بازار آریا - فرشید اداوی* هوش مصنوعی وارد مرحله‌ای شده که دیگر صرفا یک فناوری جانبی یا ابزاری برای تسریع محاسبات نیست؛ اکنون زیرساخت تصمیم‌گیری و مدیریت شهری، صنعتی و خدماتی در جهان به آن وابسته است. اما این تحول دو جنبه کلیدی دارد؛ از سویی بهره‌وری انرژی، کیفیت خدمات شهری و کاهش آلودگی را تقویت می‌کند، و از سوی دیگر مصرف برق مراکز داده و انتشار کربن دیجیتال را افزایش می‌دهد.
اگر فناوری درست هدایت شود، می‌تواند زمین را نجات دهد
در جهان امروز، بخش ساختمان، حمل‌ونقل و صنعت، سه حوزه‌ای هستند که بیشترین سهم را در مصرف انرژی و انتشار گازهای گلخانه‌ای دارند. در ایران، بخش ساختمان به‌تنهایی حدود 40 درصد مصرف انرژی را به خود اختصاص می‌دهد؛ عددی که بر اساس گزارش آژانس بین‌المللی انرژی، بیش از میانگین جهانی است. این یعنی هرگونه کاهش مصرف در این بخش، نه‌تنها صرفه‌جویی اقتصادی، بلکه اقدامی واقعی برای مقابله با تغییرات اقلیمی است. هوش مصنوعی دقیقا همین‌جا وارد می‌شود: جایی که به جای تغییر مصالح، تجهیزات یا ساختار، نحوه تصمیم‌گیری و کنترل انرژی در ساختمان و شهر اصلاح می‌شود. این همان قلب مفهوم توسعه پایدار است: افزایش رفاه بدون افزایش مصرف. پژوهش اخیر منتشرشده در Scientific Reports نشان می‌دهد سیستم‌های کنترل تطبیقی HVAC که بر پایه تحلیل الگوهای مصرف انسانی و شرایط محیطی کار می‌کنند، قادرند 12 تا 28درصد مصرف انرژی ساختمان‌های اداری و آموزشی را کاهش دهند. نکته مهم اینجاست که این دستاورد بدون تغییر در تجهیزات و زیرساخت حاصل می‌شود؛ تنها با اصلاح روش تنظیم و مدیریت انرژی، این فرآیند به‌طور مستقیم SDG7 (انرژی پاک و مقرون‌به‌صرفه) و SDG11 (شهرهای پایدار) را تقویت می‌کند، زیرا استفاده از انرژی را هوشمند، هدفمند و عاری از هدررفت می‌سازد.
در مقیاس شهری، هوش مصنوعی می‌تواند یکی از مهم‌ترین چالش‌های شهرهای بزرگ یعنی ترافیک و آلودگی هوا را کاهش دهد. بر اساس گزارش UN-Habitat Smart Cities Outlook (2025) اجرای الگوریتم‌های هماهنگ‌سازی چراغ‌های راهنمایی و مدیریت هوشمند ناوگان حمل‌ونقل عمومی، در شهرهای نمونه‌ای مثل استانبول، سئول و سنگاپور، منجر به کاهش میانگین 17 تا 22درصدی مصرف سوخت شهری و کاهش محسوس غلظت آلاینده‌های هوا شده است. این موضوع فقط یک بهبود فنی نیست؛ مستقیما به بهبود سلامت، کاهش اضطراب شهری و افزایش کیفیت زندگی مربوط است. این دستاورد تقویت‌کننده SDG11 (شهرهای قابل زیست) و SDG13 (اقدامات موثر اقلیمی و زیست محیطی) است.
در صنایع نیز، هوش مصنوعی نه‌تنها هزینه‌ها را کاهش می‌دهد، بلکه بهره‌وری نیروی انسانی را نیز افزایش می‌دهد. گزارش سال 2025 World Economic Forum نشان می‌دهد که «نگهداشت پیش‌بینانه» مبتنی بر AI می‌تواند 8 تا 18درصد مصرف انرژی تجهیزات صنعتی را کاهش دهد، زیرا پیش از آنکه موتور، کمپرسور یا چیلر دچار افت بازده شود، مشکل تشخیص داده شده و رفع می‌شود. این یعنی کاهش مصرف انرژی به همراه کاهش توقف تولید و افزایش مهارت نیروی انسانی و نتیجه‌ای قابل انتظار که سبب تقویت هم‌زمان نوآوری و صنعت پایدار و اشتغال شایسته و رشد اقتصادی خواهد شد.
در نهایت، نباید نقش هوش مصنوعی در آموزش برابر و فراگیر را نادیده گرفت. پروژه آزمایشی UNESCO (2024) در مدارس مناطق کم‌برخوردار کنیا و مالزی نشان داد که استفاده از «آموزش تطبیقی هوش‌محور» منجر به افزایش 25درصدی سطح یادگیری و کاهش 30درصدی شکاف عملکرد تحصیلی بین دانش‌آموزان شد. این یافته اهمیت دارد، زیرا توسعه پایدار بدون توزیع عادلانه فرصت‌ها ممکن نیست. این بخش مستقیما با SDG4 (آموزش باکیفیت) و SDG10 (کاهش نابرابری) مرتبط است.
از بهینه‌سازی تا مصرف‌گرایی؛ مرز باریک بهره‌وری و زیاده‌روی
رشد سریع هوش مصنوعی به‌ویژه در مقیاس مدل‌های بزرگ، نیاز فزاینده‌ای به زیرساخت‌های پردازشی و مراکز داده دارد و این زیرساخت‌ها مصرف انرژی قابل‌توجهی را به همراه می‌آورند. طبق گزارش آژانس بین‌المللی انرژی IEA، مصرف برق مراکز داده در سال 2024 حدود 460 تراواتساعت برآورد شده و در صورت ادامه روند فعلی ممکن است تا 750 تا 1000 تراواتساعت در سال 2030 افزایش یابد؛ رقمی که معادل مصرف سالانه برق کشورهایی مانند آلمان یا ژاپن است. اگر منبع تامین برق این مراکز همچنان گاز و زغال‌سنگ باشد، این افزایش مصرف، انتشار کربن جهانی را مستقیما تشدید خواهد کرد و فشار بیشتری بر SDG13 (اقدامات موثر اقلیمی و زیست محیطی) وارد می‌کند.
در کنار مصرف برق مراکز داده، آموزش مدل‌های زبانی بزرگ (LLM) خود یک فرآیند بسیار انرژی‌بر است. داده‌های منتشرشده توسط Google و Meta که در گزارش IEA نیز نقل شده‌اند، نشان می‌دهد که آموزش یک مدل در مقیاس 175میلیارد پارامتر، می‌تواند تا 1280مگاوات‌ساعت انرژی مصرف کند؛ یعنی نزدیک به مصرف برق یک محله کوچک در یک سال. همچنین پژوهش دانشگاه استنفورد نشان می‌دهد که حتی استفاده روزمره کاربران نیز کم‌هزینه نیست: پردازش هر 100 پرسش در مدل‌های پیشرفته، 1.5 تا 2.8کیلووات‌ساعت انرژی مصرف می‌کند. بدین‌ترتیب، هرچه کاربرد AI عمومی‌تر شود، مصرف انرژی دیجیتال غیرخطی افزایش می‌یابد و این، فشار مستقیمی بر SDG12 (مصرف و تولید مسوولانه) وارد می‌کند.
هم‌زمان، توزیع دسترسی به این فناوری همواره عادلانه و متوازن نیست. اگر استفاده از هوش مصنوعی تنها در اختیار کشورهای توسعه‌یافته، شرکت‌های بزرگ فناوری یا طبقات برخوردار جامعه قرار گیرد، نتیجه نه پیشرفت، بلکه افزایش نابرابری دیجیتال خواهد بود. در این صورت، کشورها و جوامع فاقد زیرساخت انرژی و محاسبات قدرتمند، مصرف‌کننده فناوری و تولیدکننده عقب‌ماندگی دیجیتال می‌شوند. این روند می‌تواند SDG10 (کاهش نابرابری) را تضعیف کرده و شکاف انسانی، اقتصادی و دانشی را در مقیاس جهانی گسترش دهد. بنابراین، تهدیدهای هوش مصنوعی تنها زیست‌محیطی و انرژی‌محور نیستند؛ بلکه اجتماعی، اقتصادی و ساختاری نیز هستند.
پیشرفت یا پایداری؛ نقطه تعادل کجاست؟
در نهایت، مساله هوش مصنوعی و توسعه پایدار، بیش از آنکه مساله‌ای فنی باشد، مساله‌ای انسانی و سیاسی است. هیچ فناوری به‌خودی‌خود نه «راه‌حل» است و نه «مشکل». آنچه سرنوشت تاثیر یک فناوری را تعیین می‌کند، نحوه استفاده ما، چارچوب تصمیم‌سازی ما، و ارزش‌هایی است که در اولویت قرار می‌دهیم. اگر هوش مصنوعی را در خدمت به حداقل رساندن اتلاف انرژی، کاهش انتشار، بهبود رفاه شهری و توزیع عادلانه دانش قرار دهیم، این فناوری می‌تواند بخشی از راه‌حل جهانی گذار انرژی و زیست اجتماعی پایدار باشد. اما اگر منطق رشد بی‌وقفه، مصرف بی‌برنامه و رقابت تکنولوژیک افسارگسیخته بر آن حاکم شود، هوش مصنوعی می‌تواند همان بحرانی را تشدید کند که امیدوار بودیم حل کند.
جهان، در مقابل هوش مصنوعی، با دو انتخاب اساسی روبه‌روست؛ یا از آن برای افزایش مصرف، سرعت و انباشت بیشتر استفاده کند، یا آن را به ابزار بهینه‌سازی، سنجش‌پذیری و آگاهی از پیامدهای مصرف تبدیل کند. اولی می‌تواند ما را سریع‌تر، پرمصرف‌تر و نابرابرتر کند؛ دومی می‌تواند ما را آگاه‌تر، منصفانه‌تر و سازگارتر با محیط‌زیست نماید. این دو مسیر، فاصله‌ای به اندازه یک تصمیم سیاسی و یک تغییر در الگوی حکمرانی انرژی و داده دارند. به بیان ساده‌تر: اگر انرژی پاک، استانداردهای شفاف، و عدالت دیجیتال در کنار توسعه هوش مصنوعی قرار نگیرند، سود فناوری نصیب اندکی می‌شود و هزینه‌هایش بر دوش همه.
برای ایران، این موضوع از جنس انتخاب آینده‌ای ملی است. در کشوری که شدت مصرف انرژی بالاست، تابستان‌ها با پیک برق مواجه است، زمستان‌ها با مصرف گاز، و اختلاف منطقه‌ای در دسترسی به آموزش و خدمات وجود دارد، هوش مصنوعی نه یک گزینه تزئینی و نه یک موج گذراست. اگر هوش مصنوعی در مدیریت انرژی ساختمان، حمل‌ونقل شهری، آموزش مناطق کم‌برخوردار و نگهداشت هوشمند صنعت به کار گرفته شود، می‌تواند هزینه‌ها را کاهش دهد، سرمایه انسانی را توانمند کند و از فشار بر منابع طبیعی بکاهد. اما اگر این فناوری صرفا در حاشیه مصرف‌گرایی دیجیتال یا رقابت ظاهری به کار گرفته شود، فرصت تاریخیِ یک گذار هوشمندانه از دست خواهد رفت.
* محقق و پژوهشگر توسعه پایدار و انرژی‌های پاک