Emisións de adestramento en IA: os sistemas habilitados para a IA contribúen ás emisións globais de carbono

• autor:
• nome do autor

  Previsión de Quantumrun
• Pode 3, 2022

Resumo de insight

O aumento da tecnoloxía de intelixencia artificial (IA) trouxo consigo un desafío ambiental inesperado, xa que a enerxía consumida durante o adestramento en IA leva a importantes emisións de carbono. Recoñecendo este problema, a industria está a explorar solucións como desenvolver modelos de IA máis eficientes enerxéticamente, asociarse con empresas de enerxía renovable e trasladar os centros de datos para minimizar o consumo de enerxía. Estes esforzos, xunto coas posibles medidas regulamentarias, están a configurar un futuro onde o avance tecnolóxico e a responsabilidade ambiental poidan coexistir.

Contexto de emisións de formación en IA

Sábese que os sistemas impulsados ​​pola intelixencia artificial (IA) consumen cantidades significativas de enerxía durante as súas fases de adestramento, o que provoca a emisión de grandes cantidades de carbono. Isto, á súa vez, contribúe ao cambio climático, creando unha preocupación ambiental que non se pode pasar por alto. A medida que a industria da IA ​​segue crecendo, cunha demanda crecente de modelos máis grandes e complexos, o desafío faise aínda máis complicado. 

A IA está xogando un papel cada vez máis importante na economía global e impulsando novos desenvolvementos nas industrias da saúde, a tecnoloxía e a enerxía, por citar só algúns. Non obstante, no medio do cambio beneficioso que están a introducir os sistemas de IA, os estudos demostraron que se producen grandes cantidades de carbono debido á enerxía que consomen os sistemas de IA cando están a ser adestrados e cando realizan un gran número de cálculos. Segundo a investigación realizada en 2019 pola Universidade de Massachusetts en Amherst, xéranse aproximadamente 1,400 libras de emisións ao adestrar un sistema de procesamento de linguaxe de IA dispoñible. Ademais, dependendo da fonte de enerxía, emítense preto de 78,000 libras de carbono cando se constrúe e adestra desde cero un sistema de IA de aprendizaxe profunda.

Como recoñecemento de como a creación e adestramento de sistemas de IA contribúen ao cambio climático, xurdiu o movemento Green AI, que busca facer que os procesos habilitados pola IA sexan máis limpos e respectuosos co medio ambiente. O movemento observou que algúns algoritmos de aprendizaxe automática consomen menos enerxía que outros sistemas baseados na IA, mentres que o adestramento do sistema de IA pódese trasladar a lugares remotos e utilizar enerxía de fontes renovables. 

Impacto perturbador

As empresas especializadas na produción e formación de sistemas de IA teñen o potencial de ter un impacto positivo no medio ambiente adoptando fontes de enerxía renovables. Os gobernos e os organismos reguladores poden fomentar este cambio ofrecendo incentivos fiscais e apoio a aqueles que instalan sistemas de enerxía renovable para apoiar as súas operacións baseadas na IA. Os países con fortes industrias de enerxías renovables poderían converterse en destinos atractivos para estas empresas, proporcionando a infraestrutura necesaria. 

As emisións de carbono producidas ao adestrar algoritmos de IA varían moito, dependendo de factores como a fonte de xeración de electricidade, o tipo de hardware informático utilizado e o propio deseño do algoritmo. Os investigadores, incluídos os de Google, descubriron que é posible reducir estas emisións significativamente, ás veces por un factor entre 10 e 100 veces. Ao facer axustes coidadosos, como aproveitar as enerxías renovables e utilizar diferentes localizacións, a industria pode facer avances substanciais na redución da súa pegada de carbono. 

As autoridades reguladoras teñen un papel que desempeñar para garantir que os proxectos de formación en IA cumpran as normas ambientais. Se se identifican proxectos específicos como contribuíntes significativos aos niveis de emisións de carbono nas súas xurisdicións, as autoridades poderán impoñer paradas de traballo ata que se reduzan as emisións. Os impostos sobre os centros de IA que producen grandes cantidades de carbono pódense implementar como un elemento disuasorio, mentres que as empresas de IA poden explorar os últimos desenvolvementos en ciencia computacional para realizar máis cálculos usando menos enerxía.

Implicacións das emisións do adestramento da IA 

As implicacións máis amplas das emisións do adestramento en IA poden incluír:

• O desenvolvemento prioritario de novos modelos de IA que poidan analizar datos de forma máis eficiente cun consumo mínimo de enerxía, o que leva a unha redución da demanda global de enerxía e unha diminución correspondente no impacto ambiental.
• As empresas que investiron no desenvolvemento da IA ​​colaboran con empresas de enerxía renovable para que se poidan instalar infraestruturas de enerxía limpa para apoiar as súas operacións, fomentando a colaboración entre os sectores tecnolóxico e enerxético.
• Transferir a localización dos centros de datos para aproveitar os incentivos fiscais e evitar a supervisión normativa, ou trasladalos a lugares árticos para minimizar o gasto enerxético en servidores de refrixeración, o que leva a novos centros xeográficos de tecnoloxía e potencial crecemento económico local.
• A creación de novos programas educativos centrados no desenvolvemento sostible da IA, o que leva a unha forza laboral máis capacitada para equilibrar o avance tecnolóxico coa responsabilidade ambiental.
• A aparición de acordos e estándares internacionais sobre as emisións de carbono da IA, levando a un enfoque global máis unificado para xestionar o impacto ambiental da IA.
• Un cambio nas expectativas dos consumidores cara a produtos e servizos de IA ecoloxicamente responsables, que leva a cambios no comportamento de compra e unha maior demanda de transparencia no consumo de enerxía da IA.
• O potencial de desprazamento de emprego nos sectores enerxéticos tradicionais a medida que as empresas de IA recorren cada vez máis ás fontes de enerxía renovables, o que provoca cambios no mercado laboral e a necesidade de programas de reciclaxe.
• O desenvolvemento de novas alianzas políticas e tensións baseadas na dispoñibilidade de enerxías renovables e as necesidades da industria da IA, o que leva a cambios nas relacións internacionais e nos acordos comerciais.
• Un maior enfoque no deseño de hardware de eficiencia enerxética específicamente adaptado para aplicacións de IA, o que leva a avances tecnolóxicos que priorizan a sustentabilidade xunto ao rendemento.
• O potencial das áreas rurais con abundantes recursos enerxéticos renovables para converterse en lugares atractivos para o desenvolvemento da IA, o que leva a cambios demográficos e novas oportunidades de crecemento económico en rexións anteriormente desatendidas.

Preguntas a ter en conta

• Cres que deberían aprobarse regulamentos que estipulen que só se use enerxía renovable cando as empresas de IA planifiquen adestrar e desenvolver sistemas de IA de aprendizaxe profunda? 
• Os ecoloxistas deberían ter en conta os beneficios de aforro de enerxía que resultan da análise do sistema de IA (por exemplo, deseños informáticos para novos materiais de aforro enerxético, maquinaria, rutas da cadea de subministración, etc.) para calcular o custo ambiental real/total dos sistemas de IA?