Czy sztuczna inteligencja jest dobra dla środowiska?

Sztuczna inteligencja może być dobra dla środowiska, jeśli zapewnia zweryfikowane zmniejszenie zużycia energii, emisji, zużycia wody lub odpadów, które przekraczają ślad potrzebny na jej budowę i eksploatację. Może udoskonalać prognozy pogody i zasilania, wykrywać wycieki metanu, optymalizować sprzęt i pomagać naukowcom analizować złożone dane. Żadna z tych korzyści nie sprawia, że ​​sztuczna inteligencja jest domyślnie przyjazna dla środowiska.

Prawidłowym testem jest porównanie: co stało się ze sztuczną inteligencją, z tym, co prawdopodobnie by się stało bez niej? Porównanie to musi uwzględniać wpływ systemu AI na energię elektryczną, wodę i sprzęt, a także efekty odbicia. Obiecująca demonstracja to nie to samo, co trwałe oszczędności na dużą skalę.

Należy także zadać pytanie, kto na tym zyskuje i gdzie lądują koszty. Globalne oszczędności mogą współistnieć z większym obciążeniem sieci lub zaopatrzenia w wodę społeczności hostującej komputery.

Gdzie sztuczna inteligencja może wiarygodnie pomóc

Systemy elektroenergetyczne stale równoważą zmieniającą się podaż i popyt. Prognozy oparte na uczeniu maszynowym mogą pomóc operatorom przewidywać energię wiatrową, słoneczną i obciążenie, a optymalizacja może wspierać konserwację i działanie sieci. Przemysł może wykorzystywać wykrywanie anomalii do identyfikowania awarii sprzętu lub marnowanej energii.

The Raport IEA dotyczący energii i sztucznej inteligencji opisuje zastosowania obejmujące szybsze wykrywanie wycieków metanu, optymalizację elektrowni i wydajność transportu. Są to wiarygodne mechanizmy: wcześniejsze wykrycie wycieku może zapobiec emisjom, a lepsze kontrole mogą zmniejszyć zużycie paliwa.

Sztuczna inteligencja może również pomóc w przetwarzaniu zdjęć satelitarnych, mapowaniu siedlisk i badaniu potencjalnych materiałów. Jednak „AI mogłaby” sygnalizować potencjał, a nie mierzoną korzyść netto. Wydajność w benchmarku może nie przetrwać kosztów integracji, słabych danych lub decyzji podejmowanych przez ludzi w świecie rzeczywistym.

Stworzenie scenariusza alternatywnego jest sercem twierdzenia

Załóżmy, że system sterowania budynkiem oparty na sztucznej inteligencji zgłasza oszczędność energii na poziomie 10%. Znaczącym punktem odniesienia nie jest niekontrolowany budynek, jeśli właściwe konwencjonalne sterowanie pozwoliłoby już zaoszczędzić większość tej energii. Do porównania należy zastosować najlepszą realistyczną alternatywę inną niż sztuczna inteligencja.

Następnie uwzględnij całą interwencję: czujniki, tworzenie sieci, szkolenie modeli, wnioskowanie i personel. Niewielki ślad operacyjny można łatwo zrównoważyć dzięki zaoszczędzonej energii. System wymagający dużej mocy obliczeniowej zapewniający marginalną poprawę może takim nie być.

Na koniec określ czas i zakres. Pilotaż przy łagodnej pogodzie nie ustala wyników rocznych. Lokalna redukcja może przesunąć koszty w inne miejsce łańcucha dostaw. Solidne badania wstępnie definiują wskaźniki, zgłaszają niepewność i monitorują, czy oszczędności się utrzymują.

Odbicie może zmniejszyć przyrost wydajności

Kiedy optymalizacja sprawia, że ​​usługa jest tańsza lub szybsza, ludzie mogą z niej korzystać częściej. Bardziej efektywne wyznaczanie tras mogłoby zachęcić do dodatkowych dostaw; tańsza generacja może wytworzyć zalew mediów jednorazowych. Ten efekt odbicia nie oznacza, że ​​wydajność nie ma wartości. Oznacza to, że należy śledzić całkowite wykorzystanie zasobów oraz wykorzystanie poszczególnych zadań.

To samo dotyczy samego przetwarzania. Sprzęt i oprogramowanie są stale udoskonalane, a jednak Projekty IEA wzrost całkowitej energii elektrycznej w centrach danych z około 415 TWh w 2024 r. do około 945 TWh w 2030 r. w scenariuszu podstawowym. Sztuczna inteligencja jest głównym czynnikiem napędzającym, chociaż w centrach danych działa wiele usług innych niż sztuczna inteligencja.

Dostawca świętujący niższy poziom energii na odpowiedź powinien również ujawnić bezwzględny wzrost zużycia energii i obciążenia pracą. Bez obu rozwiązań czytelnicy nie będą w stanie stwierdzić, czy efektywność zmniejsza całkowity wpływ, czy jedynie umożliwia ekspansję.

Sztuczna inteligencja ma koszty nawet w korzystnym projekcie

Modele szkoleniowe i obsługujące wykorzystują energię elektryczną. Chłodzenie może bezpośrednio zużywać wodę, podczas gdy wytwarzanie energii powoduje pośredni ślad wodny. Chipsy i budowa centrów danych mają ucieleśniony wpływ. Nasz przewodnik po jak sztuczna inteligencja wpływa na środowisko śledzi te etapy.

Czystsza energia elektryczna może obniżyć emisję gazów cieplarnianych, ale dopasowanie odnawialnych źródeł energii nie usuwa materiałów ani wszystkich efektów lokalnej sieci. Aplikacja oszczędzająca wodę może nadal działać w centrum danych dotkniętym deficytem wody. Projekt może przynieść korzyści netto przy zachowaniu tych kosztów; w roszczeniu wystarczy je policzyć.

Z tego też powodu sadzenia drzew nie należy nazywać gumką. Każdy płatny Treechat członek co miesiąc finansuje jedno nowo zasadzone drzewo w ramach osobnej składki, podczas gdy mniejsze modele zmniejszają szacowaną energię operacyjną. Jego metodologia opisuje oszacowanie i jego granice, zamiast deklarować, że czat jest wolny od wpływu.

Jak rozpoznać wiarygodną, ekologiczną aplikację

Szukaj nazwanego problemu środowiskowego i wymiernego rezultatu, a nie szerokiej obietnicy „uwolnienia zrównoważonego rozwoju”. Zapytaj, czy system jest już wdrożony, kto mierzył wyniki i w jakim okresie. Sprawdź porównanie i czy zgłoszono niepewność.

Deklarowana korzyść powinna opierać się na tej samej dyscyplinie granicznej, co koszt. Uniknięte emisje oparte na fizycznej redukcji różnią się od hipotetycznych oszczędności, gdyby każdy klient zastosował taką funkcję. Oszczędności umożliwiających realizację działań w całej firmie nie należy mylić ze zmniejszeniem zasięgu własnego przedsiębiorstwa.

Niezależna replikacja jest cenna, zwłaszcza gdy dostawca sprzedający sztuczną inteligencję również oblicza korzyści. Otwartość dotyczy także porażki. Niektóre aplikacje nie będą działać lepiej niż proste zasady, lepsza izolacja, zwykłe oprogramowanie lub bezpośrednia polityka.

Zgłaszanie nieudanych projektów pilotażowych pomaga innym organizacjom uniknąć powtarzania kosztów obliczeń i integracji, a także sprawia, że zakończone sukcesem przypadki są bardziej wiarygodne.

Używaj sztucznej inteligencji tam, gdzie ma ona wpływ

W przypadku osoby fizycznej zastosowania o dużej dźwigni obejmują uniknięcie zmarnowanej podróży, naprawę zamiast wymiany przedmiotu, zrozumienie rachunku za energię lub znalezienie odpowiedniej usługi publicznej. To, czy sztuczna inteligencja jest konieczna, zależy od zadania; lepsze może być bezpośrednie źródło lub kalkulator.

Organizacje powinny rozpocząć od decyzji środowiskowej, ustalić punkt odniesienia i wybrać najprostsze, możliwe narzędzie. Pilot z jasnymi warunkami zatrzymania. Zmierz obciążenie pracą i wyniki AI, a następnie skaluj tylko wtedy, gdy wynik netto jest dodatni.

Odpowiedź na czy sztuczna inteligencja jest szkodliwa dla środowiska i odpowiedź tutaj są zgodne. Sztuczna inteligencja to infrastruktura fizyczna o rzeczywistych skutkach, a także narzędzie, które może ograniczyć większe skutki. Żadna ze stron nie anuluje drugiej. Liczy się wykazany efekt netto, skala i alternatywy, a nie zielona etykieta dołączona do technologii.