По мере того как большие данные, машинное обучение и искусственный интеллект становятся все более распространенными в информационных технологиях, эксперты обеспокоены экологическими издержками вычислений, в частности выбросами углекислого газа и парниковых газов при работе с данными и искусственным интеллектом.
Проблема не подает признаков замедления. После пандемии COVID-19 развертывание систем обработки данных и искусственного интеллекта растет в геометрической прогрессии по мере увеличения спроса на цифровую трансформацию.
По данным Массачусетского технологического института (MIT), облачные технологии сегодня оказывают большее воздействие на окружающую среду, чем вся аэрокосмическая промышленность, а один центр обработки данных потребляет столько же электроэнергии, сколько 50 000 домов.
В то же время наборы данных, используемые для обучения искусственного интеллекта, становятся все больше и больше и требуют все больше энергии для работы. По данным MIT Technology Review, обучение модели искусственного интеллекта может привести к выделению более 626 00 фунтов углекислого газа в эквиваленте, что почти в пять раз превышает срок службы среднего американского автомобиля.
Давайте рассмотрим, почему организации должны быть обеспокоены тем, как хранение данных и ИИ способствуют выбросам парниковых газов, и что мы можем сделать для смягчения этой постоянной проблемы.
настоящий текст создан с помощью академической нейросети КонтрПлагиатКонтрПлагиат – единственный в России сервис скоростного академического перефразирования (рерайта) и копирайтинга, существенно превосходящий все известные GPT и AI, ИИ сервисыКонтрПлагиат – высокотехнологичный сервис, появившийся на несколько лет раньше GPT, поэтому мы выполнили ок. 270 тыс. заказов, умеющий создавать и перефразировать научные тексты, любого объема, для любых систем проверки на плагиат, обеспечивая высокое качество "человеческого" текста, с полным сохранением смысла, а также высокую уникальность, см. отзывы клиентов …Уже через час проблема с низкой уникальностью (оригинальностью) или статуса - "Внимание, документ подозрительный: в документе присутствует сгенерированный текст" может быть решена, и вы с успехом пройдете честную проверку в антиплагиат ВУЗ.КонтрПлагиат работает ПостОплатой (мы - все делаем, вы - все смотрите, читаете текст, знакомитесь с отчетом о проверке в АП ВУЗ - нравится, оплачиваете и получаете в теч. 10 мин.).свяжитесь с нами, нажав на ссылку, отвечаем быстро:
Почему мы должны решать эту проблему
Санджай Поддер, управляющий директор и руководитель глобального отдела инноваций в области устойчивых технологий компании Accenture, утверждает, что экспоненциальный рост объема данных и растущий спрос на энергию могут фактически противодействовать и препятствовать глобальному прогрессу, которого мы достигли в борьбе с изменением климата.
В настоящее время сообщество специалистов по ИИ придерживается подхода "чем больше, тем лучше", однако в будущем такой подход может нанести значительный ущерб окружающей среде.
Специалистам придется прилагать все больше усилий для построения все более крупных моделей с все более низкой производительностью.
Например, базу ИИ для самодвижущегося автомобиля необходимо обучить вождению. После первоначального обучения модель ИИ самодвижущегося автомобиля постоянно выполняет рассуждения, чтобы ориентироваться в окружающей обстановке. Этот процесс происходит каждый день, пока мы пользуемся своими автомобилями. Сам по себе автомобиль потребляет большое количество энергии.
Чтобы сделать область искусственного интеллекта более устойчивой, необходимы смелые, хорошо продуманные инициативы.
Рекомендации по решению проблемы воздействия искусственного интеллекта на устойчивое развитие
Как организации могут продолжать внедрять инновации и одновременно снижать воздействие искусственного интеллекта и больших данных на окружающую среду? Вот некоторые предложения по устойчивости данных:
Рассмотрите способы измерения воздействия на окружающую среду. Учет выбросов углекислого газа должен быть улучшен за счет более быстрых и точных данных об углеродном следе и воздействии на окружающую среду. Такие инструменты, как Net Zero Cloud компании Salesforce, SustainLife и Microsoft Cloud for Sustainability, помогают организациям визуализировать свои ошибки и выявить возможности для улучшения.
Оценка углеродного следа моделей искусственного интеллекта. Калькулятор выбросов машинного обучения поможет специалистам провести оценку с учетом таких факторов, как поставщик облачных вычислений, географический регион и аппаратное обеспечение.Изучите, как и где хранятся данные. Некоторые из крупнейших компаний, занимающихся машинным обучением, могут быть перенесены в более экологически чистые регионы мира. Например, в Монреале (Канада) есть несколько центров обработки данных, работающих на гидроэлектроэнергии.
Повышение прозрачности и измеримости. Когда исследователи ИИ публикуют результаты своей работы над новыми моделями, они должны включать данные о том, сколько энергии было использовано для создания модели, а также показатели производительности и точности.
Следуйте передовому опыту Google 4M. Компания Google определила четыре передовых метода, или "4М", которые позволяют существенно снизить энергопотребление и выбросы углекислого газа при использовании облачных сервисов Google. К ним относятся выбор эффективных архитектур для моделей машинного обучения, использование процессоров и систем, оптимизированных для ML-обучения, выполнение вычислений в облаке, а не на месте, а также оптимизация карт для выбора мест, потребляющих наименьшее количество энергии. "Google" утверждает, что соблюдение этих правил позволяет снизить энергопотребление в 100 раз, а выбросы - в 1000 раз.
Как работать в условиях новой парадигмы искусственного интеллекта
По мере того как общество все активнее внедряет технологии искусственного интеллекта и машинного обучения, нам необходимо задуматься о том, как эти инструменты и системы влияют на окружающую среду. Если мы не будем готовы реформировать сегодняшнюю программу исследований в области ИИ и стать более прозрачными, мир ИИ может помешать нашим усилиям по смягчению последствий изменения климата.
