Кароткі адказ: штучны інтэлект уплывае на навакольнае асяроддзе галоўным чынам праз выкарыстанне электраэнергіі ў цэнтрах апрацоўкі дадзеных (як навучанне, так і паўсядзённыя высновы), а таксама праз ваду для астуджэння, а таксама праз уплыў вытворчасці абсталявання і электронных адходаў. Калі выкарыстанне маштабуецца да мільярдаў запытаў, высновы могуць пераважаць навучанне; калі электрасеткі больш чыстыя, а сістэмы эфектыўныя, уплыў змяншаецца, а карысць можа расці.
Асноўныя высновы:
Электрычнасць : адсочванне выкарыстання вылічэнняў; выкіды зніжаюцца, калі рабочыя нагрузкі працуюць у больш чыстых сетках.
Вада : выбар астуджэння змяняе ўплыў; метады на аснове вады маюць найбольшае значэнне ў рэгіёнах з недахопам рэсурсаў.
Апаратнае забеспячэнне : чыпы і серверы аказваюць істотны ўплыў; падаўжаюць тэрмін службы і аддаюць прыярытэт рамонце.
Аднаўленне : эфектыўнасць можа павысіць агульны попыт; вымярайце вынікі, а не толькі прыбытак па кожнай задачы.
Аперацыйныя рычагі : мадэлі патрэбнага памеру, аптымізацыя высноў і празрыстая справаздачнасць па метрыках для кожнага запыту.
Артыкулы, якія вам могуць спадабацца пасля гэтага:
🔗 Ці шкодны штучны інтэлект для навакольнага асяроддзя?
Даследуйце вугляродны след штучнага інтэлекту, спажыванне электраэнергіі і патрабаванні цэнтраў апрацоўкі дадзеных.
🔗 Чаму штучны інтэлект шкодны для грамадства?
Звярніце ўвагу на прадузятасць, збой у працы, дэзінфармацыю і пашырэнне сацыяльнай няроўнасці.
🔗 Чаму штучны інтэлект дрэнны? Цёмны бок штучнага інтэлекту
Разумець такія рызыкі, як назіранне, маніпуляцыі і страта кантролю з боку чалавека.
🔗 Ці зайшоў штучны інтэлект занадта далёка?
Дыскусіі аб этыцы, рэгуляванні і тым, дзе павінны праводзіцца межы інавацый.
Як штучны інтэлект уплывае на навакольнае асяроддзе: кароткі агляд ⚡🌱
Калі вы памятаеце толькі некалькі пунктаў, зрабіце гэта наступнымі:
-
Штучны інтэлект выкарыстоўвае энергію — пераважна ў цэнтрах апрацоўкі дадзеных, дзе працуюць графічныя/працэсарныя працэсары, для навучання і штодзённых «высноў» (з выкарыстаннем мадэлі). IEA: Энергія і штучны інтэлект
-
Энергетыка можа азначаць выкіды — у залежнасці ад мясцовай структуры энергасістэмы і энергакантрактаў. МЭА: Энергетыка і штучны інтэлект
-
Штучны інтэлект можа выкарыстоўваць нечаканую колькасць вады — галоўным чынам для астуджэння ў некаторых цэнтрах апрацоўкі дадзеных. Лі і інш. (2023): Як зрабіць штучны інтэлект менш «пражным» (PDF) Міністэрства энергетыкі ЗША FEMP: Магчымасці павышэння эфектыўнасці выкарыстання вады для федэральных цэнтраў апрацоўкі дадзеных.
-
Штучны інтэлект залежыць ад фізічных рэчаў — чыпаў, сервераў, сеткавага абсталявання, батарэй, будынкаў… што азначае здабычу карысных выкапняў, вытворчасць, дастаўку і, у рэшце рэшт, электронных адходаў. US EPA: паўправадніковая прамысловасць ITU: Глабальны маніторынг электронных адходаў 2024 года
-
Штучны інтэлект можа знізіць уздзеянне на навакольнае асяроддзе ў іншых месцах — аптымізуючы лагістыку, выяўляючы ўцечкі, павышаючы эфектыўнасць, паскараючы даследаванні і робячы сістэмы менш марнатраўнымі. МЭА: Штучны інтэлект для аптымізацыі энергіі і інавацый
А яшчэ ёсць тое, пра што людзі забываюць: маштаб . Адзін запыт штучнага інтэлекту можа быць невялікім, але мільярды такіх запытаў — гэта зусім іншая справа... як маленькі снежны ком, які нейкім чынам ператвараецца ў лавіну памерам з канапу. (Гэтая метафара трохі хітрая, але вы разумееце.) IEA: Энергетыка і штучны інтэлект
Экалагічны след штучнага інтэлекту — гэта не адна рэч, а цэлы цэлая цэлая рэч 🧱🌎
Калі людзі спрачаюцца пра штучны інтэлект і ўстойлівае развіццё, яны часта ігнаруюць адзін аднаго, бо маюць на ўвазе розныя аспекты:
1) Вылічыце электрычнасць
-
Навучанне вялікіх мадэляў можа запатрабаваць вялікіх кластараў, якія працуюць інтэнсіўна на працягу доўгага часу. IEA: Энергетыка і штучны інтэлект
-
Высновы (штодзённае выкарыстанне) з часам могуць стаць больш важнымі, бо яны адбываюцца пастаянна і ўсюды. IEA: Энергетыка і штучны інтэлект
2) Накладныя выдаткі цэнтра апрацоўкі дадзеных
-
Астуджэнне, страты электраэнергіі, сістэмы рэзервовага капіявання, сеткавае абсталяванне. LBNL (2024): Справаздача аб выкарыстанні энергіі ў цэнтрах апрацоўкі дадзеных ЗША (PDF)
-
Адны і тыя ж вылічэнні могуць мець розны ўплыў на практыку ў залежнасці ад эфектыўнасці. Зялёная сетка: PUE — комплекснае даследаванне метрыкі
3) Вада і цяпло
-
Многія аб'екты выкарыстоўваюць ваду прама ці ўскосна для кіравання цяплом. Міністэрства энергетыкі ЗША FEMP: Магчымасці эфектыўнага выкарыстання астуджальнай вады для федэральных цэнтраў апрацоўкі дадзеных Лі і інш. (2023): Як зрабіць штучны інтэлект менш «пражным» (PDF)
-
Адпрацаванае цяпло можна рэкупераваць, альбо яно можа проста… выходзіць у выглядзе гарачага паветра. (Не ідэальна.)
4) Ланцужок паставак абсталявання
-
Горназдабыўныя і перапрацоўчыя матэрыялы.
-
Вытворчасць чыпаў і сервераў (энергаёмістая). Агенцтва па ахове навакольнага асяроддзя ЗША: паўправадніковая прамысловасць imec: Зніжэнне ўздзеяння на навакольнае асяроддзе пры вытворчасці чыпаў
-
Дастаўка, упакоўка, мадэрнізацыя, замена.
5) Паводзіны і эфекты адскоку
-
Штучны інтэлект робіць задачы таннейшымі і прасцейшымі, таму людзі выконваюць іх больш. АЭСР (2012): Шматлікія перавагі паляпшэння энергаэфектыўнасці (PDF)
-
Павышэнне эфектыўнасці можа быць знішчана павелічэннем попыту. Менавіта гэта прымушае мяне крыху ўздыхнуць. АЭСР (2012): Шматлікія перавагі паляпшэння энергаэфектыўнасці (PDF)
Таму, калі хтосьці пытаецца, як штучны інтэлект уплывае на навакольнае асяроддзе, прамы адказ: гэта залежыць ад таго, які пласт вы вымяраеце і што азначае «штучны інтэлект» у гэтай сітуацыі.
Навучанне супраць высноў: розніца, якая змяняе ўсё 🧠⚙️
Людзі любяць казаць пра навучанне, бо гэта гучыць драматычна — «адна мадэль выкарыстала энергію X». Але высновы — гэта ціхі гігант. IEA: Энергія і штучны інтэлект
Трэніроўка (вялікая зборка)
Навучанне падобнае да будаўніцтва завода. Вы плаціце пачатковыя выдаткі: вялікія вылічэнні, працяглы час выканання, мноства спроб і памылак (і так, мноства ітэрацый тыпу «ой, не спрацавала, паспрабуйце яшчэ раз»). Навучанне можна аптымізаваць, але яно ўсё роўна можа быць істотным. IEA: Энергетыка і штучны інтэлект
Выснова (штодзённае выкарыстанне)
Высновы падобныя да фабрыкі, якая працуе кожны дзень, для ўсіх, у вялікім маштабе:
-
Чат-боты адказваюць на пытанні
-
Генерацыя малюнкаў
-
Рэйтынг у пошуку
-
Рэкамендацыі
-
Пераўтварэнне маўлення ў тэкст
-
Выяўленне махлярства
-
Сумесныя пілоты ў дакументах і інструментах для стварэння кода
Нават калі кожны запыт адносна невялікі, аб'ём выкарыстання можа пераўзысці навучанне. Гэта класічная сітуацыя «адна саломінка — нішто, мільён саломінак — гэта праблема». IEA: Энергетыка і штучны інтэлект
Невялікая заўвага — некаторыя задачы штучнага інтэлекту значна цяжэйшыя за іншыя. Стварэнне малюнкаў або доўгіх відэа, як правіла, спажывае больш энергіі, чым класіфікацыя кароткіх тэкстаў. Такім чынам, аб'яднаць «штучны інтэлект» у адно кавалкі — гэта крыху падобна на параўнанне ровара з грузавым суднам і назваць іх абодва «транспартам». МЭА: Энергетыка і штучны інтэлект
Цэнтры апрацоўкі дадзеных: харчаванне, астуджэнне і ціхая гісторыя пра ваду 💧🏢
Цэнтры апрацоўкі дадзеных — гэта не навінка, але штучны інтэлект змяняе іх інтэнсіўнасць. Высокапрадукцыйныя паскаральнікі могуць спажываць шмат энергіі ў цесных прасторах, што ператвараецца ў цяпло, якое трэба кантраляваць. LBNL (2024): Справаздача аб выкарыстанні энергіі ў цэнтрах апрацоўкі дадзеных ЗША (PDF) МЭА: Энергетыка і штучны інтэлект
Асновы астуджэння (спрошчана, але практычна)
-
Паветранае астуджэнне : вентылятары, астуджанае паветра, канструкцыя гарачага/халоднага праходу. Міністэрства энергетыкі ЗША FEMP: Энергаэфектыўнасць у цэнтрах апрацоўкі дадзеных
-
Вадкаснае астуджэнне : больш эфектыўнае ў шчыльных установах, але можа ўключаць розную інфраструктуру. ASHRAE (TC 9.9): З'яўленне і пашырэнне вадкаснага астуджэння ў асноўных цэнтрах апрацоўкі дадзеных (PDF)
-
Выпарнае астуджэнне : можа знізіць спажыванне электраэнергіі ў некаторых кліматычных умовах, але часта павялічвае спажыванне вады. Міністэрства энергетыкі ЗША FEMP: Магчымасці эфектыўнага выкарыстання астуджальнай вады для федэральных цэнтраў апрацоўкі дадзеных
Вось у чым кампраміс: часам можна знізіць спажыванне электраэнергіі, выкарыстоўваючы астуджэнне на вадзяной аснове. У залежнасці ад мясцовага дэфіцыту вады гэта можа быць нармальна... або гэта можа быць сапраўднай праблемай. Лі і інш. (2023): Як зрабіць штучны інтэлект менш «пражным» (PDF)
Акрамя таго, экалагічны след моцна залежыць ад:
-
Дзе знаходзіцца цэнтр апрацоўкі дадзеных (выкіды сеткі адрозніваюцца) Індэкс вугляроднай інтэнсіўнасці API (Вялікабрытанія) МЭА: Энергетыка і штучны інтэлект
-
Наколькі эфектыўна гэта працуе (выкарыстанне мае вялікае значэнне) Зялёная сетка: PUE — комплекснае даследаванне метрыкі
-
Ці выкарыстоўваецца адпрацаванае цяпло паўторна
-
Варыянты закупак энергіі (аднаўляльныя крыніцы энергіі, доўгатэрміновыя кантракты і г.д.)
Шчыра кажучы: у публічных дыскусіях «цэнтр апрацоўкі дадзеных» часта ўспрымаецца як чорная скрынка. Гэта не зло, гэта не магія. Гэта інфраструктура. Яна паводзіць сябе як інфраструктура.
Чыпы і абсталяванне: частка, якую людзі прапускаюць, бо яна менш сэксуальная 🪨🔧
Штучны інтэлект жыве на абсталяванні. Абсталяванне мае жыццёвы цыкл, і ўплыў жыццёвага цыклу можа быць значным. US EPA: паўправадніковая прамысловасць ITU: Глабальны маніторынг электронных адходаў 2024 года
Дзе праяўляецца ўплыў на навакольнае асяроддзе
-
Здабыча матэрыялаў : здабыча і перапрацоўка металаў і рэдкіх матэрыялаў.
-
Вытворчасць : вытворчасць паўправаднікоў — складаны і энергаёмісты працэс. Агенцтва па ахове навакольнага асяроддзя ЗША: паўправадніковая прамысловасць imec: зніжэнне ўздзеяння на навакольнае асяроддзе пры вытворчасці мікрасхем
-
Транспарт : глабальныя ланцужкі паставак перавозяць дэталі паўсюль.
-
Кароткія цыклы замены : хуткая мадэрнізацыя можа павялічыць колькасць электронных адходаў і ўбудаваных выкідаў. МСЭ: Глабальны маніторынг электронных адходаў 2024 г.
Электронныя адходы і «цалкам нармальныя» серверы
Вялікая шкода навакольнаму асяроддзю наносіцца не з-за адной прылады, а з-за яе ранняй замены, бо яна больш не эканамічна эфектыўная. Штучны інтэлект паскарае гэты працэс, бо скачкі ў прадукцыйнасці могуць быць значнымі. Спакуса абнавіць абсталяванне рэальная. МСЭ: Глабальны маніторынг электронных адходаў 2024 года
Практычны момант: падаўжэнне тэрміну службы абсталявання, паляпшэнне выкарыстання рэсурсаў і рамонт могуць мець гэтак жа вялікае значэнне, як і любая мудрагелістая налада мадэлі. Часам самая экалагічная відэакарта — гэта тая, якую вы не купляеце. (Гэта гучыць як слоган, але гэта таксама… у пэўнай ступені праўда.)
Як штучны інтэлект уплывае на навакольнае асяроддзе: цыкл паводзін «людзі забываюць пра гэта» 🔁😬
Вось няёмкая сацыяльная частка: штучны інтэлект спрашчае жыццё, таму людзі робяць больш спраў. Гэта можа быць цудоўна — большая прадукцыйнасць, большая крэатыўнасць, большы доступ. Але гэта таксама можа азначаць большае агульнае выкарыстанне рэсурсаў. АЭСР (2012): Шматлікія перавагі паляпшэння энергаэфектыўнасці (PDF)
Прыклады:
-
Калі штучны інтэлект зробіць стварэнне відэа танным, людзі будуць ствараць больш відэа.
-
Калі штучны інтэлект робіць рэкламу больш эфектыўнай, паказваецца больш рэкламы, раскручваецца больш цыклаў узаемадзеяння.
-
Калі штучны інтэлект зробіць лагістыку дастаўкі больш эфектыўнай, электронная камерцыя можа маштабавацца яшчэ больш.
Гэта не падстава для панікі. Гэта падстава для ацэнкі вынікаў, а не толькі эфектыўнасці.
Недасканалая, але цікавая метафара: эфектыўнасць штучнага інтэлекту падобная на тое, каб даць падлетку большы халадзільнік — так, захоўванне прадуктаў паляпшаецца, але неяк халадзільнік зноў апусцее праз дзень. Не ідэальная метафара, але… вы бачылі, як гэта здараецца 😅
Перавага: штучны інтэлект можа сапраўды дапамагчы навакольнаму асяроддзю (пры правільным нацэльванні) 🌿✨
Цяпер пра тое, што недаацэньваюць: штучны інтэлект можа скараціць выкіды і адходы ў існуючых сістэмах, якія… шчыра кажучы, непрыгожыя. МЭА: штучны інтэлект для аптымізацыі энергіі і інавацый
Сферы, дзе штучны інтэлект можа дапамагчы
-
Энергетычныя сеткі : прагназаванне нагрузкі, рэагаванне на попыт, інтэграцыя зменных аднаўляльных крыніц энергіі. МЭА: штучны інтэлект для аптымізацыі энергетыкі і інавацый
-
Будынкі : больш разумнае кіраванне сістэмамі ацяплення, вентыляцыі і кандыцыянавання паветра, прагнастычнае абслугоўванне, выкарыстанне энергіі ў залежнасці ад прысутнасці. МЭА: лічбавізацыя
-
Транспарт : аптымізацыя маршрутаў, кіраванне аўтапаркам, скарачэнне колькасці пустых прабегаў. МЭА: штучны інтэлект для аптымізацыі энергіі і інавацый
-
Вытворчасць : выяўленне дэфектаў, наладка працэсу, зніжэнне браку.
-
Сельская гаспадарка : дакладнае арашэнне, выяўленне шкоднікаў, аптымізацыя ўгнаенняў.
-
Маніторынг навакольнага асяроддзя : выяўленне ўцечак метану, адсочванне сігналаў аб высечцы лясоў, картаграфаванне заканамернасцей біяразнастайнасці. UNEP: Як працуе MARS Global Forest Watch: Папярэджанні GLAD аб высечцы лясоў Інстытут Алана Цьюрынга: Штучны інтэлект і аўтаномныя сістэмы для ацэнкі біяразнастайнасці
-
Цыркулярная эканоміка : лепшая сартаванне і ідэнтыфікацыя ў патоках перапрацоўкі.
Важны нюанс: «дапамога» штучнага інтэлекту не кампенсуе аўтаматычна яго ўплыў. Гэта залежыць ад таго, ці сапраўды штучны інтэлект разгорнуты, ці сапраўды выкарыстоўваецца, і ці прыводзіць ён да рэальных скарачэнняў, а не проста да паляпшэння панэляў кіравання. Але так, патэнцыял рэальны. МЭА: ШІ для аптымізацыі энергіі і інавацый
Што робіць штучны інтэлект добрай версіяй экалагічна чыстага штучнага інтэлекту? ✅🌍
Гэта раздзел «добра, дык што нам рабіць?». Добрая экалагічна адказная ўстаноўка штучнага інтэлекту звычайна мае:
-
Зразумелая каштоўнасць выпадку выкарыстання : калі мадэль не змяняе рашэнні або вынікі, гэта проста мудрагелістыя вылічэнні.
-
Убудаваныя вымярэнні : паказчыкі энергіі, ацэнкі выкідаў вугляроду, выкарыстання і эфектыўнасці адсочваюцца, як і любыя іншыя KPI. CodeCarbon: методыка
-
Мадэлі патрэбнага памеру : выкарыстоўвайце меншыя мадэлі, калі яны працуюць. Быць эфектыўным — гэта не маральная няўдача.
-
Эфектыўнае праектаванне вываду : кэшаванне, пакетная апрацоўка, квантаванне, пошук і добрыя шаблоны падказак. Gholami et al. (2021): Агляд метадаў квантавання (PDF) Lewis et al. (2020): Генерацыя з дапоўненым пошукам
-
Уважлівасць да абсталявання і месцазнаходжання : выконвайце рабочыя нагрузкі там, дзе сетка чысцейшая, а інфраструктура эфектыўная (калі гэта магчыма). API вугляроднай інтэнсіўнасці (GB)
-
Большы тэрмін службы абсталявання : максімальнае выкарыстанне, паўторнае выкарыстанне і рамонт. МСЭ: Глабальны маніторынг электронных адходаў 2024 года
-
Прамая журналістыка : пазбягайце «зялёнага вошынгу» і расплывістых заяў накшталт «экалагічна чысты штучны інтэлект» без лічбаў.
Калі вы ўсё яшчэ сочыце за тым, як штучны інтэлект уплывае на навакольнае асяроддзе, то менавіта ў гэты момант адказ перастае быць філасофскім і становіцца практычным: ён уплывае на яго ў залежнасці ад вашага выбару.
Параўнальная табліца: інструменты і падыходы, якія сапраўды зніжаюць уплыў 🧰⚡
Ніжэй прыведзена кароткая, практычная табліца. Яна не ідэальная, і так, некаторыя ячэйкі крыху неадназначныя... бо менавіта так працуе сапраўдны выбар інструмента.
| Інструмент / Падыход | Аўдыторыя | Кошт | Чаму гэта працуе | |
|---|---|---|---|---|
| Бібліятэкі адсочвання вугляроду/энергіі (ацэнкі падчас выканання) | Каманды машыннага навучання | Вольна | Забяспечвае бачнасць — што ўжо палова поспеху, нават калі ацэнкі крыху недакладныя… | CodeCargon |
| Маніторынг харчавання абсталявання (тэлеметрыя графічнага працэсара/працэсара) | Інфра + машыннае навучанне | Бясплатна | Вымярае рэальнае спажыванне; добра падыходзіць для бенчмаркінгу (не кідаецца ў вочы, але выглядае выдатна) | |
| Мадэльная дыстыляцыя | Інжынеры машыннага навучання | Бясплатна (затраты часу 😵) | Меншыя мадэлі студэнтаў часта супадаюць з прадукцыйнасцю з значна меншымі выдаткамі на выснову | Хінтан і інш. (2015): Дыстыляцыя ведаў у нейроннай сетцы |
| Квантаванне (вывад з меншай дакладнасцю) | ML + прадукт | Бясплатна | Скарачае затрымку і спажыванне энергіі; часам з невялікімі кампрамісамі ў якасці, часам без іх | Голамі і інш. (2021): Агляд метадаў квантызацыі (PDF) |
| Кэшаванне + пакетная апрацоўка высноў | Прадукт + платформа | Бясплатна | Памяншае лішнія вылічэнні; асабліва зручна для паўторных запытаў або падобных запытаў | |
| Генерацыя з пашыраным пошукам (RAG) | Каманды праграм | Змешаная | Перанагружае «памяць» на пошук; можа паменшыць неабходнасць у велізарных кантэкстных вокнах | Льюіс і інш. (2020): Пакаленне з дапоўненым пошукам |
| Планаванне рабочых нагрузак па вугляроднай інтэнсіўнасці | Інфраструктура/аперацыі | Змешаная | Пераключае гнуткія працоўныя месцы на больш чыстыя электрашклапад'ёмнікі — аднак патрабуе каардынацыі | API вугляроднай інтэнсіўнасці (GB) |
| Акцэнт на эфектыўнасць цэнтра апрацоўкі дадзеных (выкарыстанне, кансалідацыя) | Кіраўніцтва ў галіне ІТ | Платна (звычайна) | Найменш гламурны рычаг, але часта самы важны — спыніць працу з напаўпустымі сістэмамі | Зялёная сетка: PUE |
| Праекты па паўторным выкарыстанні цяпла | Зручнасці | Гэта залежыць | Ператварае адпрацаванае цяпло ў каштоўнасць; не заўсёды магчыма, але калі гэта магчыма, гэта даволі прыгожа | |
| «Ці патрэбны нам тут наогул штучны інтэлект?» — праверце | Усе | Бясплатна | Прадухіляе бессэнсоўныя вылічэнні. Найбольш магутная аптымізацыя — гэта сказаць «не» (часам) |
Заўважце, чаго не хапае? «Купіце чароўную зялёную налепку». Такой не існуе 😬
Практычны дапаможнік: змяншэнне ўплыву штучнага інтэлекту без сапсавання прадукту 🛠️🌱
Калі вы ствараеце або купляеце сістэмы штучнага інтэлекту, вось рэалістычная паслядоўнасць дзеянняў, якая працуе на практыцы:
Крок 1: Пачніце з вымярэння
-
Адсочвайце спажыванне энергіі або ацэньвайце яго паслядоўна. CodeCarbon: методыка
-
Вымярайце для кожнага трэніровачнага запуску і для кожнага запыту на выснову.
-
Кантралюйце выкарыстанне — бяздзейныя рэсурсы маюць звычку хавацца навідавоку. Зялёная сетка: PUE
Крок 2: Падбярыце памер мадэлі ў адпаведнасці з заданнем
-
Выкарыстоўвайце меншыя мадэлі для класіфікацыі, здабывання і маршрутызацыі.
-
Захавайце цяжкую мадэль для складаных выпадкаў.
-
Разгледзьце «каскад мадэляў»: спачатку маленькая мадэль, большая мадэль толькі пры неабходнасці.
Крок 3: Аптымізацыя высноў (вось тут маштаб мае значэнне)
-
Кэшаванне : захоўванне адказаў на паўторныя запыты (з дбайным кантролем прыватнасці).
-
Пакетная апрацоўка : групаванне запытаў для павышэння эфектыўнасці абсталявання.
-
Карацейшыя вынікі : доўгія вынікі каштуюць даражэй — часам вам не патрэбна эсэ.
-
Дысцыпліна падказак : неакуратныя падказкі ствараюць больш доўгія вылічальныя шляхі... і так, больш токенаў.
Крок 4: Паляпшэнне гігіены дадзеных
Гэта гучыць неяк незвязана, але гэта не так:
-
Больш чыстыя наборы дадзеных могуць паменшыць адток перанавучаных спецыялістаў.
-
Менш шуму азначае менш эксперыментаў і менш марных прагонаў.
Крок 5: Ставіцеся да абсталявання як да актыву, а не як да аднаразовай рэчы
-
Па магчымасці падоўжыць цыклы абнаўлення. МСЭ: Глабальны манітор электронных адходаў 2024 г.
-
Выкарыстоўвайце старое абсталяванне паўторна для меншых працоўных нагрузак.
-
Пазбягайце забеспячэння «заўсёды ў пік».
Крок 6: З розумам выбірайце разгортванне
-
Па магчымасці выконвайце гнуткія задачы, дзе энергія больш чыстая. Індэкс вугляроднай інтэнсіўнасці API (GB)
-
Скараціце непатрэбную рэплікацыю.
-
Захоўвайце рэалістычныя мэты затрымкі (звышнізкая затрымка можа прывесці да неэфектыўных налад пастаяннай уключанасці).
І так… часам лепшы крок — гэта проста: не запускаць аўтаматычна найбольшую мадэль для кожнага дзеяння карыстальніка. Гэтая звычка — экалагічны эквівалент пакідання кожнай лямпачкі ўключанай, таму што хадзіць да выключальніка раздражняе.
Распаўсюджаныя міфы (і што бліжэй да праўды) 🧠🧯
Міф: «Штучны інтэлект заўсёды горшы за традыцыйнае праграмнае забеспячэнне»
Праўда: Штучны інтэлект можа быць больш складаным з пункту гледжання вылічэнняў, але ён таксама можа замяніць неэфектыўныя ручныя працэсы, скараціць адходы і аптымізаваць сістэмы. Гэта залежыць ад сітуацыі. МЭА: Штучны інтэлект для аптымізацыі энергіі і інавацый
Міф: «Праблема толькі ў навучанні»
Праўда: З часам высновы ў маштабе могуць дамінаваць. Калі выкарыстанне вашага прадукту рэзка ўзрастае, гэта становіцца галоўнай тэмай. МЭА: Энергетыка і штучны інтэлект
Міф: «Аднаўляльныя крыніцы энергіі вырашаюць праблему імгненна»
Праўда: Чысцейшая электрычнасць вельмі дапамагае, але не сцірае след абсталявання, спажыванне вады або эфект адскоку. Тым не менш, гэта ўсё яшчэ важна. МЭА: Энергетыка і штучны інтэлект
Міф: «Калі гэта эфектыўна, гэта ўстойліва»
Праўда: Эфектыўнасць без кантролю попыту ўсё роўна можа павялічыць агульны эфект. Гэта пастка адскоку. АЭСР (2012): Шматлікія перавагі паляпшэння энергаэфектыўнасці (PDF)
Кіраванне, празрыстасць і адсутнасць тэатральнасці 🧾🌍
Калі вы кампанія, то менавіта тут будуецца або губляецца давер.
-
Паведамляйце пра значныя паказчыкі : па запыце, па карыстальніку, па задачы — не проста пра вялікія, страшныя лічбы. LBNL (2024): Справаздача аб выкарыстанні энергіі ў цэнтрах апрацоўкі дадзеных ЗША (PDF)
-
Пазбягайце расплывістых сцвярджэнняў : «зялёны штучны інтэлект» нічога не значыць без лічбаў і межаў.
-
Улічвайце ваду і мясцовы ўплыў : вуглярод — не адзіная зменная навакольнага асяроддзя. Лі і інш. (2023): Як зрабіць штучны інтэлект менш «пражным» (PDF)
-
Дызайн для стрыманасці : карацейшыя адказы па змаўчанні, больш танныя рэжымы, «эка»-налады, якія сапраўды нешта робяць.
-
Падумайце пра справядлівасць : інтэнсіўнае выкарыстанне рэсурсаў у месцах з дэфіцытам вады або нестабільнымі электрасеткамі мае наступствы, якія выходзяць за рамкі вашай электроннай табліцы. Міністэрства энергетыкі ЗША FEMP: Магчымасці эфектыўнага выкарыстання астуджальнай вады для федэральных цэнтраў апрацоўкі дадзеных
Гэта той момант, калі людзі закацілі вочы, але гэта важна. Адказныя тэхналогіі — гэта не толькі разумная інжынерыя. Гаворка ідзе таксама пра тое, каб не рабіць выгляд, што кампрамісаў не існуе.
Заключнае рэзюмэ: кароткі агляд таго, як штучны інтэлект уплывае на навакольнае асяроддзе 🌎✅
Уплыў штучнага інтэлекту на навакольнае асяроддзе зводзіцца да дадатковай нагрузкі: электрычнасці, вады (часам) і попыту на абсталяванне. МЭА: Энергетыка і штучны інтэлект Лі і інш. (2023): Як зрабіць штучны інтэлект менш «прагнучым» (PDF). Ён таксама прапануе магутныя інструменты для скарачэння выкідаў і адходаў у іншых сектарах. МЭА: ШІ для аптымізацыі энергіі і інавацый. Канчатковы вынік залежыць ад маштабу, чысціні сеткі, выбару эфектыўнасці і ад таго, вырашае штучны інтэлект рэальныя праблемы, ці проста стварае навізну дзеля навізны. МЭА: Энергетыка і штучны інтэлект.
Калі вы хочаце атрымаць найпрасцейшы практычны рэцэпт:
-
Вымерайце.
-
Патрэбнага памеру.
-
Аптымізаваць высновы.
-
Падоўжыць тэрмін службы абсталявання.
-
Будзьце шчырымі наконт кампрамісаў.
А калі вы адчуваеце сябе прыгнечанымі, вось вам адна супакойлівая праўда: дробныя аперацыйныя рашэнні, паўтораныя тысячу разоў, звычайна пераўзыходзяць адну вялікую заяву аб устойлівым развіцці. Гэта як чыстка зубоў. Не гламурна, але працуе... 😄🪥
Часта задаваныя пытанні
Як штучны інтэлект уплывае на навакольнае асяроддзе ў паўсядзённым выкарыстанні, а не толькі ў буйных даследчых лабараторыях?
Большая частка ўплыву штучнага інтэлекту паходзіць ад электрычнасці, якая сілкуе цэнтры апрацоўкі дадзеных з графічнымі і цэнтральнымі працэсарамі падчас навучання і штодзённых «высноў». Адзін запыт можа быць невялікім, але ў вялікіх маштабах гэтыя запыты хутка назапашваюцца. Уплыў таксама залежыць ад таго, дзе знаходзіцца цэнтр апрацоўкі дадзеных, наколькі чыстая лакальная электрасетка і наколькі эфектыўна працуе інфраструктура.
Ці горш для навакольнага асяроддзя навучанне мадэлі штучнага інтэлекту, чым яе выкарыстанне (высновы)?
Навучанне можа запатрабаваць вялікіх вылічэнняў адразу, але з часам высновы могуць стаць больш складанымі, бо яны працуюць пастаянна і ў вялікіх маштабах. Калі інструментам карыстаюцца мільёны людзей кожны дзень, паўторныя запыты могуць перавысіць аднаразовыя выдаткі на навучанне. Вось чаму аптымізацыя часта сканцэнтравана на эфектыўнасці высноў.
Чаму штучны інтэлект выкарыстоўвае ваду, і ці заўсёды гэта праблема?
Штучны інтэлект можа выкарыстоўваць ваду ў асноўным таму, што некаторыя цэнтры апрацоўкі дадзеных выкарыстоўваюць астуджэнне на вадзяной аснове, альбо таму, што вада спажываецца ўскосна праз вытворчасць электраэнергіі. У пэўных кліматычных умовах выпарнае астуджэнне можа знізіць спажыванне электраэнергіі, адначасова павялічваючы спажыванне вады, ствараючы рэальны кампраміс. Ці з'яўляецца гэта «дрэнным», залежыць ад мясцовага дэфіцыту вады, канструкцыі астуджэння і таго, ці вымяраецца і кіруецца спажыванне вады.
Які ўплыў штучнага інтэлекту на навакольнае асяроддзе аказваюць апаратнае забеспячэнне і электронныя адходы?
Штучны інтэлект залежыць ад чыпаў, сервераў, сеткавага абсталявання, будынкаў і ланцужкоў паставак, што азначае здабычу карысных выкапняў, вытворчасць, дастаўку і канчатковую ўтылізацыю. Вытворчасць паўправаднікоў з'яўляецца энергаёмістай, і хуткія цыклы мадэрнізацыі могуць павялічыць выкіды і колькасць электронных адходаў. Падаўжэнне тэрміну службы абсталявання, рамонт і паляпшэнне яго выкарыстання могуць значна знізіць уплыў, часам канкуруючы са зменамі на ўзроўні мадэлі.
Ці вырашае выкарыстанне аднаўляльных крыніц энергіі праблему ўздзеяння штучнага інтэлекту на навакольнае асяроддзе?
Чысцейшая электрычнасць можа скараціць выкіды ад вылічэнняў, але яна не ліквідуе іншыя наступствы, такія як спажыванне вады, вытворчасць абсталявання і электронныя адходы. Яна таксама не вырашае аўтаматычна «эфект адскоку», калі больш танныя вылічэнні прыводзяць да павелічэння выкарыстання ў цэлым. Аднаўляльныя крыніцы энергіі — важны рычаг, але яны толькі частка стэка экалагічнай глебы.
Што такое эфект адскоку і чаму ён важны для штучнага інтэлекту і ўстойлівага развіцця?
Эфект адскоку — гэта калі павышэнне эфектыўнасці робіць нешта таннейшым або прасцейшым, таму людзі робяць гэта больш, часам знішчаючы зберажэнні. З дапамогай штучнага інтэлекту больш танная вытворчасць або аўтаматызацыя могуць павялічыць агульны попыт на кантэнт, вылічэнні і паслугі. Вось чаму вымярэнне вынікаў на практыцы важнейшае, чым святкаванне эфектыўнасці асобна.
Якія практычныя спосабы можна паменшыць уплыў штучнага інтэлекту без шкоды для прадукту?
Распаўсюджаны падыход заключаецца ў тым, каб пачаць з вымярэнняў (ацэнкі энергіі і вугляроду, выкарыстанне), затым падабраць мадэлі да задачы і аптымізаваць высновы з дапамогай кэшавання, пакетнай апрацоўкі і больш кароткіх вынікаў. Такія метады, як квантаванне, дыстыляцыя і генерацыя з дапоўненым пошукам, могуць скараціць патрэбы ў вылічэннях. Аперацыйныя рашэнні, такія як планаванне нагрузкі ў залежнасці ад вугляроднай інтэнсіўнасці і больш працяглы тэрмін службы абсталявання, часта прыносяць вялікія выйгрышы.
Як штучны інтэлект можа дапамагчы навакольнаму асяроддзю, а не нашкодзіць яму?
Штучны інтэлект можа скараціць выкіды і адходы пры аптымізацыі рэальных сістэм: прагназавання электрасеткі, рэагавання на попыт, кіравання сістэмамі ацяплення, вентыляцыі і кандыцыянавання паветра ў будынках, маршрутызацыі лагістыкі, прагназавання тэхнічнага абслугоўвання і выяўлення ўцечак. Ён таксама можа падтрымліваць маніторынг навакольнага асяроддзя, напрыклад, папярэджанні аб высечцы лясоў і выяўленне метану. Галоўнае — ці змяняе сістэма рашэнні і прыводзіць да вымерных скарачэнняў, а не толькі да паляпшэння панэляў кіравання.
Якія паказчыкі павінны паведамляць кампаніі, каб пазбегнуць заяў пра «зялёны вошынг» у дачыненні да штучнага інтэлекту?
Больш сэнсуе паведамляць пра паказчыкі па кожнай задачы або запыце, чым толькі пра вялікія агульныя лічбы, бо гэта паказвае эфектыўнасць на ўзроўні адзінкі. Адсочванне спажывання энергіі, ацэнак выкідаў вугляроду, выкарыстання і — дзе гэта дарэчы — уздзеяння на ваду стварае больш выразную адказнасць. Таксама важна: вызначыць межы (што ўключана) і пазбягаць расплывістых назваў накшталт «экалагічна чысты штучны інтэлект» без колькасных доказаў.
Спасылкі
-
Міжнароднае энергетычнае агенцтва (МЭА) - Энергетыка і штучны інтэлект - iea.org
-
Міжнароднае энергетычнае агенцтва (МЭА) - Штучны інтэлект для аптымізацыі энергетыкі і інавацый - iea.org
-
Міжнароднае энергетычнае агенцтва (МЭА) - Лічбавізацыя - iea.org
-
Нацыянальная лабараторыя імя Лоўрэнса ў Берклі (LBNL) - Справаздача аб выкарыстанні энергіі ў цэнтрах апрацоўкі дадзеных ЗША (2024 г.) (PDF) - lbl.gov
-
Лі і інш. - Як зрабіць штучны інтэлект менш «пражным» (2023) (PDF) - arxiv.org
-
ASHRAE (TC 9.9) - З'яўленне і пашырэнне вадкаснага астуджэння ў асноўных цэнтрах апрацоўкі дадзеных (PDF) - ashrae.org
-
Зялёная сетка - PUE-Усебаковае даследаванне метрыкі - thegreengrid.org
-
Міністэрства энергетыкі ЗША (DOE) - FEMP - Магчымасці павышэння эфектыўнасці астуджальнай вады для федэральных цэнтраў апрацоўкі дадзеных - energy.gov
-
Міністэрства энергетыкі ЗША (DOE) - FEMP - Энергаэфектыўнасць у цэнтрах апрацоўкі дадзеных - energy.gov
-
Агенцтва па ахове навакольнага асяроддзя ЗША (EPA) - Паўправадніковая прамысловасць - epa.gov
-
Міжнародны саюз электрасувязі (МСЭ) - Глабальны манітор электронных адходаў 2024 - itu.int
-
АЭСР - Шматлікія перавагі паляпшэння энергаэфектыўнасці (2012) (PDF) - oecd.org
-
API вугляроднай інтэнсіўнасці (GB) - carbonintensity.org.uk
-
imec - Зніжэнне ўздзеяння на навакольнае асяроддзе пры вытворчасці мікрасхем - imec-int.com
-
ЮНЭП - Як працуе MARS - unep.org
-
Глабальная лясная варта - папярэджанні GLAD аб высечцы лясоў - globalforestwatch.org
-
Інстытут Алана Цьюрынга - Штучны інтэлект і аўтаномныя сістэмы для ацэнкі біяразнастайнасці і здароўя экасістэм - turing.ac.uk
-
CodeCarbon - Метадалогія - mlco2.github.io
-
Голамі і інш. - Агляд метадаў квантызацыі (2021) (PDF) - arxiv.org
-
Льюіс і інш. - Пакаленне з дапоўненым пошукам (2020) - arxiv.org
-
Хінтан і інш. - Дыстыляцыя ведаў у нейроннай сетцы (2015) - arxiv.org
-
CodeCarbon - codecarbon.io