greenai.guide

الرئيسية › كيف أفعل…؟ › كيف أقارن استهلاك الطاقة بين نماذج الذكاء الاصطناعي المختلفة؟

كيف أفعل…؟

كيف أقارن استهلاك الطاقة بين نماذج الذكاء الاصطناعي المختلفة؟

تاريخ التحديث · مدة القراءة: 1 دقيقة

باختصار

استخدموا معيارًا قياسيًا حيثما وُجد معيار يغطي مهمتكم، مثل AI Energy Score لدى Hugging Face، وإلا فقيسوا المرشحين بأنفسكم على المهمة والعتاد والإعدادات نفسها. وقارنوا الطاقة لكل مهمة ناجحة إلى جانب الجودة، لأن النموذج الرخيص الذي يفشل يكلّف أكثر في النهاية.

الخطوات

  1. تحققوا إن كان للنماذج المرشحة تصنيف AI Energy Score لمهمتكم.
  2. للنماذج التي لا تملك تصنيفًا، شغّلوا المعيار نفسه على كل منها، على وحدة GPU نفسها وبالإعدادات نفسها.
  3. استخدموا مجموعة ثابتة من الطلبات الحقيقية بأطوال إدخال وإخراج واقعية.
  4. سجّلوا الطاقة لكل طلب والجودة لكل نموذج، مقيسةً بالطريقة نفسها.
  5. قارنوا الكلفة لكل مهمة ناجحة، بما في ذلك إعادة المحاولات.

قارنوا المتماثل بالمتماثل: المهمة نفسها، والعتاد نفسه، والإعدادات نفسها، والقياس نفسه. فالأرقام المنشورة من مزوّدين مختلفين تستخدم منهجيات وحدودًا مختلفة، لذا نادرًا ما تكون المقارنة بينها منصفة.

هل توجد مقارنة جاهزة؟

بالنسبة إلى كثير من النماذج المفتوحة، نعم. يقيس AI Energy Score لدى Hugging Face طاقة GPU لكل 1,000 استعلام في عشر مهام شائعة، ويمنح من نجمة إلى خمس نجوم مقارنة بالنماذج الأخرى في المهمة نفسها. كما يوفّر طريقة لاختبار النماذج الخاصة بالمنهجية نفسها. ابدؤوا من هناك.

كيف أقيس النماذج بنفسي؟

  • النماذج التي تشغّلونها: غلّفوا كل تشغيل بأداة مثل CodeCarbon، التي تقدّر الطاقة من قدرة المعالج والذاكرة.
  • واجهات API المستضافة: قدّروا الطاقة من أعداد الرموز (tokens) بأداة مثل EcoLogits، ووسموا النتيجة بأنها تقدير.
  • ثبّتوا كل ما عدا ذلك: الطلبات، وحجم الدفعة، وطول الإدخال والإخراج، والعتاد، والمنطقة.
  • كرّروا التشغيلات وأبلغوا عن نطاق، لا عن رقم واحد.

وقد تكون الفروق كبيرة. ففي مقارنة Luccioni وJernite وStrubell، كانت النماذج التوليدية متعددة الأغراض أغلى بمراتب عشرية من الأنظمة المتخصصة للمهام نفسها.

أخطاء شائعة

  • المقارنة لكل استدعاء بدلًا من لكل نجاح. احسبوا إعادة المحاولات والإخفاقات.
  • تجاهل طول الإخراج. فالنموذج الذي يكتب ضعف الكمية قد يكلّف الضعف، أيًّا كان حجمه.
  • خلط الأرقام المقدّرة بالأرقام المقيسة في الجدول نفسه دون الإشارة إلى ذلك.

للاطلاع على المنهجية كاملة، انظروا كيف تقيسون طاقة الذكاء الاصطناعي، ولقراءة التصنيفات، انظروا كيف تقرؤون تصنيف AI Energy Score.

المصادر

  1. AI Energy Score, Hugging Face (2025)
  2. Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
  3. CodeCarbon, CodeCarbon (2026)
  4. EcoLogits documentation, EcoLogits (2025)
كيف أفعل…؟

كيف أفهم تقييم AI Energy Score لنموذج ذكاء اصطناعي؟

ما معنى تقييمات AI Energy Score من نجمة إلى خمس نجوم، وماذا تقيس، وكيف تستخدمونها لمقارنة النماذج، وما الذي لا تخبركم به.

كيف أفعل…؟

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 أفعل…؟

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.

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