AI-utbildningsutsläpp: AI-aktiverade system bidrar till globala koldioxidutsläpp

• Författare:
• författarnamn

  Quantumrun Framsyn
• Maj 3, 2022

Insiktssammanfattning

Ökningen av artificiell intelligens (AI)-teknik har fört med sig en oväntad miljöutmaning, eftersom den kraft som förbrukas under AI-träning leder till betydande koldioxidutsläpp. Branschen inser detta problem och undersöker lösningar som att utveckla mer energieffektiva AI-modeller, samarbeta med företag för förnybar energi och flytta datacenter för att minimera energiförbrukningen. Dessa ansträngningar, tillsammans med potentiella regleringsåtgärder, formar en framtid där tekniska framsteg och miljöansvar kan samexistera.

AI-träningsutsläppssammanhang

Artificiell intelligens (AI)-drivna system är kända för att förbruka betydande mängder ström under sina träningsfaser, vilket leder till utsläpp av stora mängder kol. Detta bidrar i sin tur till klimatförändringarna och skapar en miljöoro som inte kan förbises. När AI-industrin fortsätter att växa, med en ökande efterfrågan på större och mer komplexa modeller, blir utmaningen ännu mer intrikat. 

AI spelar en allt viktigare roll i den globala ekonomin och driver ny utveckling inom hälsovårds-, teknik- och energiindustrin, för att bara nämna några. Men mitt i den fördelaktiga förändringen som införs av AI-system har studier visat att stora mängder kol produceras på grund av den kraft som förbrukas av AI-system när de tränas och när de utför ett stort antal beräkningar. Enligt forskning som utfördes 2019 av University of Massachusetts i Amherst, genereras cirka 1,400 78,000 pund utsläpp när man tränar ett standardiserat AI-språkbehandlingssystem. Dessutom, beroende på strömkällan, släpps cirka XNUMX XNUMX pund kol ut när ett djupt lärande AI-system byggs och tränas från grunden.

Som ett erkännande av hur skapandet och utbildningen av AI-system bidrar till klimatförändringen har Green AI-rörelsen vuxit fram, som försöker göra AI-aktiverade processer renare och mer miljövänliga. Rörelsen noterade att vissa maskininlärningsalgoritmer förbrukar mindre ström än andra AI-baserade system, medan AI-systemträning kan flyttas till avlägsna platser och kan använda ström från förnybara källor. 

Störande inverkan

Företag som specialiserar sig på att producera och träna AI-system har potential att göra en positiv inverkan på miljön genom att ta till sig förnybara energikällor. Regeringar och tillsynsorgan kan uppmuntra denna förändring genom att erbjuda skattelättnader och stöd till dem som installerar förnybara kraftsystem för att stödja sin AI-baserade verksamhet. Länder med starka industrier för förnybar energi skulle kunna bli attraktiva destinationer för dessa företag och tillhandahålla den nödvändiga infrastrukturen. 

Koldioxidutsläppen som produceras när man tränar AI-algoritmer varierar stort, beroende på faktorer som källan till elproduktion, vilken typ av datorhårdvara som används och själva algoritmdesignen. Forskare, inklusive de på Google, har funnit att det är möjligt att minska dessa utsläpp avsevärt, ibland med en faktor mellan 10 och 100 gånger. Genom att göra genomtänkta justeringar, som att utnyttja förnybar energi och utnyttja olika platser, kan industrin göra betydande framsteg för att minska sitt koldioxidavtryck. 

Tillsynsmyndigheter har en roll att spela för att säkerställa att AI-utbildningsprojekt följer miljöstandarder. Om specifika projekt identifieras som betydande bidragsgivare till koldioxidutsläppsnivåer i deras jurisdiktioner, kan myndigheter genomdriva arbetsavbrott tills utsläppen har minskat. Skatter på AI-centra som producerar stora mängder kol kan implementeras som ett avskräckande medel, medan AI-företag kan utforska den senaste utvecklingen inom beräkningsvetenskap för att utföra fler beräkningar med mindre kraft.

Implikationer av AI-träningsutsläpp 

Vidare konsekvenser av AI-träningsutsläpp kan inkludera:

• Den prioriterade utvecklingen av nya AI-modeller som mer effektivt kan analysera data med minimal energiförbrukning, vilket leder till en minskning av det totala energibehovet och en motsvarande minskning av miljöpåverkan.
• Företag investerade i AI-utveckling och samarbetar med företag för förnybar energi så att infrastruktur för ren kraft kan installeras för att stödja deras verksamhet, vilket främjar samarbete mellan teknik- och energisektorer.
• Att överföra platsen för datacenter för att dra nytta av skatteincitament och undvika regulatorisk tillsyn, eller flytta dem till arktiska platser för att minimera energi som spenderas på kylservrar, vilket leder till nya geografiska nav för teknik och potentiell lokal ekonomisk tillväxt.
• Skapandet av nya utbildningsprogram med fokus på hållbar AI-utveckling, vilket leder till en arbetsstyrka som är mer skicklig på att balansera tekniska framsteg med miljöansvar.
• Framväxten av internationella överenskommelser och standarder för AI-koldioxidutsläpp, vilket leder till en mer enhetlig global strategi för att hantera AIs miljöpåverkan.
• En förändring av konsumenternas förväntningar mot miljömässigt ansvarsfulla AI-produkter och -tjänster, vilket leder till förändringar i köpbeteende och ökad efterfrågan på transparens i AI-energiförbrukning.
• Potentialen för arbetsförflyttning i traditionella energisektorer när AI-företag i allt högre grad vänder sig till förnybara energikällor, vilket leder till förändringar på arbetsmarknaden och behovet av omskolningsprogram.
• Utvecklingen av nya politiska allianser och spänningar baserade på tillgången på förnybar energi och AI-industrins behov, vilket leder till förändringar i internationella relationer och handelsavtal.
• Ett ökat fokus på energieffektiv hårdvarudesign speciellt anpassad för AI-tillämpningar, vilket leder till tekniska framsteg som prioriterar hållbarhet vid sidan av prestanda.
• Potentialen för landsbygdsområden med rikliga förnybara energiresurser att bli attraktiva platser för AI-utveckling, vilket leder till demografiska förändringar och nya möjligheter för ekonomisk tillväxt i tidigare underbetjänade regioner.

Frågor att överväga

• Tycker du att man bör anta regler som föreskriver att endast förnybar kraft ska användas när AI-företag planerar att träna och utveckla AI-system för djupinlärning? 
• Bör miljöaktivister ta hänsyn till de energibesparande fördelarna som blir resultatet av AI-systemanalys (t.ex. datordesign för nya energibesparande material, maskiner, försörjningskedja etc.) för att beräkna den verkliga/fulla miljökostnaden för AI-system?