AI-tillämpningar slukar visserligen energi, men kan också användas för att minska klimatavtryck och öka hållbarhet.
Det gäller både för att använda AI-modeller för att minska klimatavtryck i olika sammanhang och för att bygga AI-tillämpningar som använder mindre energi när de körs.
Det skriver Judith Gardiner, Vice President, Growth and Emerging Markets på Equinix.
Det finns ett stort intresse för etisk AI i dag, vilket sannolikt beror för en rädsla för att maskiner ska fatta beslut som inte gynnar oss och kanske till och med är farliga. Ett närbesläktad område, kanske en del av etisk AI, är hållbar AI, i form av mer miljövänliga lösningar. Det handlar både om hur AI kan användas för att förbättra hållbarhet och om hur AI-tillämpningar i sig kan göras mer hållbara. Här är några exempel.
Belasta smartare
Med AI-modeller går det att identifiera datorkörningar, ”workloads”, som inte är tidskritiska och automatiskt schemalägga dem när det är effektivast vad gäller energianvändning. Det innebär inte bara lägre elkostnader, utan även större möjligheter att använda förnyelsebara energikällor. Det leder till minskade koldioxidutsläpp och ett minskat klimatavtryck.
Bygg grönare
När nya byggnader planeras är det viktigt att analysera hur olika designbeslut påverkar klimatavtrycket. De analyserna görs bättre och enklare med skräddarsydda AI-modeller, med vilka det går att förutsäga utsläpp och identifiera orsakerna till dem. Följden blir att det blir enklare att bygga hus och andra anläggningar med ett lågt klimatavtryck, på ett kostnadseffektivt sätt.
Frakta skonsammare
Att använda försörjningslinjer med lågt klimatavtryck kräver avancerade analyser, eftersom det oftast inbegriper tjänster som utförs utanför det egna företaget. Med AI-modeller går det att utvärdera olika logistikföretag och komma fram till den bästa kombinationen av tillförlitlighet, snabbhet och lågt klimatavtryck.
Bygg gröna AI-modeller
Det går åt åtskilligt med energi för att köra AI-modeller. Anledningen är förstås att det krävs bearbetning av enorma mängder data och att modellerna körs väldigt många gånger för att komma fram till användbara resultat. All bearbetning av data med datorer har ett klimatavtryck och det gäller i högre grad för AI-tillämpningar än för mer traditionella applikationer.
Ytterligare en anledning till hög energiförbrukning är att AI-modeller i regel behöver tränas om fortlöpande, med tunga bearbetningar som följd. Företag behöver anstränga sig för att designa AI-tillämpningar och sköta driften av dem på effektivare och mer miljövänliga sätt.
Det finns framför allt tre aktiviteter som är värda att lyfta fram vad gäller mer miljövänliga AI-tillämpningar:
- Gör mer noggranna urval av data som ska användas. I dag när tillgången till data är större än någonsin är det lätt hänt att slarva och hantera data som inte behövs för en AI-modell.
- Bygg smartare programkod. Strukturen för koden som kör en AI-modell avgör hur mycket bearbetning som krävs, och därigenom hur mycket energi som går åt.
- Gör energianvändning till ett nyckeltal när AI-modeller utvärderas. Det är svårt att förbättra det som inte går att mäta.
Företag som jobbar med aktiviteterna som beskrivs ovan bidrar till ett mer hållbart samhälle. Det handlar om att använda AI för smarta tillämpningar och att använda AI på ett smart sätt.