Ce este IA verde?

Green AI este practica de proiectare, instruire, implementare și utilizare a inteligenței artificiale cu eficiența mediului ca obiectiv explicit. Se întreabă cât de multă performanță utilă oferă un sistem AI pentru energia, carbonul, apă și hardware-ul de care are nevoie – nu doar cât de precis sau capabil este.

Termenul nu înseamnă că un produs AI are impact zero. Nici electricitatea regenerabilă, o compensare sau un program de plantare de copaci nu fac automat un model „verde”. O afirmație credibilă de IA ecologică identifică sarcina și limita ciclului de viață, măsoară sau estimează utilizarea resurselor, reduce calculele inutile, utilizează infrastructura cu impact mai scăzut și raportează ceea ce rămâne incert. De asemenea, ia în considerare dacă IA produce suficientă valoare socială sau de mediu pentru a-și justifica propria amprentă.

Green AI a început ca o schimbare a stimulentelor

Lucrarea influentă din 2019 AI verde a contrastat munca axată pe eficiență cu „Red AI”: cercetare care urmărește rezultate mai bune, în principal prin creșterea calculului. Autorii săi au susținut că eficiența ar trebui să devină un criteriu standard de evaluare alături de acuratețe și că cercetătorii ar trebui să raporteze costul computațional sau financiar al rezultatelor lor.

Acea propunere era parțial despre climă și parțial despre acces. Dacă progresul necesită bugete de calcul din ce în ce mai mari, mai puține universități, companii mici și cercetători independenți pot participa. Metodele eficiente pot reduce presiunea asupra mediului și pot face experimentarea mai incluzivă.

Eticheta s-a extins de atunci. Acum acoperă în mod obișnuit arhitectura modelului, datele, hardware-ul, funcționarea centrului de date, aprovizionarea cu energie electrică și modul în care oamenii utilizează un serviciu. Perspectiva originală rămâne utilă: capacitatea fără un numitor de resurse oferă o imagine incompletă a progresului.

De asemenea, schimbă ceea ce contează ca îmbunătățire. Potrivirea unui etalon de referință cu mai puține calcule poate fi un progres semnificativ chiar și atunci când precizia titlului nu se mișcă.

Green AI și AI pentru verde sunt diferite

Green AI reduce amprenta AI în sine. „AI pentru verde” folosește AI pentru a urmări un rezultat de mediu, cum ar fi prognoza generației de surse regenerabile, detectarea scurgerilor de metan sau optimizarea controalelor clădirilor. Un proiect poate aparține oricarei categorii, ambelor sau niciuna.

Un model de limbaj eficient folosit pentru publicitate este încă un exemplu de calcul mai ecologic, chiar dacă scopul său nu este de mediu. Un model mare utilizat pentru cercetarea climei poate fi AI pentru verde, dar are totuși o amprentă semnificativă. Valoarea sa netă depinde dacă beneficiul solicitat este real, suplimentar și mai mare decât resursele utilizate.

ale UNESCO AI și cadrul de mediu folosește ambele axe: atenuează efectele socio-mediu negative ale IA și folosește IA în mod etic, acolo unde este necesar, pentru a susține sustenabilitatea și reziliența. Menținerea lor separată împiedică un posibil beneficiu să devină o scuză generală pentru un consum nemăsurat.

Pentru un proiect AI-pentru-verde, comparația ar trebui să includă o linie de bază realistă non-AI și orice efect de rebound. O posibilă aplicație nu este același lucru cu o economisire măsurată a mediului.

Limita se extinde dincolo de electricitate

Energia operațională este cea mai vizibilă parte a IA verde, dar nu este întregul ciclu de viață. Electricitatea are emisii asociate care variază în funcție de rețea și timp. Centrele de date pot consuma apă direct pentru răcire și indirect prin generarea de energie electrică. Cipurile, serverele și clădirile necesită materii prime, producție și transport, apoi devin în cele din urmă deșeuri.

Formarea și inferența ar trebui, de asemenea, să fie distinse. Antrenamentul este un proces concentrat care creează un model. Inferența are loc ori de câte ori modelul antrenat răspunde, clasifică sau generează ceva. Un serviciu intens utilizat poate acumula o cerere mare de inferență chiar dacă fiecare răspuns este eficient.

O estimare restrânsă per interogare poate ajuta la compararea opțiunilor de zi cu zi. Nu poate stabili impactul complet asupra mediului al unui serviciu. Un ghid practic pentru IA durabilă arată cum se definește o limită fără a pretinde că sunt cunoscute date indisponibile.

Echipele pot raporta aceste straturi separat atunci când un inventar complet este imposibil. Separarea estimărilor operaționale, încorporate și de apă este mai informativă decât îmbinarea dovezilor incompatibile într-un singur scor precis.

Eficiența are mai multe straturi

La nivel de model, dezvoltatorii pot folosi date mai bune, arhitecturi mai mici, tăiere, cuantificare, distilare și dispersie. A model de limbaj mic poate fi suficient pentru o sarcină restrânsă. A model de amestec de experți poate activa numai părți selectate ale unei rețele mai mari pentru fiecare jeton.

La nivel de servire, hardware-ul modern, nucleele software eficiente, loturile și utilizarea ridicată pot reduce energia pe sarcină finalizată. La nivel de aplicație, rutarea, stocarea în cache, contextul limitat și limitele sensibile de ieșire împiedică apelurile inutile. La nivel de infrastructură, puterea generală redusă și electricitatea cu emisii reduse de carbon reduc impactul operațional.

Niciuna dintre aceste pârghii nu garantează o utilizare totală mai mică. Dacă IA eficientă și ieftină este plasată în fiecare interacțiune cu produs, creșterea volumului poate depăși economiile pe răspuns. Prin urmare, Green AI măsoară consumul absolut, precum și intensitatea.

Designul produsului face parte din această listă. Efectuarea deliberată a unui mod costisitor, memorarea în cache a unui răspuns stabil și eliminarea unei generații inutile poate economisi mai mult decât optimizarea unui apel model care nu ar fi trebuit să aibă loc niciodată.

Măsurarea ar trebui să urmeze lucrări utile

Compararea modelelor numai prin numărarea parametrilor sau o citire a puterii de laborator nu poate rezolva problema. Numitorul ar trebui să reprezinte rezultate utile: o clasificare reușită, un caz de sprijin rezolvat sau un proiect acceptat. Numărați reîncercările și apelurile la instrument și mențineți constant cerințele de calitate și siguranță.

Fundația Green Software Specificația Software Carbon Intensity exprimă emisiile software pe unitate funcțională. Cadrul său include energia, intensitatea de carbon a electricității și o alocare pentru emisiile hardware încorporate. În mod esențial, compensațiile nu scad scorul; doar schimbările care folosesc mai puțină energie, mai puțin hardware sau electricitate cu emisii reduse de carbon fac.

Datele AI publice sunt adesea incomplete. Furnizorii nu pot dezvălui exact hardware-ul, utilizarea, locația instalației sau puterea modelului. Estimările rămân utile atunci când ipotezele și excluderile merg cu rezultatul. Precizia falsă este mai puțin informativă decât o gamă onesta.

Măsurătorile, de asemenea, îmbătrânesc. Versiunile modelului, hardware-ul și traficul se modifică, astfel încât o evaluare responsabilă înregistrează data acestuia și este recalculată în loc să devină o revendicare permanentă de marketing.

O afirmație ecologică ar trebui să supraviețuiască întrebărilor de bază

Întrebați ce a devenit mai eficient, în comparație cu ce linie de bază și în ce perioadă. Verificați dacă figura acoperă antrenamentul, inferența, costul general al centrului de date și hardware-ul. Pentru cererile de energie electrică, distingeți rețeaua fizică de potrivirea anuală a energiei regenerabile. Pentru cererile de carbon, întrebați dacă reducerile și compensațiile sunt afișate separat.

Căutați și compromisuri. Răcirea uscată poate reduce consumul direct de apă, dar uneori crește cererea de energie electrică. Noul hardware poate îmbunătăți eficiența operațională, adăugând în același timp impactul de producție. Un model mic poate economisi energie, dar poate provoca mai multe încercări dacă nu este suficient de capabil.

Treechat folosește „mai verde” ca direcție, nu o etichetă cu impact zero. Întrebările de zi cu zi sunt direcționate către modele mai mici, iar fiecare răspuns primește o estimare bazată pe model. Finanțarea prin arbori este raportată separat, mai degrabă decât scăzută din chitanță. Ipotezele, limitările și factorii actuali sunt la noi pagina de metodologie.

Green AI este în cele din urmă o inginerie disciplinată și o contabilitate cinstită. Cere echipelor să ofere beneficiile necesare cu mai puține calcule, infrastructură cu impact mai redus și mai puține revendicări neacceptate – și să continue măsurarea pe măsură ce produsul și utilizarea acestuia cresc. Persoanele fizice pot aplica aceeași idee prin pașii din cum să vă reduceți amprenta de carbon AI.