एआईले वातावरणलाई कसरी असर गर्छ?

एआईले वातावरणलाई कसरी असर गर्छ?

छोटो उत्तर: एआईले मुख्यतया डाटा सेन्टरहरूमा बिजुलीको प्रयोग (प्रशिक्षण र दैनिक अनुमान दुवै) मार्फत वातावरणलाई असर गर्छ, शीतलनको लागि पानीसँगै, साथै हार्डवेयर निर्माण र ई-फोहोरको मूर्त प्रभावहरू। यदि प्रयोग अरबौं प्रश्नहरूमा स्केल हुन्छ भने, अनुमानले प्रशिक्षणलाई उछिन्न सक्छ; यदि ग्रिडहरू सफा छन् र प्रणालीहरू कुशल छन् भने, प्रभावहरू घट्छन् जबकि लाभहरू बढ्न सक्छन्।

मुख्य कुराहरू:

बिजुली : कम्प्युट प्रयोग ट्र्याक गर्नुहोस्; सफा ग्रिडहरूमा कार्यभार चलाउँदा उत्सर्जन घट्छ।

पानी : शीतलन विकल्पहरूले प्रभावहरू परिवर्तन गर्छन्; दुर्लभ क्षेत्रहरूमा पानीमा आधारित विधिहरू सबैभन्दा महत्त्वपूर्ण हुन्छन्।

हार्डवेयर : चिप्स र सर्भरहरूले पर्याप्त मूर्त प्रभावहरू बोक्छन्; जीवनकाल बढाउनुहोस् र नवीकरणलाई प्राथमिकता दिनुहोस्।

रिबाउन्ड : दक्षताले कुल माग बढाउन सक्छ; प्रति-कार्य लाभ मात्र होइन, परिणामहरू मापन गर्दछ।

सञ्चालनात्मक लिभरहरू : दायाँ-आकारका मोडेलहरू, अनुमानलाई अनुकूलन गर्नुहोस्, र प्रति-अनुरोध मेट्रिक्स पारदर्शी रूपमा रिपोर्ट गर्नुहोस्।

एआईले वातावरणलाई कसरी असर गर्छ? इन्फोग्राफिक

यसपछि पढ्न मन लाग्ने लेखहरू:

🔗 के एआई वातावरणको लागि हानिकारक छ?
एआईको कार्बन फुटप्रिन्ट, बिजुलीको प्रयोग, र डेटा-सेन्टरको मागहरू अन्वेषण गर्नुहोस्।.

🔗 समाजको लागि एआई किन हानिकारक छ?
पूर्वाग्रह, जागिरमा अवरोध, गलत सूचना, र बढ्दो सामाजिक असमानतालाई हेर्नुहोस्।.

🔗 एआई किन खराब छ? एआईको अँध्यारो पक्ष
निगरानी, ​​हेरफेर, र मानव नियन्त्रण गुमाउने जस्ता जोखिमहरू बुझ्नुहोस्।.

🔗 के एआई धेरै अगाडि बढेको छ?
नैतिकता, नियमन, र नवप्रवर्तनले कहाँ रेखांकन गर्नुपर्छ भन्ने बारेमा बहसहरू।.

एआईले वातावरणलाई कसरी असर गर्छ: द्रुत स्न्यापसट ⚡🌱

यदि तपाईंलाई केही बुँदाहरू मात्र याद छन् भने, यसलाई निम्न बनाउनुहोस्:

अनि त्यहाँ मानिसहरूले बिर्सने कुरा छ: स्केल । एउटा एआई क्वेरी सानो हुन सक्छ, तर तीमध्ये अरबौं एकदमै फरक जनावर हुन्... सानो हिउँको गोला जस्तै जुन कुनै न कुनै रूपमा सोफा आकारको हिमपहिरो बन्छ। (त्यो रूपक अलि फरक छ, तर तपाईंले बुझ्नुभयो।) IEA: ऊर्जा र एआई

एआईको वातावरणीय प्रभाव एउटा कुरा होइन - यो एउटा थुप्रो हो 🧱🌎

जब मानिसहरूले एआई र दिगोपनको बारेमा बहस गर्छन्, तिनीहरू प्रायः एकअर्कालाई छेउबाट हेरेर कुरा गर्छन् किनभने तिनीहरू फरक-फरक तहहरूलाई औंल्याउँछन्:

१) बिजुली गणना गर्नुहोस्

  • ठूला मोडेलहरूलाई तालिम दिन ठूला क्लस्टरहरूलाई लामो समयसम्म कडा परिश्रम गर्नुपर्ने हुन सक्छ। IEA: ऊर्जा र AI

  • अनुमान (दैनिक प्रयोग) समयसँगै ठूलो पदचिह्न बन्न सक्छ किनभने यो निरन्तर, जताततै हुन्छ। IEA: ऊर्जा र AI

२) डाटा सेन्टर ओभरहेड

३) पानी र ताप

४) हार्डवेयर आपूर्ति श्रृंखला

५) व्यवहार र रिबाउन्ड प्रभावहरू

त्यसैले जब कसैले सोध्छ कि AI ले वातावरणलाई कसरी असर गर्छ, यसको सीधा उत्तर हुन्छ: यो तपाईंले कुन तह मापन गरिरहनुभएको छ र त्यो अवस्थामा "AI" को अर्थ के हो भन्ने कुरामा निर्भर गर्दछ।.

प्रशिक्षण बनाम अनुमान: भिन्नता जसले सबै कुरा परिवर्तन गर्छ 🧠⚙️

मानिसहरू तालिमको बारेमा कुरा गर्न मन पराउँछन् किनभने यो नाटकीय सुनिन्छ - "एउटा मोडेलले X ऊर्जा प्रयोग गर्यो।" तर अनुमान भनेको शान्त विशाल हो। IEA: ऊर्जा र AI

तालिम (ठूलो निर्माण)

तालिम भनेको कारखाना निर्माण गर्नु जस्तै हो। तपाईंले अग्रिम लागत तिर्नुहुन्छ: भारी गणना, लामो रनटाइम, धेरै परीक्षण-र-त्रुटि रनहरू (र हो, धेरै "उफ जसले काम गरेनन्, फेरि प्रयास गर्नुहोस्" पुनरावृत्तिहरू)। तालिमलाई अनुकूलित गर्न सकिन्छ, तर यो अझै पनि पर्याप्त हुन सक्छ। IEA: ऊर्जा र AI

अनुमान (दैनिक प्रयोग)

निष्कर्ष भनेको हरेक दिन, सबैको लागि, स्तरमा चलिरहेको कारखाना जस्तै हो:

  • प्रश्नहरूको जवाफ दिने च्याटबटहरू

  • छवि उत्पादन

  • खोज श्रेणीकरण

  • सिफारिसहरू

  • भाषण-देखि-पाठ

  • ठगी पत्ता लगाउने

  • कागजात र कोड उपकरणहरूमा सह-पायलटहरू

प्रत्येक अनुरोध तुलनात्मक रूपमा सानो भए पनि, प्रयोगको मात्राले प्रशिक्षणलाई कम गर्न सक्छ। यो क्लासिक "एउटा पराल केही होइन, दस लाख पराल समस्या हो" अवस्था हो। IEA: ऊर्जा र AI

एउटा सानो नोट - केही एआई कार्यहरू अरू भन्दा धेरै भारी हुन्छन्। छविहरू वा लामो भिडियोहरू उत्पन्न गर्नु छोटो पाठ वर्गीकरण भन्दा बढी ऊर्जा-भोका हुन्छ। त्यसैले "एआई" लाई एउटै बाल्टीमा जम्मा गर्नु भनेको साइकललाई कार्गो जहाजसँग तुलना गर्नु र ती दुवैलाई "यातायात" भन्नु जस्तै हो। IEA: ऊर्जा र एआई

डेटा सेन्टरहरू: बिजुली, शीतलन, र त्यो शान्त पानीको कथा 💧🏢

डाटा सेन्टरहरू नयाँ होइनन्, तर एआईले तीव्रता परिवर्तन गर्छ। उच्च-प्रदर्शन एक्सेलेरेटरहरूले साँघुरो ठाउँहरूमा धेरै शक्ति तान्न सक्छन्, जुन तापमा परिणत हुन्छ, जुन व्यवस्थापन गर्नुपर्छ। LBNL (२०२४): संयुक्त राज्य अमेरिका डाटा सेन्टर ऊर्जा उपयोग रिपोर्ट (PDF) IEA: ऊर्जा र एआई

शीतलनको आधारभूत कुराहरू (सरलीकृत, तर व्यावहारिक)

त्यो त सम्झौता नै हो: पानीमा आधारित शीतलनमा भर परेर तपाईं कहिलेकाहीं बिजुली खपत कम गर्न सक्नुहुन्छ। स्थानीय पानीको अभावमा निर्भर गर्दै, त्यो ठीक हुन सक्छ... वा यो वास्तविक समस्या हुन सक्छ। Li et al. (२०२३): AI लाई कम "तिर्खा" बनाउने (PDF)

साथै, वातावरणीय पदचिह्न धेरै हदसम्म निर्भर गर्दछ:

स्पष्ट भन्नुपर्दा: सार्वजनिक कुराकानीले प्रायः "डेटा सेन्टर" लाई ब्ल्याक बक्स जस्तै व्यवहार गर्छ। यो दुष्ट होइन, यो जादुई होइन। यो पूर्वाधार हो। यो पूर्वाधार जस्तै व्यवहार गर्छ।.

चिप्स र हार्डवेयर: कम सेक्सी भएकोले मानिसहरूले छोड्ने भाग 🪨🔧

एआई हार्डवेयरमा बाँच्दछ। हार्डवेयरको जीवनचक्र हुन्छ, र जीवनचक्र प्रभावहरू ठूला हुन सक्छन्। अमेरिकी EPA: अर्धचालक उद्योग ITU: ग्लोबल ई-वेस्ट मनिटर २०२४

वातावरणीय प्रभाव कहाँ देखिन्छ

ई-फोहोर र "पूर्ण रूपमा राम्रो" सर्भरहरू

धेरै वातावरणीय हानि एउटा अवस्थित उपकरणबाट हुँदैन - यो चाँडै प्रतिस्थापन गर्दा हुन्छ किनभने यो अब लागत-प्रभावी छैन। एआईले यसलाई तीव्र बनाउँछ किनभने प्रदर्शन छलांग ठूलो हुन सक्छ। हार्डवेयर रिफ्रेस गर्ने प्रलोभन वास्तविक हो। ITU: ग्लोबल ई-वेस्ट मनिटर २०२४

एउटा व्यावहारिक बुँदा: हार्डवेयरको आयु बढाउने, उपयोगमा सुधार गर्ने, र नवीकरण गर्ने कुरा कुनै पनि फेन्सी मोडेल ट्वीक जत्तिकै महत्त्वपूर्ण हुन सक्छ। कहिलेकाहीँ सबैभन्दा हरियो GPU त्यो हो जुन तपाईंले किन्नुहुन्न। (त्यो नारा जस्तो सुनिन्छ, तर यो ... एक प्रकारको सत्य पनि हो।)

एआईले वातावरणलाई कसरी असर गर्छ: "मानिसहरूले यो बिर्सन्छन्" व्यवहार चक्र 🔁😬

यहाँ अजीब सामाजिक पक्ष छ: एआईले कामहरू सजिलो बनाउँछ, त्यसैले मानिसहरूले धेरै कामहरू गर्छन्। त्यो अद्भुत हुन सक्छ - बढी उत्पादकता, बढी रचनात्मकता, बढी पहुँच। तर यसको अर्थ समग्र स्रोतको प्रयोग पनि हुन सक्छ। OECD (२०१२): ऊर्जा दक्षता सुधारका बहुविध फाइदाहरू (PDF)

उदाहरणहरू:

  • यदि एआईले भिडियो उत्पादनलाई सस्तो बनाउँछ भने, मानिसहरूले धेरै भिडियो उत्पादन गर्छन्।.

  • यदि एआईले विज्ञापनलाई अझ प्रभावकारी बनायो भने, धेरै विज्ञापनहरू प्रस्तुत हुन्छन्, धेरै संलग्नता लूपहरू घुम्छन्।.

  • यदि एआईले ढुवानी रसदलाई अझ प्रभावकारी बनाउँछ भने, ई-वाणिज्य अझ कठिन हुन सक्छ।.

यो आत्तिनुपर्ने कारण होइन। यो केवल दक्षता मात्र होइन, परिणामहरू मापन गर्ने कारण हो।.

एउटा अपूर्ण तर रमाइलो रूपक: एआई दक्षता भनेको किशोरकिशोरीलाई ठूलो फ्रिज दिनु जस्तै हो - हो, खाना भण्डारणमा सुधार हुन्छ, तर कुनै न कुनै रूपमा फ्रिज एक दिनमा फेरि खाली हुन्छ। उत्तम रूपक होइन, तर... तपाईंले यो भएको देख्नुभएको छ 😅

फाइदा: एआईले वातावरणलाई साँच्चै मद्दत गर्न सक्छ (सही उद्देश्य राख्दा) 🌿✨

अब कम आँकलन गरिएको पक्षको बारेमा: एआईले अवस्थित प्रणालीहरूमा उत्सर्जन र फोहोर घटाउन सक्छ जुन ... स्पष्ट रूपमा, असुन्दर छन्। आईईए: ऊर्जा अनुकूलन र नवीनताको लागि एआई

एआईले मद्दत गर्न सक्ने क्षेत्रहरू

महत्त्वपूर्ण कुरा: एआई "मद्दत" ले एआईको पदचिह्नलाई स्वचालित रूपमा अफसेट गर्दैन। यो एआई वास्तवमा तैनाथ गरिएको छ कि छैन, वास्तवमा प्रयोग गरिएको छ कि छैन, र यसले राम्रो ड्यासबोर्डको सट्टा वास्तविक कटौतीमा पुर्‍याउँछ कि गर्दैन भन्ने कुरामा निर्भर गर्दछ। तर हो, सम्भावना वास्तविक छ। आईईए: ऊर्जा अनुकूलन र नवीनताको लागि एआई

वातावरणमैत्री एआईको राम्रो संस्करण के ले बनाउँछ? ✅🌍

यो "ठीक छ, त्यसो भए हामीले के गर्नुपर्छ" खण्ड हो। राम्रो वातावरणीय रूपमा जिम्मेवार एआई सेटअपमा सामान्यतया:

  • प्रयोग-केस मान स्पष्ट गर्नुहोस् : यदि मोडेलले निर्णय वा परिणामहरू परिवर्तन गर्दैन भने, यो केवल फेन्सी गणना हो।

  • मापनमा आधारित : ऊर्जा, कार्बन अनुमान, उपयोग, र दक्षता मेट्रिक्स जुन अन्य कुनै पनि KPI जस्तै ट्र्याक गरिएको छ। कोड कार्बन: विधि

  • सही आकारका मोडेलहरू : साना मोडेलहरूले काम गर्दा साना मोडेलहरू प्रयोग गर्नुहोस्। कुशल हुनु नैतिक असफलता होइन।

  • कुशल अनुमान डिजाइन : क्यासिङ, ब्याचिङ, क्वान्टाइजेसन, पुन: प्राप्ति, र राम्रो प्रम्प्टिंग ढाँचाहरू। घोलामी एट अल। (२०२१): क्वान्टाइजेसन विधिहरूको सर्वेक्षण (PDF) लुईस एट अल। (२०२०): पुन: प्राप्ति-संवर्धित पुस्ता

  • हार्डवेयर र स्थान जागरूकता : ग्रिड सफा भएको र पूर्वाधार कुशल भएको ठाउँमा कार्यभारहरू चलाउनुहोस् (जब सम्भव हुन्छ)। कार्बन इन्टेन्सिटी API (GB)

  • लामो हार्डवेयर आयु : अधिकतम उपयोग, पुन: प्रयोग, र नवीकरण। ITU: ग्लोबल ई-वेस्ट मनिटर २०२४

  • सिधा रिपोर्टिङ : हरित भाषा र संख्या बिनाको "पर्यावरण-मैत्री एआई" जस्ता अस्पष्ट दाबीहरूबाट बच्नुहोस्।

यदि तपाईं अझै पनि AI ले वातावरणलाई कसरी असर गर्छ भनेर ट्र्याक गर्दै हुनुहुन्छ भने, यो त्यो बिन्दु हो जहाँ उत्तर दार्शनिक हुन छोड्छ र कार्यात्मक हुन्छ: यसले तपाईंको छनौटको आधारमा यसलाई असर गर्छ।.

तुलना तालिका: वास्तवमा प्रभाव घटाउने उपकरणहरू र दृष्टिकोणहरू 🧰⚡

तल एउटा द्रुत, व्यावहारिक तालिका छ। यो उत्तम छैन, र हो, केही कक्षहरू अलि बढी विचारशील छन्... किनभने वास्तविक उपकरण चयनले यसरी काम गर्छ।.

उपकरण / दृष्टिकोण दर्शक मूल्य यो किन काम गर्छ?
कार्बन/ऊर्जा ट्र्याकिङ पुस्तकालयहरू (रनटाइम अनुमानकहरू) एमएल टोलीहरू स्वतन्त्र दृश्यता दिन्छ - जुन आधा युद्ध हो, अनुमानहरू अलि अस्पष्ट भए पनि.. कोड कार्बन
हार्डवेयर पावर निगरानी (GPU/CPU टेलिमेट्री) इन्फ्रा + एमएल नि:शुल्क वास्तविक खपत मापन गर्दछ; बेन्चमार्किङ रनहरूको लागि राम्रो (फ्ल्याश नभएको तर सुनौलो)
मोडेल आसवन एमएल इन्जिनियरहरू नि:शुल्क (समय लागत 😵) साना विद्यार्थी मोडेलहरूले प्रायः कम अनुमान लागतसँग प्रदर्शनसँग मेल खान्छ। हिन्टन एट अल. (२०१५): स्नायु सञ्जालमा ज्ञानको आसवन
परिमाणीकरण (कम परिशुद्धता अनुमान) एमएल + उत्पादन नि:शुल्क विलम्बता र पावर प्रयोग घटाउँछ; कहिलेकाहीँ सानो गुणस्तरको व्यापारको साथ, कहिलेकाहीँ कुनै पनि होइन घोलामी एट अल (२०२१): परिमाणीकरण विधिहरूको सर्वेक्षण (PDF)
क्यासिङ + ब्याचिङ अनुमान उत्पादन + प्लेटफर्म नि:शुल्क अनावश्यक गणना घटाउँछ; विशेष गरी बारम्बार प्रम्प्टहरू वा समान अनुरोधहरूको लागि उपयोगी।
पुनःप्राप्ति-संवर्धित पुस्ता (RAG) एप टोलीहरू मिश्रित "मेमोरी" लाई पुन: प्राप्तिमा अफलोड गर्छ; विशाल सन्दर्भ विन्डोजहरूको आवश्यकता कम गर्न सक्छ। लुइस एट अल (२०२०): पुन: प्राप्ति-संवर्धित पुस्ता
कार्बन तीव्रता अनुसार कार्यभार तालिकाबद्ध गर्दै इन्फ्रास्ट्रक्चर/अप्स मिश्रित लचिलो कामहरूलाई सफा पावर विन्डोहरूमा सार्छ - यद्यपि समन्वय आवश्यक छ कार्बन इन्टेन्सिटी API (GB)
डाटा सेन्टर दक्षता केन्द्रित (उपयोग, समेकन) आईटी नेतृत्व भुक्तानी गरिएको (सामान्यतया) सबैभन्दा कम ग्ल्यामरस लिभर, तर प्रायः सबैभन्दा ठूलो - आधा-खाली प्रणालीहरू चलाउन बन्द गर्नुहोस् हरियो ग्रिड: PUE
गर्मी पुन: प्रयोग परियोजनाहरू सुविधाहरू यो भर पर्छ फोहोर तापलाई मूल्यमा परिणत गर्छ; सधैं सम्भव हुँदैन, तर जब यो हुन्छ, यो अलि सुन्दर हुन्छ।
"के हामीलाई यहाँ पनि एआई चाहिन्छ?" जाँच गर्नुहोस्। सबैजना नि:शुल्क अर्थहीन गणना रोक्छ। सबैभन्दा शक्तिशाली अप्टिमाइजेसन भनेको होइन भन्नु हो (कहिलेकाहीं)

के छुटेको छ याद गर्नुहोस्? "एउटा जादुई हरियो स्टिकर किन्नुहोस्।" त्यो अवस्थित छैन 😬

व्यावहारिक प्लेबुक: उत्पादनलाई नष्ट नगरी एआई प्रभाव कम गर्ने 🛠️🌱

यदि तपाईं एआई प्रणालीहरू निर्माण वा खरिद गर्दै हुनुहुन्छ भने, यहाँ एउटा यथार्थपरक अनुक्रम छ जुन व्यवहारमा काम गर्छ:

चरण १: मापनबाट सुरु गर्नुहोस्

  • ऊर्जा खपत ट्र्याक गर्नुहोस् वा यसलाई निरन्तर अनुमान गर्नुहोस्। कोड कार्बन: विधि

  • प्रति प्रशिक्षण दौड र प्रति अनुमान अनुरोध मापन गर्नुहोस्।.

  • मनिटर उपयोग - निष्क्रिय स्रोतहरू स्पष्ट दृष्टिमा लुक्ने तरिका हुन्छ। हरियो ग्रिड: PUE

चरण २: कामको लागि मोडेललाई दायाँ आकार दिनुहोस्।

  • वर्गीकरण, निकासी, राउटिङको लागि साना मोडेलहरू प्रयोग गर्नुहोस्।.

  • कडा केसहरूको लागि भारी मोडेल बचत गर्नुहोस्।.

  • "मोडेल क्यास्केड" लाई विचार गर्नुहोस्: पहिले सानो मोडेल, आवश्यक परेमा मात्र ठूलो मोडेल।.

चरण ३: अनुमानलाई अप्टिमाइज गर्नुहोस् (यहाँ स्केल बाइट्स छ)

  • क्यासिङ : बारम्बार सोधिने प्रश्नहरूको लागि उत्तरहरू भण्डारण गर्नुहोस् (सावधानीपूर्वक गोपनीयता नियन्त्रणहरू सहित)।

  • ब्याचिङ : हार्डवेयर दक्षता सुधार गर्न समूह अनुरोधहरू।

  • छोटो आउटपुट : लामो आउटपुटको लागत बढी हुन्छ - कहिलेकाहीँ तपाईंलाई निबन्धको आवश्यकता पर्दैन।

  • द्रुत अनुशासन : अव्यवस्थित प्रम्प्टहरूले लामो गणना मार्गहरू सिर्जना गर्दछ ... र हो, थप टोकनहरू।

चरण ४: डेटा स्वच्छता सुधार गर्नुहोस्

यो असंबद्ध सुनिन्छ, तर यो त्यस्तो होइन:

  • सफा डेटासेटहरूले पुन: तालिम मन्थन कम गर्न सक्छ।.

  • कम आवाज भनेको कम प्रयोग र कम खेर जाने दौड हो।.

चरण ५: हार्डवेयरलाई एक सम्पत्तिको रूपमा व्यवहार गर्नुहोस्, एक पटक प्रयोग गर्न मिल्ने वस्तुको रूपमा होइन

  • सम्भव भएसम्म रिफ्रेस चक्रहरू विस्तार गर्नुहोस्। ITU: द ग्लोबल ई-वेस्ट मनिटर २०२४

  • हल्का कार्यभारको लागि पुरानो हार्डवेयर पुन: प्रयोग गर्नुहोस्।.

  • "सधैं शिखर" प्रावधानबाट बच्नुहोस्।.

चरण ६: बुद्धिमानीपूर्वक तैनाती छनौट गर्नुहोस्

  • यदि सम्भव छ भने, पावर सफा भएको ठाउँमा लचिलो कामहरू चलाउनुहोस्। कार्बन इन्टेन्सिटी API (GB)

  • अनावश्यक प्रतिकृति घटाउनुहोस्।.

  • विलम्बता लक्ष्यहरूलाई यथार्थपरक राख्नुहोस् (अति-कम विलम्बताले सधैं-अन सेटअपहरूलाई अकुशल बनाउन सक्छ)।.

अनि हो... कहिलेकाहीँ सबैभन्दा राम्रो कदम भनेको सरल तरिकाले हो: प्रत्येक प्रयोगकर्ताको कार्यको लागि सबैभन्दा ठूलो मोडेललाई स्वतः चलाउनु हुँदैन। त्यो बानी भनेको वातावरणीय रूपमा हरेक बत्ती बालेर राख्नु जस्तै हो किनभने स्विचमा हिंड्नु कष्टकर हुन्छ।.

सामान्य मिथकहरू (र सत्यको नजिक के छ) 🧠🧯

मिथक: "एआई सधैं परम्परागत सफ्टवेयर भन्दा खराब हुन्छ"

सत्य: एआई अधिक गणना-भारी हुन सक्छ, तर यसले अकुशल म्यानुअल प्रक्रियाहरू प्रतिस्थापन गर्न, फोहोर घटाउन र प्रणालीहरूलाई अनुकूलन गर्न पनि सक्छ। यो परिस्थितिजन्य छ। आईईए: ऊर्जा अनुकूलन र नवीनताको लागि एआई

मिथक: "प्रशिक्षण मात्र समस्या हो"

सत्य: समयसँगै स्केलमा अनुमान हावी हुन सक्छ। यदि तपाईंको उत्पादन प्रयोगमा विस्फोट भयो भने, यो मुख्य कथा बन्छ। IEA: ऊर्जा र AI

भ्रम: "नवीकरणीय ऊर्जाले यसलाई तुरुन्तै समाधान गर्छ"

सत्य: सफा बिजुलीले धेरै मद्दत गर्छ, तर हार्डवेयर फुटप्रिन्ट, पानीको प्रयोग, वा रिबाउन्ड प्रभावहरू मेटाउँदैन। तैपनि महत्त्वपूर्ण छ। IEA: ऊर्जा र AI

मिथक: "यदि यो कुशल छ भने, यो दिगो हुन्छ"

सत्य: माग नियन्त्रण बिनाको दक्षताले अझै पनि कुल प्रभाव बढाउन सक्छ। त्यो रिबाउन्ड ट्र्याप हो। OECD (२०१२): ऊर्जा दक्षता सुधारका बहुविध लाभहरू (PDF)

शासन, पारदर्शिता, र यसको बारेमा नाटकीय नहुनु 🧾🌍

यदि तपाईं कम्पनी हुनुहुन्छ भने, यो त्यहीं हो जहाँ विश्वास निर्माण हुन्छ वा हराउँछ।.

यो त्यस्तो भाग हो जहाँ मानिसहरूले आफ्नो आँखा घुमाउँछन्, तर यो महत्त्वपूर्ण छ। जिम्मेवार प्रविधि भनेको केवल चलाख इन्जिनियरिङको बारेमा मात्र होइन। यो व्यापारिक सम्झौताहरू अवस्थित छैनन् भनेर बहाना नगर्ने बारे पनि हो।.

समापन सारांश: एआईले वातावरणलाई कसरी असर गर्छ भन्ने बारेमा संक्षिप्त सारांश 🌎✅

एआईले वातावरणलाई कसरी असर गर्छ भन्ने कुरा थप भारमा आउँछ: बिजुली, पानी (कहिलेकाहीं), र हार्डवेयरको माग। IEA: ऊर्जा र एआई Li et al. (२०२३): एआईलाई कम "तिर्खा" बनाउने (PDF) यसले अन्य क्षेत्रहरूमा उत्सर्जन र फोहोर कम गर्न शक्तिशाली उपकरणहरू पनि प्रदान गर्दछ। IEA: ऊर्जा अनुकूलन र नवीनताको लागि एआई कुल परिणाम स्केल, ग्रिड सफाई, दक्षता विकल्पहरू, र एआईले वास्तविक समस्याहरू समाधान गरिरहेको छ वा केवल नवीनताको लागि नवीनता उत्पन्न गरिरहेको छ भन्ने कुरामा निर्भर गर्दछ। IEA: ऊर्जा र एआई

यदि तपाईं सबैभन्दा सरल व्यावहारिक उपाय चाहनुहुन्छ भने:

  • नाप्नुहोस्।.

  • दायाँ-साइज।.

  • अनुमानलाई अनुकूलन गर्नुहोस्।.

  • हार्डवेयरको आयु बढाउनुहोस्।.

  • लेनदेनको बारेमा स्पष्ट हुनुहोस्।.

अनि यदि तपाईं अभिभूत महसुस गर्दै हुनुहुन्छ भने, यहाँ एउटा शान्त सत्य छ: हजार पटक दोहोरिएका साना सञ्चालन निर्णयहरूले सामान्यतया एउटा ठूलो दिगोपन कथनलाई हराउँछन्। दाँत माझ्नु जस्तै। आकर्षक छैन, तर यसले काम गर्छ... 😄🪥

सोधिने प्रश्न

ठूला अनुसन्धान प्रयोगशालाहरूमा मात्र नभई दैनिक प्रयोगमा पनि एआईले वातावरणलाई कसरी असर गर्छ?

एआईको धेरैजसो पदचिह्न तालिम र दैनिक "अनुमान" दुवै समयमा GPU र CPU हरू चलाउने डेटा केन्द्रहरूलाई शक्ति प्रदान गर्ने बिजुलीबाट आउँछ। एउटा अनुरोध सामान्य हुन सक्छ, तर स्तरमा ती अनुरोधहरू छिटो जम्मा हुन्छन्। प्रभाव डेटा केन्द्र कहाँ बस्छ, स्थानीय ग्रिड कति सफा छ, र पूर्वाधार कति कुशलतापूर्वक सञ्चालन हुन्छ भन्ने कुरामा पनि निर्भर गर्दछ।.

के एआई मोडेललाई तालिम दिनु वातावरणको लागि यसको प्रयोग गर्नु भन्दा खराब हो (अनुमान)?

तालिम गणनाको एक ठूलो, अग्रिम फट हुन सक्छ, तर अनुमान समयसँगै ठूलो पदचिह्न बन्न सक्छ किनभने यो निरन्तर र ठूलो मात्रामा चल्छ। यदि कुनै उपकरण हरेक दिन लाखौं मानिसहरूले प्रयोग गर्छन् भने, बारम्बार अनुरोधहरू एक पटकको प्रशिक्षण लागतभन्दा बढी हुन सक्छन्। त्यसैले अनुकूलन प्रायः अनुमान दक्षतामा केन्द्रित हुन्छ।.

एआईले किन पानी प्रयोग गर्छ, र के यो सधैं समस्या हो?

एआईले पानी प्रयोग गर्न सक्छ किनभने केही डाटा सेन्टरहरू पानीमा आधारित शीतलनमा भर पर्छन्, वा बिजुली उत्पादन मार्फत अप्रत्यक्ष रूपमा पानी खपत हुन्छ। निश्चित हावापानीमा, बाष्पीकरणीय शीतलनले पानीको प्रयोग बढाउँदै बिजुलीको प्रयोग कम गर्न सक्छ, जसले गर्दा वास्तविक व्यापार सिर्जना हुन्छ। यो "खराब" छ कि छैन भन्ने कुरा स्थानीय पानीको अभाव, शीतलन डिजाइन, र पानीको प्रयोग मापन र व्यवस्थापन गरिएको छ कि छैन भन्ने कुरामा निर्भर गर्दछ।.

एआईको वातावरणीय पदचिह्नको कुन भाग हार्डवेयर र ई-फोहोरबाट आउँछ?

एआई चिप्स, सर्भर, नेटवर्किङ गियर, भवनहरू, र आपूर्ति शृङ्खलाहरूमा निर्भर गर्दछ - जसको अर्थ खानी, निर्माण, ढुवानी, र अन्ततः डिस्पोजल हो। अर्धचालक उत्पादन ऊर्जा गहन छ, र द्रुत अपग्रेड चक्रले मूर्त उत्सर्जन र ई-फोहोर बढाउन सक्छ। हार्डवेयरको आयु बढाउने, नवीकरण गर्ने, र उपयोग सुधार गर्ने प्रभावलाई उल्लेखनीय रूपमा कम गर्न सक्छ, कहिलेकाहीँ मोडेल-स्तर परिवर्तनहरूसँग प्रतिस्पर्धा गर्ने।.

के नवीकरणीय ऊर्जाको प्रयोगले एआईको वातावरणीय प्रभावलाई समाधान गर्छ?

सफा बिजुलीले कम्प्युटबाट उत्सर्जन घटाउन सक्छ, तर यसले पानीको प्रयोग, हार्डवेयर निर्माण, र ई-फोहोर जस्ता अन्य प्रभावहरूलाई मेटाउँदैन। यसले स्वचालित रूपमा "रिबाउन्ड प्रभावहरू" लाई पनि सम्बोधन गर्दैन, जहाँ कम लागतको कम्प्युटले समग्रमा बढी प्रयोग निम्त्याउँछ। नवीकरणीय ऊर्जा एक महत्त्वपूर्ण लीभर हो, तर तिनीहरू पदचिह्न स्ट्याकको एउटा भाग मात्र हुन्।.

रिबाउन्ड प्रभाव के हो, र यो एआई र दिगोपनको लागि किन महत्त्वपूर्ण छ?

रिबाउन्ड प्रभाव तब हुन्छ जब दक्षता वृद्धिले कुनै चीजलाई सस्तो वा सजिलो बनाउँछ, त्यसैले मानिसहरूले त्यसलाई बढी गर्छन् - कहिलेकाहीं बचतलाई मेटाउँछन्। एआईको साथ, सस्तो उत्पादन वा स्वचालनले सामग्री, गणना र सेवाहरूको लागि कुल माग बढाउन सक्छ। त्यसैले अभ्यासमा परिणामहरू मापन गर्नु अलगावमा दक्षता मनाउनु भन्दा बढी महत्त्वपूर्ण छ।.

उत्पादनलाई हानि नगरी एआई प्रभाव कम गर्ने व्यावहारिक तरिकाहरू के के हुन्?

एउटा सामान्य दृष्टिकोण भनेको मापन (ऊर्जा र कार्बन अनुमान, उपयोग) बाट सुरु गर्नु हो, त्यसपछि कार्यको लागि सही आकारका मोडेलहरू बनाउनु र क्यासिङ, ब्याचिङ, र छोटो आउटपुटहरूसँग अनुमानलाई अनुकूलन गर्नु हो। क्वान्टाइजेसन, डिस्टिलेसन, र पुन: प्राप्ति-संवर्धित उत्पादन जस्ता प्रविधिहरूले गणना आवश्यकताहरू घटाउन सक्छन्। सञ्चालन विकल्पहरू - जस्तै कार्बन तीव्रता र लामो हार्डवेयर जीवनकाल द्वारा कार्यभार तालिका - प्रायः ठूला जीतहरू प्रदान गर्दछ।.

एआईले वातावरणलाई हानि पुर्‍याउनुको सट्टा कसरी मद्दत गर्न सक्छ?

वास्तविक प्रणालीहरूलाई अनुकूलन गर्न प्रयोग गर्दा एआईले उत्सर्जन र फोहोर घटाउन सक्छ: ग्रिड पूर्वानुमान, माग प्रतिक्रिया, भवन HVAC नियन्त्रण, रसद मार्ग, भविष्यवाणी मर्मतसम्भार, र चुहावट पत्ता लगाउने। यसले वन फँडानी अलर्ट र मिथेन पत्ता लगाउने जस्ता वातावरणीय अनुगमनलाई पनि समर्थन गर्न सक्छ। मुख्य कुरा यो हो कि प्रणालीले निर्णयहरू परिवर्तन गर्छ र मापनयोग्य कटौती उत्पादन गर्छ, केवल राम्रो ड्यासबोर्ड मात्र होइन।.

एआई दावीहरूलाई "ग्रीनवाशिंग" गर्नबाट बच्न कम्पनीहरूले कुन मेट्रिक्स रिपोर्ट गर्नुपर्छ?

प्रति-कार्य वा प्रति-अनुरोध मेट्रिक्स रिपोर्ट गर्नु केवल ठूला कुल संख्याहरू भन्दा बढी अर्थपूर्ण छ, किनकि यसले एकाइ स्तरमा दक्षता देखाउँछ। ऊर्जा प्रयोग, कार्बन अनुमान, उपयोग, र - जहाँ सान्दर्भिक छ - पानी प्रभावहरू ट्र्याक गर्नाले स्पष्ट जवाफदेहिता सिर्जना गर्दछ। साथै महत्त्वपूर्ण: सीमाहरू परिभाषित गर्नुहोस् (के समावेश छ) र परिमाणात्मक प्रमाण बिना "पर्यावरण-मैत्री एआई" जस्ता अस्पष्ट लेबलहरूबाट बच्नुहोस्।.

सन्दर्भ सामग्रीहरू

  1. अन्तर्राष्ट्रिय ऊर्जा एजेन्सी (IEA) - ऊर्जा र एआई - iea.org

  2. अन्तर्राष्ट्रिय ऊर्जा एजेन्सी (IEA) - ऊर्जा अनुकूलन र नवीनताको लागि AI - iea.org

  3. अन्तर्राष्ट्रिय ऊर्जा एजेन्सी (IEA) - डिजिटलाइजेसन - iea.org

  4. लरेन्स बर्कले राष्ट्रिय प्रयोगशाला (LBNL) - संयुक्त राज्य अमेरिका डाटा सेन्टर ऊर्जा उपयोग प्रतिवेदन (२०२४) (PDF) - lbl.gov

  5. ली एट अल - एआईलाई कम "तिर्खा" बनाउने (२०२३) (पीडीएफ) - arxiv.org

  6. ASHRAE (TC 9.9) - मुख्यधारा डाटा केन्द्रहरूमा तरल शीतलनको उदय र विस्तार (PDF) - ashrae.org

  7. ग्रिन ग्रिड - PUE-मेट्रिकको व्यापक परीक्षा - thegreengrid.org

  8. अमेरिकी ऊर्जा विभाग (DOE) - FEMP - संघीय डेटा केन्द्रहरूको लागि शीतलन पानी दक्षता अवसरहरू - energy.gov

  9. अमेरिकी ऊर्जा विभाग (DOE) - FEMP - डेटा केन्द्रहरूमा ऊर्जा दक्षता - energy.gov

  10. अमेरिकी वातावरण संरक्षण एजेन्सी (EPA) - अर्धचालक उद्योग - epa.gov

  11. अन्तर्राष्ट्रिय दूरसञ्चार संघ (ITU) - ग्लोबल ई-वेस्ट मनिटर २०२४ - itu.int

  12. OECD - ऊर्जा दक्षता सुधारका बहु लाभहरू (२०१२) (PDF) - oecd.org

  13. कार्बन इन्टेन्सिटी एपीआई (जीबी) - carbonintensity.org.uk

  14. imec - चिप निर्माणमा वातावरणीय प्रभाव कम गर्दै - imec-int.com

  15. UNEP - MARS ले कसरी काम गर्छ - unep.org

  16. ग्लोबल फरेस्ट वाच - वन फँडानीको खुशीको चेतावनी - globalforestwatch.org

  17. एलन ट्युरिङ इन्स्टिच्युट - जैविक विविधता र पारिस्थितिक प्रणाली स्वास्थ्य मूल्याङ्कनका लागि एआई र स्वायत्त प्रणालीहरू - turing.ac.uk

  18. कोडकार्बन - विधि - mlco2.github.io

  19. घोलामी एट अल - परिमाणीकरण विधिहरूको सर्वेक्षण (२०२१) (PDF) - arxiv.org

  20. लुइस एट अल - पुन: प्राप्ति-संवर्धित पुस्ता (२०२०) - arxiv.org

  21. हिन्टन एट अल - स्नायु सञ्जालमा ज्ञानको आसवन (२०१५) - arxiv.org

  22. कोडकार्बन - codecarbon.io

आधिकारिक एआई सहायक स्टोरमा नवीनतम एआई खोज्नुहोस्

हाम्रो बारेमा

ब्लगमा फर्कनुहोस्