Pomiar wpływu AI na środowisko

Jak mierzyć wpływ AI na środowisko? Był to kolejny ważny temat omawiany na Globalnym Szczycie AI Standards Hub, a oto czego się dowiedziałem:

Jak zdefiniować granice dotyczące przebiegów szkoleniowych i kosztów telekomunikacji?

Co stanowi przebieg szkoleniowy? Czy jest to pojedyncza iteracja algorytmu? Kompletny cykl szkoleniowy aż do konwergencji? Czy cały cykl życia rozwoju modelu, w tym eksperymentowanie i dostrajanie hiperparametrów? Każda definicja da inne wyniki zużycia energii.

Aplikacje AI często wiążą się z masowymi transferami danych między urządzeniami (np. smartfonami, czujnikami) a centrami danych.

Mierzenie energii zużywanej podczas tych transferów jest trudne, ponieważ zależy od wielu czynników.

Praktyczne wyzwanie polega na uzyskaniu szczegółowych, dokładnych danych potrzebnych do precyzyjnego pomiaru:

Niektóre dane mogą być zastrzeżone (na przykład energia zużywana do przesyłania danych dla określonej aplikacji AI) lub niemożliwe do uzyskania (jak wpływ na środowisko wydobycia i produkcji całego sprzętu używanego w systemie AI).

AI jest głęboko powiązana z szerszymi technologiami cyfrowymi i trudno jest wyizolować specyficzny ślad środowiskowy AI od ogólnego wpływu cyfryzacji.
Pośredni wpływ na środowisko, którego możesz nie brać pod uwagę - zmiany w zachowaniu konsumentów napędzane przez AI:

możesz zdecydować się na wymianę starszego, ale wciąż działającego telefonu na nowszy z funkcjami opartymi na AI wcześniej, niż zrobiłbyś to, gdyby nie rozwój AI. Ten zwiększony cykl konsumpcji zwiększa ogólne obciążenie środowiska.

Elektryfikacja transportu zwiększa zapotrzebowanie na energię elektryczną obok AI.

Obciąża to istniejące sieci elektroenergetyczne i budzi obawy dotyczące wpływu wytwarzania energii elektrycznej na środowisko, zwłaszcza jeśli w dużej mierze opiera się ona na paliwach kopalnych.

Niektóre z proponowanych rozwiązań?

Przyspieszenie i usprawnienie oceny wpływu AI na środowisko: umożliwienie współpracy ekspertom ds. standaryzacji oraz badaczom AI i innym (wnoszącym swoją wiedzę z zakresu metodologii badań).
Wykorzystanie rosnącej cyfryzacji standardów w celu umożliwienia szybszych badań (na przykład poprzez odsyłacze i korzystanie z istniejących słowników)

Serdeczne podziękowania dla dr Valerie Liviny CMath FIMA, Juliette Fropier, Arti Garg i Uzmy Chaudhry za tę fantastyczną dyskusję!