Service-preserving carbon- and water-aware resource allocation for geo-distributed AI inference

عندما تجيب أنظمة الذكاء الاصطناعي على سؤال أو تولد صورة، فإنها لا تعمل في فراغ. فهي تعمل على شبكات ضخمة من الحواسيب الموزعة عبر مدن ودول مختلفة، وهو نظام يُعرف بالحوسبة الموزعة جغرافياً. ورغم قوة هذه الأنظمة، إلا أنها تستهلك كميات هائلة من الكهرباء والمياه لتبريد الخوادم التي تبقيها قيد التشغيل. تأتي الكهرباء من شبكات طاقة تختلف في مدى نظافتها؛ فبعض المناطق تعتمد بشكل كبير على الفحم، بينما تستخدم مناطق أخرى الرياح أو الطاقة الشمسية. وبالمثل، فإن المياه المستخدمة لتبريد هذه الآلات تُسحب من الأنهار والخزانات المحلية، والتي تواجه مستويات مختلفة من الإجهاد اعتماداً على الموسم والمناخ المحلي. ويتمثل التحدي الذي يواجه المهندسين في تحديد المكان الذي يجب إرسال كل طلب إليه. إذ يتعين عليهم الموازنة بين الحاجة إلى السرعة، وتوافر القدرة الحاسوبية، والرغبة في تقليل الضرر البيئي. فإذا أرسل النظام العمل ببساطة إلى شبكة الطاقة الأكثر نظافة، فقد يتسبب دون قصد في استنزاف نهر محلي في منطقة تعاني من الجفاف. وإذا أرسل العمل لتوفير المياه، فقد يحرق المزيد من الكربون. إن إيجاد التوازن الصحيح دون إبطاء الخدمة هو لغز معقد بدأ الباحثون للتو في حله.

قام فريق من الباحثين في جامعة شمال الصين للطاقة الكهربائية بتطوير طريقة جديدة لحل هذا اللغز، مع التركيز تحديداً على أنظمة الذكاء الاصطناعي الضخمة التي تولد الصور والنصوص. لقد ابتكروا طريقة تخطيط من خطوتين تضمن عدم تباطؤ خدمة الذكاء الاصطناعي أو فشلها، حتى بينما يحاول النظام أن يكون أكثر رفقاً بالبيئة. تتعامل طريقتهم مع الخدمة نفسها باعتبارها أهم شيء يجب حمايته. أولاً، يحسب النظام الحد الأقصى المطلق لكمية العمل التي يمكن إنجازها بناءً على القيود الحالية لسعة الحاسوب، وسرعة الشبكة، ووقت انتقال البيانات. وبمجرد تحديد هذا الحد الأقصى، يبحث النظام عن أفضل طريقة لتوزيع نفس كمية العمل بالضبط لتقليل انبعاثات الكربون واستهلاك المياه. تمنع هذه الطريقة خطأً شائعاً حيث قد يدعي النظام أنه "أكثر رفقاً بالبيئة" بمجرد القيام بعمل أقل أو تخطي المهام الصعبة؛ بدلاً من ذلك، تجد الطريقة المسار الأكثر رفقاً بالبيئة للعبء الكامل من العمل.

اختبر الباحثون طريقتهم باستخدام سجل واقعي لأكثر من 26,000 طلب ناجح للذكاء الاصطناعي تمت خلال 554 ساعة. قاموا بمحاكاة شبكة مكونة من أربعة مناطق مختلفة، لكل منها مزيجها الخاص من مصادر الطاقة، وتوافر المياه، والقيود الحاسوبية. وفي اختبارهم الأكثر تفصيلاً، أنشأوا خريطة تضم 21 سيناريو مختلفاً، تتراوح بين السماح باستخدام كافة المياه إلى الحظر التام لاستخدام المياه في المناطق الأكثر تعرضاً للإجهاد. ووجدوا أنه من خلال تجنب استخدام المياه بصرامة في المناطق التي تعاني بالفعل من ندرة المياه، يمكن للنظام توفير 2.4250 لتر من المياه المباشرة مقارنة بنهج قياسي يهتم بالكربون فقط. جاء هذا التوفير بتكلفة ضئيلة جداً: حيث أنتج النظام 0.0582 كيلوغراماً إضافياً من مكافئ ثاني أكسيد الكربون. ومع ذلك، حتى مع هذه الزيادة الطفيفة، ظل إجمالي البصمة الكربونية أقل بكثير مما لو كان النظام قد رفض ببساطة نقل العمل بين المناطق لتوفير الوقت.

كشفت الدراسة أن تكلفة كون النظام أكثر رفقاً بالبيئة ليست متساوية عند كل مستوى. فعندما خفف الباحثون قواعد المياه قليلاً، تمكن النظام من تجنب الكثير من المياه بتكلفة كربون إضافية شبه معدومة. ولكن عندما دفعوا القواعد لتصبح أكثر صرامة، في محاولة لتجنب آخر قطرات الماء في المناطق المجهدة، بدأت تكلفة الكربون في الارتفاع بشكل حاد. وهذا يخلق منحنى مقايضة واضحاً، أو "حدوداً"، يمكن للمديرين استخدامها لاتخاذ القرارات. يمكنهم رؤية مقدار الكربون الإضافي الذي سيتعين عليهم قبوله مقابل توفير كمية معينة من المياه. كما اختبر الباحثون آلاف التوليفات المختلفة من ظروف شبكة الطاقة، وسرعات الحاسوب، وتأخيرات الشبكة لضمان صمود نتائجهم تحت الضغط. ووجدوا أنه بينما تتغير الأرقام الدقيقة اعتماداً على الظروف، فإن الاتجاه العام يظل كما هو: من الممكن حماية الخدمة، وتوفير المياه في المناطق المجهدة، ومع ذلك الحفاظ على انبعاثات كربونية منخفضة.

كانت إحدى أهم النتائج هي أن موقع المياه يهم أكثر من إجمالي الكمية. ولأن المياه المستخدمة لتبريد الخوادم تُحسب بناءً على كمية الكهرباء المستخدمة، فإن إجمالي حجم المياه المستهلكة من قبل النظام لم يتغير لمجرد أنهم نقلوا العمل. ما تغير هو مكان استهلاك هذه المياه. فمن خلال نقل العمل بعيداً عن المناطق ذات الإجهاد المائي العالي إلى المناطق التي تتوفر فيها المياه بكثرة، تجنب النظام وضع ضغط على النظم البيئية المحلية الضعيفة. وقد أكد الباحثون أن هذه النتيجة لم تكن مجرد صدفة في بياناتهم المحددة؛ فقد أجروا آلاف عمليات المحاكاة مع أنماط زمنية ومعدلات كفاءة مياه مختلفة، وظلت النتيجة الجوهرية ثابتة. توفر هذه الطريقة وسيلة شفافة وقابلة للتدقيق لإدارة هذه الأنظمة الضخمة للذكاء الاصطناعي، مما يسمح للمشغلين بوضع حدود واضحة لاستخدام المياه ورؤية الثمن البيئي الدقيق لتلك الحدود قبل تطبيقها. وهذا يمنح صناع القرار أداة للموازنة بين متطلبات العالم الرقمي المتنامي والحدود الفيزيائية للكوكب، مما يضمن أن يعمل ذكاء المستقبل بكفاءة دون استنزاف الموارد التي يعتمد عليها.