Allyriadau hyfforddiant AI: Mae systemau a alluogir gan AI yn cyfrannu at allyriadau carbon byd-eang

• Awdur:
• enw awdur

  Rhagolwg Quantumrun
• Efallai y 3, 2022

Crynodeb mewnwelediad

Mae'r ymchwydd mewn technoleg deallusrwydd artiffisial (AI) wedi dod â her amgylcheddol annisgwyl, gan fod y pŵer a ddefnyddir yn ystod hyfforddiant AI yn arwain at allyriadau carbon sylweddol. Gan gydnabod y mater hwn, mae'r diwydiant yn archwilio atebion megis datblygu modelau AI mwy ynni-effeithlon, partneru â chwmnïau ynni adnewyddadwy, ac adleoli canolfannau data i leihau'r defnydd o ynni. Mae'r ymdrechion hyn, ynghyd â mesurau rheoleiddio posibl, yn llunio dyfodol lle gall datblygiad technolegol a chyfrifoldeb amgylcheddol gydfodoli.

Cyd-destun allyriadau hyfforddiant AI

Mae'n hysbys bod systemau sy'n cael eu gyrru gan ddeallusrwydd artiffisial (AI) yn defnyddio llawer iawn o bŵer yn ystod eu cyfnodau hyfforddi, gan arwain at allyrru symiau mawr o garbon. Mae hyn, yn ei dro, yn cyfrannu at newid hinsawdd, gan greu pryder amgylcheddol na ellir ei anwybyddu. Wrth i'r diwydiant AI barhau i dyfu, gyda galw cynyddol am fodelau mwy a mwy cymhleth, mae'r her yn dod yn fwy cymhleth fyth. 

Mae AI yn chwarae rhan gynyddol bwysig yn yr economi fyd-eang ac yn gyrru datblygiadau newydd yn y diwydiannau gofal iechyd, technoleg ac ynni, i enwi dim ond rhai. Fodd bynnag, yng nghanol y newid buddiol sy'n cael ei gyflwyno gan systemau AI, mae astudiaethau wedi dangos bod symiau uchel o garbon yn cael eu cynhyrchu oherwydd y pŵer a ddefnyddir gan systemau AI pan fyddant yn cael eu hyfforddi a phan fyddant yn gwneud nifer fawr o gyfrifiadau. Yn ôl ymchwil a gynhaliwyd yn 2019 gan Brifysgol Massachusetts yn Amherst, cynhyrchir tua 1,400 pwys o allyriadau wrth hyfforddi system brosesu iaith AI oddi ar y silff. Yn ogystal, yn dibynnu ar y ffynhonnell pŵer, mae tua 78,000 o bunnoedd o garbon yn cael ei ollwng pan fydd system AI dysgu dwfn yn cael ei hadeiladu a'i hyfforddi o'r dechrau.

I gydnabod sut mae creu a hyfforddi systemau AI yn cyfrannu at newid yn yr hinsawdd, mae'r mudiad AI Gwyrdd wedi dod i'r amlwg, sy'n ceisio gwneud prosesau sy'n galluogi AI yn lanach ac yn fwy ecogyfeillgar. Nododd y symudiad fod rhai algorithmau dysgu peiriant yn defnyddio llai o bŵer na systemau eraill sy'n seiliedig ar AI, tra gellir symud hyfforddiant system AI i leoliadau anghysbell a gallant ddefnyddio pŵer o ffynonellau adnewyddadwy. 

Effaith aflonyddgar

Mae gan gwmnïau sy'n arbenigo mewn cynhyrchu a hyfforddi systemau AI y potensial i gael effaith gadarnhaol ar yr amgylchedd trwy gofleidio ffynonellau ynni adnewyddadwy. Gall llywodraethau a chyrff rheoleiddio annog y newid hwn trwy gynnig cymhellion treth a chymorth i'r rhai sy'n gosod systemau pŵer adnewyddadwy i gefnogi eu gweithrediadau seiliedig ar AI. Gallai gwledydd sydd â diwydiannau ynni adnewyddadwy cryf ddod yn gyrchfannau deniadol i’r cwmnïau hyn, gan ddarparu’r seilwaith angenrheidiol. 

Mae'r allyriadau carbon a gynhyrchir wrth hyfforddi algorithmau AI yn amrywio'n fawr, yn dibynnu ar ffactorau megis ffynhonnell cynhyrchu trydan, y math o galedwedd cyfrifiadurol a ddefnyddir, a dyluniad yr algorithm ei hun. Mae ymchwilwyr, gan gynnwys y rhai yn Google, wedi canfod ei bod hi'n bosibl lleihau'r allyriadau hyn yn sylweddol, weithiau gan ffactor rhwng 10 a 100 gwaith. Trwy wneud addasiadau meddylgar, megis trosoledd ynni adnewyddadwy a defnyddio gwahanol leoliadau, gall y diwydiant gymryd camau breision i leihau ei ôl troed carbon. 

Mae gan awdurdodau rheoleiddio ran i'w chwarae i sicrhau bod prosiectau hyfforddi AI yn cadw at safonau amgylcheddol. Os nodir bod prosiectau penodol yn cyfrannu'n sylweddol at lefelau allyriadau carbon yn eu hawdurdodaethau, gall awdurdodau orfodi ataliadau gwaith nes bod allyriadau'n cael eu lleihau. Gellir gweithredu trethi ar ganolfannau AI sy'n cynhyrchu llawer iawn o garbon fel rhwystr, tra gall cwmnïau AI archwilio'r datblygiadau diweddaraf mewn gwyddoniaeth gyfrifiannol i wneud mwy o gyfrifiadau gan ddefnyddio llai o bŵer.

Goblygiadau allyriadau hyfforddiant AI 

Gallai goblygiadau ehangach allyriadau hyfforddiant AI gynnwys:

• Blaenoriaeth datblygu modelau AI newydd a all ddadansoddi data yn fwy effeithlon gyda'r defnydd lleiaf posibl o ynni, gan arwain at ostyngiad yn y galw cyffredinol am ynni a gostyngiad cyfatebol mewn effaith amgylcheddol.
• Buddsoddodd cwmnïau mewn datblygu AI mewn partneriaeth â chwmnïau ynni adnewyddadwy fel y gellir gosod seilwaith pŵer glân i gefnogi eu gweithrediadau, gan feithrin cydweithrediad rhwng sectorau technoleg ac ynni.
• Trosglwyddo lleoliad canolfannau data i fanteisio ar gymhellion treth ac osgoi goruchwyliaeth reoleiddiol, neu eu hadleoli i leoliadau arctig i leihau'r ynni sy'n cael ei wario ar weinyddion oeri, gan arwain at ganolbwyntiau daearyddol newydd ar gyfer technoleg a thwf economaidd lleol posibl.
• Creu rhaglenni addysgol newydd sy'n canolbwyntio ar ddatblygu AI cynaliadwy, gan arwain at weithlu sy'n fwy medrus wrth gydbwyso datblygiad technolegol â chyfrifoldeb amgylcheddol.
• Ymddangosiad cytundebau a safonau rhyngwladol ar allyriadau carbon AI, gan arwain at ddull byd-eang mwy unedig o reoli effaith amgylcheddol AI.
• Newid yn nisgwyliadau defnyddwyr tuag at gynhyrchion a gwasanaethau AI sy'n gyfrifol yn amgylcheddol, gan arwain at newidiadau mewn ymddygiad prynu a mwy o alw am dryloywder yn y defnydd o ynni AI.
• Y potensial ar gyfer dadleoli swyddi yn y sectorau ynni traddodiadol wrth i gwmnïau AI droi fwyfwy at ffynonellau ynni adnewyddadwy, gan arwain at newidiadau yn y farchnad lafur a’r angen am raglenni ailhyfforddi.
• Datblygu cynghreiriau gwleidyddol newydd a thensiynau yn seiliedig ar argaeledd ynni adnewyddadwy ac anghenion y diwydiant AI, gan arwain at newidiadau mewn cysylltiadau rhyngwladol a chytundebau masnach.
• Mwy o ffocws ar ddylunio caledwedd ynni-effeithlon wedi'i deilwra'n benodol ar gyfer cymwysiadau AI, gan arwain at ddatblygiadau technolegol sy'n blaenoriaethu cynaliadwyedd ochr yn ochr â pherfformiad.
• Y potensial i ardaloedd gwledig sydd ag adnoddau ynni adnewyddadwy helaeth ddod yn lleoliadau deniadol ar gyfer datblygu AI, gan arwain at newidiadau demograffig a chyfleoedd newydd ar gyfer twf economaidd mewn rhanbarthau nas gwasanaethwyd yn ddigonol yn flaenorol.

Cwestiynau i'w hystyried

• A ydych yn meddwl y dylid pasio rheoliadau sy'n nodi mai dim ond pŵer adnewyddadwy a ddefnyddir pan fydd cwmnïau AI yn bwriadu hyfforddi a datblygu systemau AI dysgu dwfn? 
• A ddylai amgylcheddwyr ystyried y buddion arbed ynni sy'n deillio o ddadansoddi systemau AI (ee, dyluniadau cyfrifiadurol ar gyfer deunyddiau arbed ynni newydd, peiriannau, llwybro'r gadwyn gyflenwi, ac ati) i gyfrifo cost amgylcheddol wirioneddol/llawn systemau AI?