ما هو الذكاء الاصطناعي الأخضر؟

الذكاء الاصطناعي الأخضر هو ممارسة تصميم وتدريب ونشر واستخدام الذكاء الاصطناعي بكفاءة بيئية كهدف واضح. فهو يتساءل عن مقدار الأداء المفيد الذي يقدمه نظام الذكاء الاصطناعي للطاقة والكربون والماء والأجهزة التي يحتاجها، وليس فقط مدى دقته أو قدرته.

هذا المصطلح لا يعني أن منتج الذكاء الاصطناعي ليس له أي تأثير. كما أن الكهرباء المتجددة أو برنامج التعويض أو زراعة الأشجار لا يجعل النموذج "أخضر" تلقائيًا. تحدد مطالبة الذكاء الاصطناعي الأخضر الموثوقة المهمة وحدود دورة الحياة، وتقيس أو تقدر استخدام الموارد، وتقلل من الحسابات غير الضرورية، وتستخدم بنية تحتية منخفضة التأثير، وتبلغ عن ما لا يزال غير مؤكد. ويأخذ في الاعتبار أيضًا ما إذا كان الذكاء الاصطناعي ينتج قيمة اجتماعية أو بيئية كافية لتبرير بصمته الخاصة.

بدأ الذكاء الاصطناعي الأخضر كتغيير في الحوافز

ورقة مؤثرة 2019 الذكاء الاصطناعي الأخضر ويتناقض العمل الذي يركز على الكفاءة مع "الذكاء الاصطناعي الأحمر": وهو البحث الذي يسعى إلى تحقيق نتائج أفضل من خلال زيادة العمليات الحسابية في المقام الأول. وقد زعم مؤلفوها أن الكفاءة يجب أن تصبح معيارًا قياسيًا للتقييم إلى جانب الدقة، وأنه يجب على الباحثين الإبلاغ عن التكلفة الحسابية أو المالية لنتائجهم.

كان هذا الاقتراح يتعلق جزئيًا بالمناخ وجزئيًا يتعلق بإمكانية الوصول. إذا كان التقدم يتطلب ميزانيات حوسبة أكبر من أي وقت مضى، فيمكن لعدد أقل من الجامعات والشركات الصغيرة والباحثين المستقلين المشاركة. ومن الممكن أن تؤدي الأساليب الفعالة إلى خفض الضغوط البيئية وجعل التجارب أكثر شمولاً.

وقد توسعت التسمية منذ ذلك الحين. وهي تغطي الآن بشكل شائع بنية النماذج والبيانات والأجهزة وتشغيل مركز البيانات ومصادر الكهرباء وطريقة استخدام الأشخاص للخدمة. تظل الرؤية الأصلية مفيدة: فالقدرة بدون مقام الموارد تعطي صورة غير كاملة للتقدم.

كما أنه يغير ما يعتبر تحسنا. يمكن أن تكون مطابقة المعيار مع حساب أقل تقدمًا ذا معنى حتى عندما لا تتغير دقة العنوان.

يختلف الذكاء الاصطناعي الأخضر والذكاء الاصطناعي الأخضر

يقلل الذكاء الاصطناعي الأخضر من أثر الذكاء الاصطناعي نفسه. يستخدم "الذكاء الاصطناعي من أجل البيئة" الذكاء الاصطناعي لتحقيق نتائج بيئية، مثل التنبؤ بتوليد الطاقة المتجددة، أو اكتشاف تسربات غاز الميثان، أو تحسين ضوابط البناء. يمكن أن ينتمي المشروع إلى أي من الفئتين، أو كليهما، أو لا أحد منهما.

لا يزال نموذج اللغة الفعال المستخدم في الإعلان مثالاً على الحسابات الأكثر مراعاة للبيئة، حتى لو لم يكن غرضه بيئيًا. قد يكون الذكاء الاصطناعي من النماذج الكبيرة المستخدمة في أبحاث المناخ هو الذكاء الاصطناعي الأخضر، ولكن لا يزال له بصمة كبيرة. وتعتمد قيمتها الصافية على ما إذا كانت المنفعة المطالب بها حقيقية وإضافية وأكبر من الموارد المستخدمة.

اليونسكو إطار عمل الذكاء الاصطناعي والبيئة يستخدم كلا المحورين: التخفيف من الآثار الاجتماعية والبيئية السلبية للذكاء الاصطناعي واستخدام الذكاء الاصطناعي بشكل أخلاقي، عند الحاجة، لدعم الاستدامة والمرونة. إن إبقائها منفصلة يمنع المنفعة المحتملة من أن تصبح عذرًا شاملاً للاستهلاك غير المقاس.

بالنسبة لمشروع الذكاء الاصطناعي من أجل البيئة الخضراء، يجب أن تتضمن المقارنة خط أساس واقعي غير الذكاء الاصطناعي وأي تأثير ارتدادي. التطبيق المحتمل ليس مثل التوفير البيئي المُقاس.

تمتد الحدود إلى ما هو أبعد من الكهرباء

الطاقة التشغيلية هي الجزء الأكثر وضوحًا في الذكاء الاصطناعي الأخضر، ولكنها ليست دورة الحياة بأكملها. ترتبط الكهرباء بانبعاثات تختلف حسب الشبكة والوقت. قد تستهلك مراكز البيانات المياه بشكل مباشر للتبريد وبشكل غير مباشر من خلال توليد الكهرباء. تتطلب الرقائق والخوادم والمباني مواد خام وتصنيعًا ونقلًا، ثم تصبح في النهاية نفايات.

وينبغي أيضا التمييز بين التدريب والاستدلال. التدريب هو عملية مركزة تخلق نموذجًا. يحدث الاستدلال عندما يجيب النموذج المدرب على شيء ما أو يصنفه أو ينشئه. قد تتراكم الخدمة المستخدمة بكثافة طلبًا كبيرًا على الاستدلال حتى لو كانت كل استجابة فعالة.

يمكن أن يساعد التقدير الضيق لكل استعلام في مقارنة الاختيارات اليومية. ولا يمكنها تحديد التأثير البيئي الكامل للخدمة. دليل عملي للذكاء الاصطناعي المستدام يوضح كيفية تحديد الحدود دون التظاهر بأن البيانات غير المتوفرة معروفة.

يمكن للفرق الإبلاغ عن هذه الطبقات بشكل منفصل عندما يكون المخزون الكامل مستحيلاً. يعد فصل التقديرات التشغيلية والمجسدة والمياه أكثر إفادة من دمج الأدلة غير المتوافقة في نتيجة واحدة دقيقة المظهر.

الكفاءة لديها عدة طبقات

على مستوى النموذج، يمكن للمطورين استخدام بيانات أفضل، وبنيات أصغر، والتشذيب، والتكميم، والتقطير، والتناثر. أ نموذج لغة صغير قد تكون كافية لمهمة مقيدة. أ نموذج خليط من الخبراء يمكن تنشيط أجزاء محددة فقط من شبكة أكبر لكل رمز مميز.

على مستوى الخدمة، يمكن للأجهزة الحديثة ونواة البرامج الفعالة والتجميع والاستخدام العالي أن تقلل من الطاقة لكل مهمة مكتملة. على مستوى التطبيق، يمنع التوجيه والتخزين المؤقت والسياق المحدود والحدود القصوى للمخرجات المعقولة المكالمات غير الضرورية. وعلى مستوى البنية التحتية، يؤدي انخفاض تكاليف الطاقة العامة والكهرباء المنخفضة الكربون إلى تقليل التأثير التشغيلي.

لا يضمن أي من هذه الروافع استخدامًا إجماليًا أقل. إذا تم استخدام الذكاء الاصطناعي الفعال والرخيص في كل تفاعل مع المنتج، فإن النمو في الحجم يمكن أن يتجاوز التوفير لكل إجابة. وبالتالي فإن الذكاء الاصطناعي الأخضر يقيس الاستهلاك المطلق وكذلك الكثافة.

تصميم المنتج ينتمي إلى هذه القائمة. إن جعل الوضع باهظ الثمن متعمدًا، والتخزين المؤقت لإجابة مستقرة وإزالة الجيل غير الضروري، يمكن أن يوفر أكثر من مجرد تحسين استدعاء النموذج الذي لم يكن من المفترض أن يحدث أبدًا.

يجب أن يتبع القياس عملاً مفيدًا

إن مقارنة النماذج من خلال عدد المعلمات فقط أو من خلال قراءة الطاقة المخبرية يفتقد ما إذا كانت تحل المهمة. يجب أن يمثل المقام نتيجة مفيدة: تصنيف ناجح، أو حالة دعم تم حلها، أو مسودة مقبولة. قم بإحصاء عدد مرات إعادة المحاولة واستدعاءات الأداة، مع الحفاظ على ثبات متطلبات الجودة والسلامة.

مؤسسة البرمجيات الخضراء مواصفات كثافة الكربون للبرنامج يعبر عن انبعاثات البرامج لكل وحدة وظيفية. يتضمن إطارها الطاقة وكثافة الكربون في الكهرباء وتخصيص انبعاثات الأجهزة المضمنة. والأهم من ذلك، أن الإزاحات لا تقلل من النتيجة؛ فقط التغييرات التي تستخدم طاقة أقل أو أجهزة أقل أو كهرباء منخفضة الكربون هي التي تفعل ذلك.

غالبًا ما تكون بيانات الذكاء الاصطناعي العامة غير مكتملة. لا يجوز لمقدمي الخدمة الكشف عن الأجهزة أو الاستخدام أو موقع المنشأة أو قوة الطراز على وجه التحديد. تظل التقديرات مفيدة عندما تسافر الافتراضات والاستثناءات مع النتيجة. الدقة الزائفة أقل إفادة من النطاق الصادق.

القياسات أيضا العمر. تتغير إصدارات النماذج والأجهزة وحركة المرور، لذلك يسجل التقييم المسؤول تاريخه ويتم إعادة حسابه بدلاً من أن يصبح مطالبة تسويقية دائمة.

ينبغي للمطالبة الخضراء أن تجيب على الأسئلة الأساسية

اسأل ما الذي أصبح أكثر كفاءة، ومقارنته بخط الأساس وعلى مدى أي فترة. تحقق مما إذا كان الرقم يغطي التدريب والاستدلال والنفقات العامة لمركز البيانات والأجهزة. بالنسبة لمطالبات الكهرباء، قم بتمييز الشبكة المادية عن المطابقة السنوية المتجددة. بالنسبة لمطالبات الكربون، اسأل ما إذا كانت التخفيضات والتعويضات تظهر بشكل منفصل.

ابحث أيضًا عن المقايضات. يمكن للتبريد الجاف أن يقلل من الاستهلاك المباشر للمياه ولكنه يزيد في بعض الأحيان من الطلب على الكهرباء. يمكن للأجهزة الجديدة تحسين الكفاءة التشغيلية مع إضافة تأثيرات التصنيع. يمكن للنموذج الصغير توفير الطاقة ولكنه يتسبب في المزيد من عمليات إعادة المحاولة إذا لم يكن قادرًا بشكل كافٍ.

Treechat يستخدم كلمة "أكثر خضرة" كإتجاه، وليس علامة ذات تأثير صفري. يتم توجيه الأسئلة اليومية نحو نماذج أصغر، وتتلقى كل إجابة تقديرًا قائمًا على النموذج. يتم الإبلاغ عن تمويل الشجرة بشكل منفصل بدلاً من خصمه من الاستلام. إن الافتراضات والقيود والعوامل الحالية تقع على عاتقنا صفحة المنهجية.

الذكاء الاصطناعي الأخضر هو في نهاية المطاف هندسة منضبطة ومحاسبة صادقة. فهو يطلب من الفرق تقديم الفائدة المطلوبة من خلال عمليات حسابية أقل وبنية تحتية ذات تأثير أقل وعدد أقل من المطالبات غير المدعومة، ومواصلة القياس مع نمو المنتج واستخدامه. يمكن للأفراد تطبيق نفس الفكرة من خلال الخطوات الواردة كيفية تقليل البصمة الكربونية للذكاء الاصطناعي.