پروژه Quili AI؛ وقتی یک شهر کوچک در شیلی به جای هوش مصنوعی به کاربران پاسخ می‌دهد

معرفی پروژه Quili AI و ایده آن

تصور کنید به جای ارسال پرامپت به یک مدل زبانی بزرگ و دریافت پاسخ خودکار، آن سوی خط یک انسان واقعی نشسته باشد و به درخواست شما پاسخ دهد. این دقیقاً همان کاری است که پروژه Quili AI انجام داد. در این ابتکار جالب، بیش از ۴۰ نفر از ساکنان منطقه Quilicura در شیلی تصمیم گرفتند برای یک روز کامل نقش یک «چت‌بات انسانی» را بازی کنند و به پرامپت‌های ارسالی پاسخ دهند.

این کمپین بازه زمانی محدودی را از ساعت ۸ صبح تا ۸ شب پوشش داد و در این مدت، شرکت‌کنندگان توانستند به بیش از ۲۵,۰۰۰ پرامپت از کاربران ۶۸ کشور مختلف پاسخ دهند. میانگین زمان هر چت حدود ۱۱ دقیقه و ۴ ثانیه ثبت شد و این رویداد موفق شد توجه جهانی قابل توجهی را به خود جلب کند.

زمینه و اهداف پشت صحنه

هدف اصلی این پروژه، هشدار دادن درباره مصرف بی‌رویه آب توسط دیتاسنترهای زیرساخت هوش مصنوعی در شرایط بحرانی خشکسالی در شیلی بود. شیلی با یک بحران اقلیمی و خشکسالی شدید روبه‌رو است که پیش‌بینی می‌شود تا سال ۲۰۴۰ ادامه داشته باشد. دیتاسنترها و سرورهای پردازشی برای خنک‌سازی به مقدار زیادی آب نیاز دارند و این موضوع به نگرانی جدی جوامع محلی تبدیل شده است.

سازندگان این پروژه با ساختن یک سیستم به ظاهر مبتنی بر AI، کاربران را درگیر مکالمه با انسان‌هایی کردند که با منابع آب واقعی زنده هستند؛ رویکردی نمادین برای یادآوری اینکه پشت هر پرسش دیجیتالی در مدل‌های مدرن، هزینه‌های فیزیکی و زیست‌محیطی سنگینی قرار دارد.

نگاه جامعه هکرنیوز به این پروژه

در بحث‌های شکل‌گرفته در Hacker News، کاربران زوایای فنی و منطقی مختلفی را درباره این پروژه مطرح کردند:

• مقایسه مصرف آب: برخی کاربران با انجام محاسباتی اشاره کردند که یک انسان معمولی روزانه به حدود ۳ لیتر آب نیاز دارد و با توجه به میانگین زمان چت‌ها، میزان مصرف آب این انسان‌ها در حین پاسخگویی ممکن است حتی بیشتر از مدل‌های هوش مصنوعی باشد که به ازای هر تعامل مقدار بسیار کمی آب مصرف می‌کنند.
• عادت به تعامل با ربات‌ها: نکته جالب دیگر مطرح‌شده این بود که جامعه به پرسیدن سوال از ربات‌ها به جای موتورهای جست‌وجو عادت کرده است. این پروژه نشان داد که انسان‌ها چقدر راحت می‌توانند به عنوان یک منبع اصیل پاسخ‌دهی دوباره مطرح شوند.
• انتقاد به بزرگ‌نمایی‌ها: برخی از مفسران معتقد بودند که ارتباط دادن مستقیم خشکسالی یک کشور به دیتاسنترها بدون ارائه آمارهای دقیق و مکانیزم‌های علمی، نوعی بزرگ‌نمایی است و ممکن است به جای آگاهی‌بخشی، به گمراهی دامن بزند.

چرا این پروژه برای مهندسان اهمیت دارد؟

برای مهندسان نرم‌افزار و توسعه‌دهندگان، این پروژه یادآور ابعاد فیزیکی و واقعی زیرساخت‌های نرم‌افزاری است. اغلب ما هنگام توسعه سیستم‌های مقیاس‌پذیر و فراخوانی APIهای هوش مصنوعی، فراموش می‌کنیم که پشت این خطوط کد، سخت‌افزارهایی در دیتاسنترها خوابیده‌اند که انرژی و منابع طبیعی زمین را مصرف می‌کنند. پروژه Quili AI اگرچه جنبه نمادین و اعتراضی داشت، اما بحث پایداری (Sustainability) در مهندسی نرم‌افزار و معماری سیستم‌ها را دوباره بر سر زبان‌ها انداخت.