AI training emissions: AI-enabled system na nag-aambag sa global carbon emissions

• May-akda:
• pangalan Author

  Quantumrun Foresight
• Mayo 3, 2022

Buod ng pananaw

Ang pagsulong sa teknolohiya ng artificial intelligence (AI) ay nagdulot ng hindi inaasahang hamon sa kapaligiran, dahil ang kapangyarihang natupok sa panahon ng pagsasanay sa AI ay humahantong sa mga makabuluhang carbon emissions. Kinikilala ang isyung ito, ang industriya ay nag-e-explore ng mga solusyon tulad ng pagbuo ng mas maraming energy-efficient AI models, pakikipagsosyo sa mga renewable energy company, at paglilipat ng mga data center para mabawasan ang pagkonsumo ng enerhiya. Ang mga pagsisikap na ito, kasama ang mga potensyal na hakbang sa regulasyon, ay humuhubog sa isang hinaharap kung saan ang pag-unlad ng teknolohiya at responsibilidad sa kapaligiran ay maaaring magkasabay.

Konteksto ng mga emisyon ng pagsasanay sa AI

Ang mga system na hinimok ng artificial intelligence (AI) ay kilala na kumonsumo ng malaking halaga ng kapangyarihan sa panahon ng kanilang mga yugto ng pagsasanay, na humahantong sa pagpapalabas ng malalaking dami ng carbon. Ito naman, ay nag-aambag sa pagbabago ng klima, na lumilikha ng pag-aalala sa kapaligiran na hindi maaaring palampasin. Habang patuloy na lumalaki ang industriya ng AI, na may tumataas na pangangailangan para sa mas malaki at mas kumplikadong mga modelo, ang hamon ay nagiging mas masalimuot. 

Ang AI ay gumaganap ng lalong mahalagang papel sa pandaigdigang ekonomiya at nagtutulak ng mga bagong pag-unlad sa pangangalagang pangkalusugan, teknolohiya, at industriya ng enerhiya, kung ilan lamang. Gayunpaman, sa gitna ng kapaki-pakinabang na pagbabagong ipinakilala ng mga AI system, ipinakita ng mga pag-aaral na ang mataas na halaga ng carbon ay nalilikha dahil sa kapangyarihang natupok ng mga AI system kapag sila ay sinasanay at kapag sila ay nagsasagawa ng maraming bilang ng mga kalkulasyon. Ayon sa pananaliksik na isinagawa noong 2019 ng University of Massachusetts sa Amherst, humigit-kumulang 1,400 pounds ng mga emisyon ang nabubuo kapag nagsasanay ng isang off-the-shelf na AI language processing system. Bilang karagdagan, depende sa pinagmumulan ng kuryente, humigit-kumulang 78,000 pounds ng carbon ang ibinubuga kapag ang isang malalim na pag-aaral ng AI system ay binuo at sinanay mula sa simula.

Bilang pagkilala sa kung paano nakakatulong ang paglikha at pagsasanay ng mga AI system sa pagbabago ng klima, lumitaw ang kilusang Green AI, na naglalayong gawing mas malinis at mas environment friendly ang mga prosesong pinapagana ng AI. Napansin ng kilusan na ang ilang mga algorithm sa pag-aaral ng machine ay kumokonsumo ng mas kaunting kapangyarihan kaysa sa iba pang mga sistemang nakabatay sa AI, habang ang pagsasanay sa AI system ay maaaring ilipat sa mga malalayong lokasyon at maaaring gumamit ng kapangyarihan mula sa mga nababagong mapagkukunan. 

Nakakagambalang epekto

Ang mga kumpanyang nagdadalubhasa sa paggawa at pagsasanay ng mga AI system ay may potensyal na gumawa ng positibong epekto sa kapaligiran sa pamamagitan ng pagtanggap ng mga renewable energy sources. Maaaring hikayatin ng mga pamahalaan at mga regulatory body ang pagbabagong ito sa pamamagitan ng pagbibigay ng mga insentibo sa buwis at suporta sa mga nag-i-install ng mga renewable power system upang suportahan ang kanilang mga operasyong nakabatay sa AI. Ang mga bansang may malakas na industriya ng renewable energy ay maaaring maging kaakit-akit na destinasyon para sa mga kumpanyang ito, na nagbibigay ng kinakailangang imprastraktura. 

Ang mga carbon emission na ginawa kapag nagsasanay ng mga algorithm ng AI ay malawak na nag-iiba, depende sa mga salik gaya ng pinagmulan ng pagbuo ng kuryente, ang uri ng computer hardware na ginamit, at ang mismong disenyo ng algorithm. Natuklasan ng mga mananaliksik, kabilang ang mga nasa Google, na posibleng mabawasan nang malaki ang mga emisyong ito, minsan sa pamamagitan ng isang kadahilanan sa pagitan ng 10 at 100 beses. Sa pamamagitan ng pagsasagawa ng maingat na pagsasaayos, tulad ng paggamit ng renewable energy at paggamit ng iba't ibang lokasyon, ang industriya ay maaaring gumawa ng malaking hakbang sa pagbabawas ng carbon footprint nito. 

Ang mga awtoridad sa regulasyon ay may tungkuling gampanan sa pagtiyak na ang mga proyekto sa pagsasanay ng AI ay sumusunod sa mga pamantayan sa kapaligiran. Kung matutukoy ang mga partikular na proyekto bilang mga makabuluhang nag-aambag sa mga antas ng paglabas ng carbon sa kanilang mga nasasakupan, maaaring ipatupad ng mga awtoridad ang mga pagpapahinto sa trabaho hanggang sa mabawasan ang mga emisyon. Ang mga buwis sa mga AI center na gumagawa ng malaking halaga ng carbon ay maaaring ipatupad bilang isang deterrent, habang ang mga kumpanya ng AI ay maaaring galugarin ang pinakabagong mga pag-unlad sa computational science upang magsagawa ng higit pang mga kalkulasyon gamit ang mas kaunting kapangyarihan.

Mga implikasyon ng AI training emissions 

Maaaring kabilang sa mas malawak na implikasyon ng AI training emissions ang:

• Ang priyoridad na pagbuo ng mga bagong modelo ng AI na maaaring mas mahusay na mag-analisa ng data na may kaunting pagkonsumo ng enerhiya, na humahantong sa isang pagbawas sa pangkalahatang pangangailangan sa enerhiya at isang kaukulang pagbaba sa epekto sa kapaligiran.
• Ang mga kumpanyang namuhunan sa pagpapaunlad ng AI ay nakikipagtulungan sa mga kumpanya ng nababagong enerhiya upang mai-install ang malinis na imprastraktura ng kuryente upang suportahan ang kanilang mga operasyon, na nagpapatibay ng pakikipagtulungan sa pagitan ng teknolohiya at mga sektor ng enerhiya.
• Paglilipat ng lokasyon ng mga data center upang samantalahin ang mga insentibo sa buwis at maiwasan ang pangangasiwa ng regulasyon, o ilipat ang mga ito sa mga lokasyon ng arctic upang mabawasan ang enerhiya na ginugol sa mga cooling server, na humahantong sa mga bagong heograpikal na hub para sa teknolohiya at potensyal na lokal na paglago ng ekonomiya.
• Ang paglikha ng mga bagong programang pang-edukasyon na nakatuon sa napapanatiling pagpapaunlad ng AI, na humahantong sa isang manggagawa na mas sanay sa pagbabalanse ng pag-unlad ng teknolohiya sa responsibilidad sa kapaligiran.
• Ang paglitaw ng mga internasyonal na kasunduan at pamantayan sa AI carbon emissions, na humahantong sa isang mas pinag-isang pandaigdigang diskarte sa pamamahala sa epekto sa kapaligiran ng AI.
• Isang pagbabago sa mga inaasahan ng consumer patungo sa mga produkto at serbisyo ng AI na may pananagutan sa kapaligiran, na humahantong sa mga pagbabago sa gawi sa pagbili at tumaas na pangangailangan para sa transparency sa pagkonsumo ng enerhiya ng AI.
• Ang potensyal para sa paglilipat ng trabaho sa mga tradisyunal na sektor ng enerhiya habang ang mga kumpanya ng AI ay lalong bumaling sa mga renewable na mapagkukunan ng enerhiya, na humahantong sa mga pagbabago sa labor market at ang pangangailangan para sa mga programa sa muling pagsasanay.
• Ang pagbuo ng mga bagong pampulitikang alyansa at tensyon batay sa renewable energy availability at mga pangangailangan ng industriya ng AI, na humahantong sa mga pagbabago sa mga internasyonal na relasyon at mga kasunduan sa kalakalan.
• Ang isang mas mataas na pagtuon sa enerhiya-matipid na disenyo ng hardware na partikular na iniakma para sa mga aplikasyon ng AI, na humahantong sa mga teknolohikal na pagsulong na priyoridad ang pagpapanatili kasama ng pagganap.
• Ang potensyal para sa mga rural na lugar na may masaganang renewable energy resources upang maging mga kaakit-akit na lokasyon para sa pagpapaunlad ng AI, na humahantong sa mga pagbabago sa demograpiko at mga bagong pagkakataon para sa paglago ng ekonomiya sa mga dating hindi naseserbistang rehiyon.

Mga katanungang dapat isaalang-alang

• Sa palagay mo, dapat bang ipasa ang mga regulasyon na nagsasaad na ang renewable power lang ang gagamitin kapag nagpaplano ang mga kumpanya ng AI na magsanay at bumuo ng mga deep learning AI system? 
• Dapat bang isaalang-alang ng mga environmentalist ang mga benepisyong nakakatipid sa enerhiya na nagreresulta mula sa pagsusuri ng AI system (hal., mga disenyo ng pag-compute para sa mga bagong materyales na nakakatipid sa enerhiya, makinarya, pagruruta ng supply chain, atbp.) upang kalkulahin ang tunay/buong gastos sa kapaligiran ng mga AI system?