Обеспечение устойчивого развития искусственного интеллекта является ключом к лучшему будущему

Искусственный интеллект (ИИ) меняет устойчивое развитие и обнажает парадокс. Оно может оптимизировать энергетические системы, прогнозировать климатические риски и ускорять прорывы в области сохранения окружающей среды и материалов. Однако обучение больших моделей, перемещение огромных наборов данных и обновление специализированного оборудования потребляют электроэнергию, воду и минералы в огромных масштабах.

Чем больше мы полагаемся на искусственный интеллект для достижения климатических целей, тем выше риск выхода за пределы планетарных границ. Решение ясно: устойчивое развитие должно быть заложено в конструкцию, измерение и управление ИИ с самого начала, а не рассматриваться как второстепенная мысль.

Время действовать сейчас. По данным NTT Data, к 2028 году более половины электроэнергии центров обработки данных может быть использовано для искусственного интеллекта. Устойчивый искусственный интеллект для более экологичного будущего отчет. На тот момент один лишь ИИ мог бы ежегодно потреблять столько же электроэнергии, сколько 22% всех домохозяйств в США.

Воздействие воды также отрезвляет. Обучение одной большой модели может потребовать миллионы литров, и даже 10–50 простых запросов могут составить примерно пол-литра воды с учетом охлаждения и выработки электроэнергии. В то же время цифровая инфраструктура ускоряет спрос для критически важных полезных ископаемых, что усиливает риск в цепочке поставок.

На протяжении большей части прошлого десятилетия прогресс ИИ почти полностью измерялся показателями точности и победами в тестах.

Устойчивый искусственный интеллект смещает фокус на эффективность и ответственность. Это ставит перед командами задачу проектировать, обучать, развертывать и выводить из эксплуатации системы с явной целью минимизировать воздействие на окружающую среду на протяжении всего жизненного цикла — от добычи сырья и изготовления чипов до обработки данных, обучения, вывода и окончания срока службы.

На практике это означает выбор меньших или очищенных моделей, когда они соответствуют требованиям, повторное использование и тонкую настройку, а не переобучение с нуля, а также создание кода, конвейеров и инфраструктуры для повышения эффективности использования ресурсов и прозрачности.

Результатом является более широкое определение «современного уровня техники», в котором экологические показатели ценятся наряду с точностью выполнения задач.

Измерение устойчивых изменений требует большего, чем просто соблюдение требований – оно требует ясности и последовательности.

В отличие от традиционных отраслей с такими структурами, как Протокол по парниковым газамИИ не имеет стандартизированных методов отслеживания использования энергии, выбросов углекислого газа, потребления воды и электронных отходов на протяжении всего жизненного цикла. Существующие инструменты могут автоматически регистрировать данные, но они часто жертвуют точностью ради простоты использования, в результате чего организации получают фрагментированные и неполные оценки.

Поскольку воздействие ИИ на окружающую среду варьируется в зависимости от региона, инфраструктуры и методов эксплуатации, значимые измерения должны интегрировать различные точки данных в целостные оценки жизненного цикла в реальном времени.

Только тогда организации смогут определить этапы с высокой отдачей – такие как производство оборудования и крупномасштабное обучение моделей – и действовать решительно, чтобы снизить риски, повысить устойчивость и создать долгосрочную ценность.

Два практических инструмента указывают путь. Такие инструменты, как Оценка энергии ИИ встроить подотчетность в типовые карты, раскрытие информации и управление, способствуя внедрению энергоэффективных практик во всей отрасли.

На аппаратном уровне Вычислить интенсивность выбросов углекислого газа предлагает стандартизированную меру эффективности ускорителя, учитывающую выбросы при добыче сырья, производстве чипов и эксплуатационном использовании энергии.

В совокупности эти подходы делают эффективность видимой и инвестиционной, превращая устойчивое развитие из риторики в дорожную карту.

Вот пять действий, которые мы можем предпринять немедленно, чтобы сделать ИИ более устойчивым.

Воздействие ИИ на окружающую среду слишком сложно, чтобы какой-либо один субъект мог решить его в одиночку. Поставщики энергии, производители оборудования, операторы облачных вычислений и центров обработки данных, разработчики, инвесторы, регулирующие органы, клиенты и партнеры по утилизации электронных отходов – все они формируют результаты.

Настоящий прогресс достигается, когда мы работаем вместе – создавая открытые контрольные показатели использования энергии и воды, внедряя общие методы оценки жизненного цикла, обмениваясь передовым опытом и продвигая политику, которая поощряет эффективность, а не исходные масштабы.

Отраслевые инициативы, такие как «зеленые» шаблоны программного обеспечения и стандартизированное раскрытие информации, уже поднимают планку. Следующим шагом для лидеров будет повышение потолка – предоставление данных, артефактов и тематических исследований, на которые другие смогут опираться.

Устойчивый ИИ не является препятствием для инноваций; это катализатор улучшения инженерных разработок и повышения устойчивости бизнеса.

Команды, стремящиеся к эффективности, находят более быстрые модели, более низкие затраты и продукты, которые легко масштабируются. Советы директоров добились заметного прогресса в достижении целей «чистого нуля» и охраны окружающей среды. И общество выигрывает от того, что ИИ дает понимание, не ставя в залог будущее.

Наша цель ясна: экосистема искусственного интеллекта, в которой производительность и планетарное управление развиваются вместе. Достижение этой цели начинается с выбора, который мы делаем сейчас: измеряем то, что важно, проектируем достаточно и рассматриваем экологичность как первоклассное требование для каждой модели, рабочей нагрузки и решения о покупке.