مكسب الكفاءة. ومفارقة Jevons مثال على الارتداد العكسي.

ماذا يقول Mike Berners-Lee والمشاركون معه في التأليف عن الذكاء الاصطناعي والمناخ؟

في أوراق خاضعة لتحكيم الأقران، يرون أن بصمة تقنية المعلومات والاتصالات مقدَّرة بأقل من حقيقتها، وأن مكاسب الكفاءة تميل إلى أن يلغيها الطلب المتنامي، وأن الأدلة على الفوائد المناخية الصافية لهذه التقنية، بما فيها الذكاء الاصطناعي، مشكوك فيها، وأن وضع سقف للانبعاثات ضروري كي تحقق الكفاءة خفضًا حقيقيًا.

كيف تمنعون إلغاء مكاسب الكفاءة؟

قيسوا إجمالي الطاقة أو الانبعاثات إلى جانب الطاقة لكل مهمة، وحدّدوا ميزانية أو سقفًا، وقرّروا مسبقًا ما سيحدث للقدرة المحرَّرة، واستخدموا الذكاء الاصطناعي فقط حيث يضيف قيمة كافية.

المصادر

  1. The Coal Question, W. Stanley Jevons, Macmillan (digitised copy, Internet Archive) (1865)
  2. Systems thinking and efficiency under emissions constraints: Addressing rebound effects in digital innovation and policy, Widdicks, Lucivero, Samuel, Somavilla Croxatto, Smith, Ten Holter, Berners-Lee, Blair, Jirotka, Knowles, Sorrell, Börjesson Rivera, Cook, Coroamă, Foxon, Hardy, Hilty, Hinterholzer and Penzenstadler, Patterns (2023)
  3. The real climate and transformative impact of ICT: A critique of estimates, trends, and regulations, Freitag, Berners-Lee, Widdicks, Knowles, Blair and Friday, Patterns (2021)
  4. Energy and AI, International Energy Agency (2025)
  5. Measuring the environmental impact of delivering AI at Google Scale, Elsworth et al., Google (2025)
  6. "We're heading for something pretty grim": Mike Berners-Lee warns digital leaders on climate, THINK Digital Partners (2026)
مقالة

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.

مقالة

الذكاء الاصطناعي الأخضر مقابل الذكاء الاصطناعي من أجل البيئة: ما الفرق؟

الذكاء الاصطناعي الأخضر يخفّض بصمة الذكاء الاصطناعي، والذكاء الاصطناعي من أجل البيئة يخدم المناخ والطبيعة. الفرق بينهما، ولماذا يتكاملان، وكيف تُقاس الفائدة الصافية.

ممارسات جيدة

كيف تكتبون سياسة للذكاء الاصطناعي الأخضر

دليل خطوة بخطوة لكتابة سياسة مؤسستكم للذكاء الاصطناعي الأخضر، مع مخطط نموذجي يغطي الاستخدام والنماذج والقياس والشراء والادعاءات والمراجعة.

ممارسات جيدة

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.

انضموا إلينا

ساعدوا في خفض أثر الذكاء الاصطناعي على الكوكب

تلقّوا الأدلة الجديدة ودعوات التمويل وإدراجات الأدلة بالبريد الإلكتروني، مرة في الشهر تقريبًا. أو أضيفوا منتجكم أو دورتكم أو منحة الدكتوراه أو بحثكم إلى الأدلة.

بلا تتبّع. ألغوا الاشتراك بنقرة واحدة. طرق أخرى للانضمام · الخصوصية