Η τεχνητή νοημοσύνη θα πρέπει σήμερα να αντιμετωπίζεται κυρίως ως εργαλείο που μπορεί να υποστηρίξει τη βιωσιμότητα και την ενεργειακή μετάβαση, παρά ως μια εγγενώς βιώσιμη τεχνολογία, υποστηρίζει η Sophie Graham, επικεφαλής βιωσιμότητας της εταιρείας λογισμικού IFS.
Σε συζήτηση που παρουσίασε το ESG News, η Graham επισήμανε ότι η σχέση μεταξύ τεχνητής νοημοσύνης και βιωσιμότητας εξαρτάται σε μεγάλο βαθμό από τον τρόπο με τον οποίο οι επιχειρήσεις επιλέγουν να αναπτύξουν και να χρησιμοποιήσουν τα σχετικά συστήματα.
Κατά την ίδια, η AI «είναι αυτό που επιλέγουμε να την κάνουμε», καθώς μπορεί είτε να επιβαρύνει περαιτέρω την κατανάλωση ενέργειας και φυσικών πόρων είτε να λειτουργήσει ως καταλύτης για τη μείωση των εκπομπών, την αποδοτικότερη λειτουργία βιομηχανικών συστημάτων και τη διαχείριση των ενεργειακών δικτύων.
Οι δύο όψεις της τεχνητής νοημοσύνης
Η ταχεία εξάπλωση της παραγωγικής τεχνητής νοημοσύνης έχει εντείνει τον προβληματισμό γύρω από το ενεργειακό και περιβαλλοντικό της αποτύπωμα.
Η εκπαίδευση και λειτουργία μεγάλων μοντέλων απαιτεί σημαντική υπολογιστική ισχύ, ενώ τα κέντρα δεδομένων καταναλώνουν ηλεκτρική ενέργεια και νερό για την ψύξη των συστημάτων τους. Καθώς η χρήση της AI επεκτείνεται σε ολοένα περισσότερες επιχειρηματικές διαδικασίες, οι σχετικές απαιτήσεις ενδέχεται να αυξηθούν περαιτέρω.
Την ίδια στιγμή, η τεχνολογία μπορεί να συμβάλει στη βελτιστοποίηση της κατανάλωσης ενέργειας, στην πρόβλεψη της ζήτησης, στη διαχείριση των ανανεώσιμων πηγών, στον εντοπισμό διαρροών και στη μείωση της σπατάλης σε βιομηχανικές και εφοδιαστικές δραστηριότητες.
Πρώιμες αναλύσεις από τον Διεθνή Οργανισμό Ενέργειας και το London School of Economics δείχνουν, σύμφωνα με την Graham, ότι η δυνητική συμβολή της AI στην απανθρακοποίηση μπορεί να αποδειχθεί σημαντικά μεγαλύτερη από το ενεργειακό και υδατικό αποτύπωμα της ίδιας της τεχνολογίας.
Η ισορροπία αυτή, ωστόσο, δεν είναι αυτόματη. Εξαρτάται από το ενεργειακό μείγμα που τροφοδοτεί τα κέντρα δεδομένων, την αποδοτικότητα των μοντέλων, το είδος των εφαρμογών και τις πολιτικές που εφαρμόζουν οι επιχειρήσεις.
Μέτρηση του πραγματικού αποτυπώματος
Ένα πρώτο βήμα για τις επιχειρήσεις είναι να αρχίσουν να μετρούν ξεχωριστά το περιβαλλοντικό αποτύπωμα της τεχνητής νοημοσύνης.
Στην αγορά εμφανίζονται πλέον εργαλεία και εφαρμογές ανοικτού κώδικα που εκτιμούν την κατανάλωση ηλεκτρικής ενέργειας, τις εκπομπές άνθρακα και τη χρήση νερού που συνδέονται με συγκεκριμένα μοντέλα ή εργασίες AI.
Οι σχετικοί υπολογιστές βιωσιμότητας μπορούν να προσφέρουν μια πρώτη εικόνα στις εταιρείες, περιορίζοντας την εξάρτηση από γενικές εκτιμήσεις ή υποθέσεις.
Η μέτρηση θεωρείται απαραίτητη για να μπορούν οι οργανισμοί να συγκρίνουν διαφορετικές τεχνολογικές επιλογές και να αξιολογούν κατά πόσο η χρήση ενός μεγάλου μοντέλου είναι αναλογική με το αποτέλεσμα που επιδιώκουν.
Παράλληλα, επιτρέπει την ενσωμάτωση της τεχνητής νοημοσύνης στις ευρύτερες στρατηγικές μείωσης εκπομπών και εξοικονόμησης πόρων.
Δεν χρειάζεται κάθε εργασία ένα μεγάλο μοντέλο
Η Graham τονίζει επίσης τη σημασία της στοχευμένης χρήσης της AI. Δεν απαιτεί κάθε επιχειρηματική εργασία ένα μεγάλο και ενεργοβόρο μοντέλο.
Σε αρκετές περιπτώσεις, μια συμβατική μηχανή αναζήτησης, ένα μικρότερο μοντέλο ή ένα απλούστερο ψηφιακό εργαλείο μπορεί να προσφέρει το ίδιο αποτέλεσμα με χαμηλότερη κατανάλωση πόρων.
Η επιλογή του κατάλληλου εργαλείου για κάθε εργασία αποτελεί επομένως μέρος μιας υπεύθυνης στρατηγικής βιωσιμότητας.
Η πρακτική αυτή μπορεί να περιλαμβάνει τη χρήση μικρότερων μοντέλων για επαναλαμβανόμενες εργασίες, την αποφυγή περιττών υπολογισμών και την ανάπτυξη εταιρικών κανόνων που καθορίζουν πότε η χρήση γενετικής τεχνητής νοημοσύνης είναι πραγματικά αναγκαία.
Η λογική είναι αντίστοιχη με άλλες πολιτικές ενεργειακής αποδοτικότητας: η τεχνολογία δεν πρέπει να χρησιμοποιείται απλώς επειδή είναι διαθέσιμη, αλλά επειδή προσφέρει σαφές λειτουργικό ή περιβαλλοντικό όφελος.
Ξεχωριστή καταγραφή στις εκπομπές
Μία ακόμη πρόταση είναι η τεχνητή νοημοσύνη να αποτυπώνεται ως ξεχωριστή κατηγορία στους εταιρικούς υπολογισμούς εκπομπών.
Σήμερα, το ενεργειακό αποτύπωμα των εφαρμογών AI συχνά ενσωματώνεται γενικά στις εκπομπές του τομέα πληροφορικής, χωρίς να είναι εύκολο να προσδιοριστεί ποιο μέρος του συνδέεται ειδικά με την εκπαίδευση, τη φιλοξενία και τη χρήση μοντέλων.
Η ξεχωριστή καταγραφή μπορεί να προσφέρει στις επιχειρήσεις σαφέστερη εικόνα για το πόσο αυξάνεται το αποτύπωμά τους καθώς επεκτείνουν την AI σε διαφορετικά τμήματα της λειτουργίας τους.
Με αυτόν τον τρόπο μπορούν να προσαρμόζουν ανάλογα τις στρατηγικές μείωσης εκπομπών, τις επενδύσεις σε καθαρή ενέργεια και, όπου χρησιμοποιούνται, τα σχέδια αντιστάθμισης άνθρακα.
Ωστόσο, η αντιστάθμιση δεν θα πρέπει να αντικαθιστά τη μείωση της κατανάλωσης ή τη βελτίωση της ενεργειακής αποδοτικότητας. Προτεραιότητα παραμένει η αποφυγή και ο περιορισμός των εκπομπών στην πηγή.
