مقالات وآراء

تحدي الطاقة الخفي للذكاء الاصطناعي

بقلم .. الرشيد امبدي ابوبكر

مقدمة
يشهد العالم في العقد الثالث من القرن الحادي والعشرين ثورة غير مسبوقة في مجال الذكاء الاصطناعي، حيث تتسابق الشركات الكبرى والمراكز البحثية لتطوير نماذج لغوية ضخمة وأنظمة تعلم عميق قادرة على محاكاة التفكير البشري. غير أن هذا التقدم المذهل يخفي وراءه تحدياً بيئياً واقتصادياً متنامياً يتمثل في الاستهلاك الهائل للطاقة الكهربائية. فكل عملية تدريب أو تشغيل لنموذج ذكاء اصطناعي تتطلب قدرة حوسبية ضخمة، ما يعني استهلاكاً متزايداً للطاقة، وانبعاثات كربونية متصاعدة.

أولاً: العلاقة العلمية بين الذكاء الاصطناعي واستهلاك الطاقة
الذكاء الاصطناعي، وخاصة في فروعه الحديثة مثل التعلم العميق (Deep Learning) والنماذج اللغوية الضخمة (LLMs)، يعتمد على تدريب شبكات عصبية تحتوي على مليارات المعاملات (Parameters). هذه العملية تتطلب تشغيل آلاف أو حتى ملايين من وحدات المعالجة الرسومية (GPUs) أو وحدات المعالجة المتخصصة (TPUs) لفترات طويلة تمتد من أسابيع إلى شهور.
من الناحية الفيزيائية، كل عملية حسابية داخل المعالج تستهلك طاقة كهربائية تتحول جزئياً إلى حرارة. ومع تزايد حجم البيانات وعدد الطبقات العصبية، يتضاعف عدد العمليات الحسابية المطلوبة، وبالتالي يرتفع استهلاك الطاقة بشكل أُسّي.
تشير دراسة صادرة عن جامعة ماساتشوستس أمهرست (UMass Amherst) عام 2023 إلى أن تدريب نموذج لغوي واحد بحجم GPT-4 قد يستهلك طاقة تعادل ما يستهلكه 120 منزلًا أمريكياً في عام كامل. كما أن تشغيل النموذج بعد التدريب (أي مرحلة الاستخدام أو “الاستدلال”) يستهلك بدوره طاقة كبيرة، خاصة عند التعامل مع ملايين المستخدمين في الوقت نفسه.

ثانياً: البنية التحتية للأجهزة ودورها في استهلاك الطاقة
تعتمد بنية الذكاء الاصطناعي على مراكز بيانات ضخمة (Data Centers) تحتوي على آلاف الخوادم المجهزة بمعالجات متقدمة. هذه المراكز تحتاج إلى:
طاقة تشغيلية لتغذية الخوادم والمعالجات.
طاقة تبريدية للحفاظ على درجة حرارة مناسبة تمنع ارتفاع حرارة الأجهزة.
تشير تقارير وكالة الطاقة الدولية (IEA) إلى أن مراكز البيانات تستهلك حالياً نحو 2% من إجمالي الكهرباء العالمية، ومن المتوقع أن ترتفع النسبة إلى 6% بحلول عام 2030 إذا استمر النمو الحالي للذكاء الاصطناعي.
تستخدم الشركات تقنيات تبريد متقدمة مثل التبريد السائل (Liquid Cooling) أو التبريد بالغمر (Immersion Cooling) لتقليل الفاقد الحراري، إلا أن هذه الحلول نفسها تحتاج إلى طاقة إضافية لتشغيل المضخات وأنظمة التهوية.

ثالثاً: كيف تتعامل الشركات ومراكز الأبحاث مع تحدي الطاقة؟
أدركت الشركات الرائدة مثل مايكروسوفت، جوجل، ميتا، وأوبن إيه آي أن استدامة الذكاء الاصطناعي تتوقف على كفاءة الطاقة. لذلك تبنت استراتيجيات متعددة:
التحول إلى الطاقة المتجددة:
تعتمد جوجل منذ 2025 على مزيج من الطاقة الشمسية وطاقة الرياح لتشغيل مراكز بياناتها بنسبة 90%.
مايكروسوفت أعلنت التزامها بتحقيق “صفر انبعاثات كربونية” بحلول 2030 عبر الاستثمار في مشاريع الطاقة النظيفة.
تحسين كفاءة الخوارزميات:
يجري تطوير خوارزميات تدريب أكثر كفاءة تقلل عدد العمليات الحسابية المطلوبة دون التأثير على دقة النتائج.
ظهرت تقنيات مثل التدريب المضغوط (Sparse Training) والتحكم في حجم النماذج (Model Pruning) لتقليل استهلاك الطاقة.
الذكاء الاصطناعي الأخضر (Green AI):
توجه بحثي جديد يهدف إلى قياس كفاءة النماذج ليس فقط من حيث الأداء، بل أيضاً من حيث استهلاك الطاقة والانبعاثات الناتجة عنها.
إعادة استخدام الحرارة المهدرة:
بعض مراكز البيانات في أوروبا بدأت في استخدام الحرارة الناتجة عن الخوادم لتدفئة المباني المجاورة، ما يقلل الفاقد الحراري ويحقق فائدة مزدوجة.

رابعاً: فكرة إيلون ماسك لحل مشكلة الطاقة عبر الأقمار الصناعية
إيلون ماسك، مؤسس “سبيس إكس” و”تسلا”، طرح في عام 2025 فكرة طموحة تقوم على استخدام شبكة من الأقمار الصناعية لتوليد الطاقة الشمسية في الفضاء ونقلها إلى الأرض عبر موجات ميكروية أو ليزرية.
الفكرة تعتمد على أن الطاقة الشمسية في الفضاء أكثر استقراراً وكثافة لأنها لا تتأثر بتقلبات الطقس أو دوران الأرض. يمكن للأقمار الصناعية المجهزة بألواح شمسية ضخمة أن تجمع الطاقة وتحولها إلى موجات تُرسل إلى محطات استقبال أرضية، حيث تُحوّل مجدداً إلى كهرباء.
ماسك يرى أن هذه التقنية يمكن أن توفر طاقة نظيفة ومستدامة لتشغيل مراكز بيانات الذكاء الاصطناعي العملاقة، خصوصاً في المناطق النائية أو ذات البنية التحتية الضعيفة.
ورغم أن المشروع لا يزال في مراحله التجريبية، إلا أن وكالة الفضاء اليابانية (JAXA) والاتحاد الأوروبي أبديا اهتماماً مشابهاً بتقنيات “الطاقة الشمسية الفضائية”، ما يعزز إمكانية تطبيقها خلال العقد القادم.

خامساً: الحلول المقترحة لمواجهة أزمة الطاقة في الذكاء الاصطناعي
تصميم معالجات موفرة للطاقة:
تطوير شرائح متخصصة مثل Neuromorphic Chips التي تحاكي طريقة عمل الدماغ البشري وتستهلك طاقة أقل بكثير من المعالجات التقليدية.
الاعتماد على الحوسبة الموزعة:
توزيع عمليات التدريب على أجهزة متعددة في مواقع مختلفة لتقليل الضغط على مركز بيانات واحد، مما يقلل من استهلاك الطاقة المركزية.
تحسين إدارة البيانات:
تقليل حجم البيانات المستخدمة في التدريب عبر تقنيات “البيانات الاصطناعية” أو “البيانات المنتقاة” لتقليل العمليات الحسابية.
الاستثمار في الطاقة النووية الصغيرة (SMRs):
بعض الشركات الأمريكية تدرس إمكانية تشغيل مراكز البيانات بمفاعلات نووية صغيرة آمنة توفر طاقة مستقرة ومنخفضة الانبعاثات.
التشريعات والسياسات البيئية:
ضرورة وضع معايير دولية لقياس “البصمة الكربونية للذكاء الاصطناعي”، وإلزام الشركات بالإفصاح عن استهلاك الطاقة والانبعاثات الناتجة عن نماذجها.

سادساً: النتائج والتوصيات
الذكاء الاصطناعي ليس مجرد تقدم رقمي، بل تحدٍ بيئي عالمي.
يجب النظر إلى الطاقة كعنصر أساسي في معادلة التطور التكنولوجي، وليس مجرد مورد ثانوي.
التحول إلى الطاقة المتجددة ضرورة استراتيجية.
لا يمكن ضمان استدامة الذكاء الاصطناعي دون بنية تحتية تعتمد على مصادر نظيفة ومتجددة.
تشجيع البحث في الذكاء الاصطناعي الأخضر.
الجامعات ومراكز الأبحاث مطالبة بتطوير نماذج أكثر كفاءة في استهلاك الطاقة، مع التركيز على تقنيات الضغط والتقليل الحسابي.
التعاون الدولي في مجال الطاقة الفضائية.
فكرة إيلون ماسك تمثل اتجاهاً مستقبلياً واعداً، لكنها تحتاج إلى تعاون دولي وتمويل ضخم لتصبح واقعاً تجارياً.
توعية المستخدمين وصناع القرار.
يجب أن يدرك صناع السياسات والمستخدمون أن كل استعلام أو عملية ذكاء اصطناعي تستهلك طاقة، وأن الاستخدام المفرط دون وعي قد يفاقم الأزمة البيئية.

سابعاً: مستقبل الذكاء الاصطناعي أمام تحدي الطاقة
من المتوقع أن يتضاعف الطلب على الطاقة في قطاع الذكاء الاصطناعي خلال السنوات الخمس المقبلة، خاصة مع انتشار تطبيقات الذكاء التوليدي في التعليم، الطب، والصناعة. ومع ذلك، فإن الاتجاه نحو الذكاء الاصطناعي المستدام سيصبح محور المنافسة بين الشركات.
بحلول عام 2030، قد نشهد ظهور مراكز بيانات تعمل بالكامل بالطاقة الشمسية أو النووية الصغيرة، ونماذج ذكاء اصطناعي قادرة على التعلم بكفاءة طاقية تضاهي الدماغ البشري. كما أن التطور في مجال الحوسبة الكمية (Quantum Computing) قد يفتح آفاقاً جديدة لتقليل استهلاك الطاقة عبر تسريع العمليات الحسابية.
في المقابل، سيظل التحدي قائماً ما لم يتم تحقيق توازن بين الطموح التقني والمسؤولية البيئية. فالمستقبل لن يكون لمن يملك أكبر نموذج ذكاء اصطناعي، بل لمن يملك أذكى وأكفأ نموذج في استهلاك الطاقة.

المراجع والمصادر
International Energy Agency (IEA), Data Centres and Energy Consumption Report, 2025.
University of Massachusetts Amherst, Energy and Carbon Costs of AI Training, 2023.
Google Sustainability Report, 2025.
Microsoft Environmental Sustainability Report, 2024.
SpaceX Technical Brief on Space-Based Solar Power, 2025.
JAXA Space Solar Power Systems Research, 2024.
MIT Technology Review, The Hidden Energy Cost of AI, 2025.
Nature Energy Journal, AI and Global Electricity Demand, 2024.
خاتمة
تحدي الطاقة في الذكاء الاصطناعي ليس مجرد قضية تقنية، بل هو معركة من أجل استدامة المستقبل الرقمي. فبينما يواصل الذكاء الاصطناعي إعادة تشكيل العالم، يبقى السؤال الجوهري: هل يمكن للعقل الاصطناعي أن يتعلم كيف يحافظ على طاقة الكوكب الذي أوجده؟
الإجابة تكمن في الجمع بين الابتكار العلمي والوعي البيئي، وبين طموح الإنسان وحدود الطبيعة.

سيـــد نفســـك مـــين اسيــــادك

انضمامك يعني الانتشار والمصداقية

انضم إلينا عبر صفحة الفيس بوك 👇🏼
صفحة الفيسبوك

انضم إلينا عبر مجموعة الواتس آب 👇🏼
مجموعة الواتساب

انضم إلينا عبر قناة الواتس آب 👇🏼
قناة الواتساب

صحيفة التيـــار

مقالات ذات صلة

زر الذهاب إلى الأعلى