人工智能(AI)可以为解决全球变暖问题解决方案的一部分,但它也是一个重要的碳排放国。可以积极的净贡献吗?
忘记添加兔耳朵有问题;AI早已长大并开始解决困难,环境问题。其发布超能力使它适合从海洋监测气候变化预测建模。但培训AI模型需要大量的能量,所以好处大于环境成本吗?简而言之,人工智能是可持续的吗?
这已经不是什么秘密,世界需要采取迅速而果断的行动对温室气体(GHG)排放,如果我们为了避免灾难性的气候变化。很容易找到研究颂扬的美德AI在实现。商业咨询公司波士顿咨询集团,例如,估计AI可以减排5%到2030年的10%。
但也容易找到大量的文章比较训练人工智能模型的碳足迹125新York-Beijing往返航班,或者引用一个2019年的研究论文,5辆车的生命周期的碳足迹。所以,真相是什么呢?人工智能是一个英雄或一个恶棍吗?
而这种极化叙述制造头条新闻,在大多数事情,现实要更微妙一些。AI可以有环境效益,但它是一个平衡的能源使用和保存。所以,如何最大化的好处没有加大环境成本人工智能?
根据nature.com,研究“使用可再生能源电网训练神经网络是最大的改变。它可以使排放的因素不同,40之间完全可再生网格和一个全煤网格。”
可再生能源是世界上对脱碳的核心策略,但是否可用在很大程度上取决于你住在哪里和你可以选择的供应商。,事实上,大多数的低碳电力来源——太阳能或风能等变量。电网运营商不能根据需要打开和关闭它们。
数字化电网和负载平衡和需求管理可以帮助,虽然能量储存可以应付短期能源可用性的变化。和AI本身可以帮助最大化分配效率和驱动预见性维护,以避免停机时间。但最终,显著增加存储是必需的,如果可再生能源变得可用。
人工智能在云中做得好还是在端点?惊喜,惊喜…情况微妙,唯一正确的答案是:视情况而定。将工作负载从云到端点可以降低数据传输的成本,但对于一些工作负载云势在必行。不过,好消息是,所做的工作是减少碳足迹Cloudflare等公司的云计算。
Cloudflare的使命是建立一个网络安全,性能,可靠和消耗更少的能量。超过2500万互联网属性运行在其全球网络,跨越250多个城市的100多个国家。11代服务器,由手臂Neoverse-based CPU,过程令人难以置信的57%的网络请求每瓦比它的上一代服务器基于传统CPU架构。
嵌入式排放只是指生产过程中产生的温室气体数量的资产。人工智能的嵌入式碳可以从设备追踪沿着线算法,但在Arm的情况下,这意味着所需的工程工作流开发我们的知识产权(IP)。
这些工作流消费每年数十亿的计算时间,当然,需要大量的能量。目前的挑战是提高流程效率,同时减少时间和能源消耗,实现相同的结果,或更高,质量。
这是一件有趣的事:我们可以使用人工智能来减少人工智能的嵌入式碳——简化流程和支出计算时间更有效率。如何?哦,工程师可以选择使用“足够好”计算。删繁就简,工作负载产生足够的周期准确完成工作,不浪费能源和资源。通过运行完整的测试套件在关键里程碑,例如,但最小化这些点之间的测试运行的数量,可以减少计算时间和节约能源在不影响精度和质量。
随着人工智能变得越来越普遍,持续关注效率将成为必不可少的减少对环境的影响。每瓦特性能将成为成功的新措施。
但是阻止气候变化,保持电力和能源数据稳定是不够的。我们需要一个carbon-first方法,考虑了一个重要的统计与权力,性能和面积。
通过积极调查新收紧的力量信封的方法,我们可以帮助AI保持右侧的历史气候解决方案的一部分,一个更可持续的未来。
也许需要考虑的最重要的一个问题是它需要人工智能吗?当然,很高兴,你的咖啡机识别你的脸,并相应地让你早晨的咖啡。但是如果我们真的想避免全球变暖的危险,我们要花很长,认真审视我们考虑必要的计算,并努力减少或消除不必要的工作负载。如果你能很轻松地挖掘你的咖啡订单,节省能源,例如,为什么事情复杂化?
当然,还有更高的比AI咖啡机工作负载,但其原理适用。我们再也不能与我们的挥霍无度的资源;我们需要确保效益大于成本。如果这意味着再见AI咖啡,那就足够了。
|
|
|
|
|
|
|
|
|
|
留下一个回复