Dirbtinio intelekto mokymų išmetimas: AI palaikančios sistemos prisideda prie pasaulinio anglies dvideginio išmetimo

• Autorius:
• autoriaus vardas

  Quantumrun Foresight
• Gali 3, 2022

Įžvalgos santrauka

Dirbtinio intelekto (AI) technologijos antplūdis atnešė netikėtą aplinkosauginį iššūkį, nes DI treniruočių metu sunaudojama energija išmeta daug anglies dvideginio. Pripažindama šią problemą, pramonė tiria sprendimus, tokius kaip energiją taupančių AI modelių kūrimas, bendradarbiavimas su atsinaujinančios energijos įmonėmis ir duomenų centrų perkėlimas, kad sumažintų energijos suvartojimą. Šios pastangos kartu su galimomis reguliavimo priemonėmis formuoja ateitį, kurioje technologijų pažanga ir atsakomybė už aplinkos apsaugą gali egzistuoti kartu.

AI mokymo emisijos kontekstas

Yra žinoma, kad dirbtinio intelekto (AI) valdomos sistemos sunaudoja daug energijos treniruočių metu, todėl išmetama daug anglies. Tai, savo ruožtu, prisideda prie klimato kaitos ir sukelia aplinkosaugos problemų, kurių negalima nepastebėti. AI pramonei toliau augant, didėjant didesnių ir sudėtingesnių modelių paklausai, iššūkis tampa dar sudėtingesnis. 

AI vaidina vis svarbesnį vaidmenį pasaulio ekonomikoje ir skatina naujus pokyčius sveikatos priežiūros, technologijų ir energetikos pramonėje. Tačiau, atsižvelgiant į teigiamus dirbtinio intelekto sistemų pokyčius, tyrimai parodė, kad daug anglies susidaro dėl energijos, kurią AI sistemos sunaudoja, kai jos yra treniruojamos ir kai atlieka daugybę skaičiavimų. Remiantis 2019 m. Masačusetso universiteto Amherste atliktais tyrimais, apytiksliai 1,400 svarų išmetamųjų teršalų susidaro treniruojant AI kalbos apdorojimo sistemą. Be to, priklausomai nuo maitinimo šaltinio, apie 78,000 XNUMX svarų anglies išskiriama sukūrus ir mokant nuo nulio giliai besimokančio AI sistemą.

Pripažįstant, kaip dirbtinio intelekto sistemų kūrimas ir mokymas prisideda prie klimato kaitos, atsirado Žaliojo AI judėjimas, kurio tikslas – dirbtinio intelekto palaikančius procesus padaryti švaresnius ir ekologiškesnius. Judėjimas pažymėjo, kad kai kurie mašininio mokymosi algoritmai sunaudoja mažiau energijos nei kitos AI pagrįstos sistemos, o AI sistemos mokymas gali būti perkeltas į atokias vietas ir gali naudoti energiją iš atsinaujinančių šaltinių. 

Trikdantis poveikis

Įmonės, kurios specializuojasi dirbtinio intelekto sistemų gamyboje ir mokyme, gali daryti teigiamą poveikį aplinkai, naudodamos atsinaujinančius energijos šaltinius. Vyriausybės ir reguliavimo institucijos gali paskatinti šį pokytį siūlydamos mokesčių lengvatas ir paramą tiems, kurie diegia atsinaujinančios energijos sistemas, kad paremtų savo dirbtinio intelekto veiklą. Šalys, turinčios stiprią atsinaujinančios energijos pramonę, galėtų tapti patraukliomis kryptimis šioms įmonėms, aprūpinančiomis reikiamą infrastruktūrą. 

Anglies dioksido išmetimas lavinant dirbtinio intelekto algoritmus labai skiriasi, atsižvelgiant į tokius veiksnius kaip elektros gamybos šaltinis, naudojamos kompiuterio aparatinės įrangos tipas ir pats algoritmo dizainas. Tyrėjai, įskaitant „Google“, nustatė, kad šias emisijas galima žymiai sumažinti, kartais 10–100 kartų. Atlikdama apgalvotus pakeitimus, pvz., panaudodama atsinaujinančią energiją ir naudodama skirtingas vietas, pramonė gali žengti didelę pažangą mažindama savo anglies pėdsaką. 

Reguliavimo institucijos turi atlikti savo vaidmenį užtikrindamos, kad dirbtinio intelekto mokymo projektai atitiktų aplinkosaugos standartus. Jei nustatomi, kad konkretūs projektai reikšmingai prisideda prie anglies dioksido išmetimo lygio jų jurisdikcijose, valdžios institucijos gali priverstinai sustabdyti darbus, kol išmetamųjų teršalų kiekis bus sumažintas. Mokesčiai dirbtinio intelekto centrams, gaminantiems didelius anglies kiekius, gali būti taikomi kaip atgrasymo priemonė, o dirbtinio intelekto įmonės gali ištirti naujausius skaičiavimo mokslo pasiekimus, kad atliktų daugiau skaičiavimų naudojant mažiau energijos.

AI mokymo emisijų pasekmės 

Platesnės AI mokymo emisijos pasekmės gali apimti:

• Pirmenybė teikiama naujų AI modelių kūrimui, kurie gali efektyviau analizuoti duomenis naudojant minimalias energijos sąnaudas, todėl sumažėja bendras energijos poreikis ir atitinkamai sumažėja poveikis aplinkai.
• Įmonės investavo į dirbtinio intelekto plėtrą bendradarbiaudamos su atsinaujinančios energijos įmonėmis, kad būtų galima įdiegti švarios energijos infrastruktūrą, kuri padėtų jų veiklai, skatinant technologijų ir energetikos sektorių bendradarbiavimą.
• Duomenų centrų vietos perkėlimas siekiant pasinaudoti mokesčių lengvatomis ir išvengti reguliavimo priežiūros, arba jų perkėlimas į arktines vietoves, siekiant sumažinti serverių aušinimo energijos sąnaudas, o tai lemia naujus geografinius technologijų centrus ir galimą vietos ekonomikos augimą.
• Naujų švietimo programų, orientuotų į tvarų dirbtinio intelekto vystymąsi, kūrimas, kad darbo jėga būtų labiau kvalifikuota derinant technologinę pažangą ir atsakomybę už aplinkos apsaugą.
• Tarptautinių susitarimų ir standartų dėl dirbtinio intelekto išmetamo anglies dioksido atsiradimas, todėl pasaulinis požiūris į DI poveikio aplinkai valdymą yra vieningesnis.
• Vartotojų lūkesčių pokytis link aplinkai nekenksmingų AI produktų ir paslaugų, o tai lemia pirkimo elgsenos pokyčius ir didesnę dirbtinio intelekto energijos vartojimo skaidrumo poreikį.
• Darbo vietų perkėlimas tradiciniuose energetikos sektoriuose, kai dirbtinio intelekto įmonės vis dažniau kreipiasi į atsinaujinančius energijos šaltinius, o tai lemia darbo rinkos pokyčius ir perkvalifikavimo programų poreikį.
• Naujų politinių aljansų ir įtampų, pagrįstų atsinaujinančios energijos prieinamumu ir dirbtinio intelekto pramonės poreikiais, kūrimas, dėl kurio keičiasi tarptautiniai santykiai ir prekybos susitarimai.
• Didesnis dėmesys skiriamas energiją taupančiam aparatūros dizainui, specialiai pritaikytam dirbtinio intelekto programoms, todėl pasiekiama technologinė pažanga, kuri teikia pirmenybę tvarumui, o ne našumui.
• Kaimo vietovės, kuriose gausu atsinaujinančių energijos išteklių, gali tapti patraukliomis dirbtinio intelekto plėtros vietomis, o tai lemia demografinius pokyčius ir naujas ekonomikos augimo galimybes anksčiau nepakankamai aptarnaujamuose regionuose.

Klausimai, kuriuos reikia apsvarstyti

• Ar manote, kad reikėtų priimti reglamentus, kurie numatytų, kad dirbtinio intelekto įmonėms planuojant mokyti ir kurti gilaus mokymosi AI sistemas, būtų naudojama tik atsinaujinanti energija? 
• Ar aplinkosaugininkai turėtų atsižvelgti į energijos taupymo naudą, gaunamą iš dirbtinio intelekto sistemos analizės (pvz., naujų energiją taupančių medžiagų, mašinų, tiekimo grandinės maršrutų ir t. t. skaičiavimo projektai), kad apskaičiuotų tikrąsias / visas DI sistemų aplinkosaugos išlaidas?