人工智能(AI)拥有各种经济、社会和环境利益之关键,但也对自然资源构成威胁。AI模型训练使用数据中心内电源饥饿服务器,这些中心因散散乱碳足迹而臭名昭著,并正因混水而受攻击取舍归并 AI可持续性
立即搭建AI增强软件开发
卡西Panetta5分钟阅读
大图片
AI模型和技术可帮助驱动一系列环境目标可:
监控并预测气候和天气变化趋势,如全球变暖
管理垃圾并优化回收过程和操作
提高运输、移动和路线效率以提高燃料效率并减少碳脚印
数据中心训练AI2%全美电用耗用典型商业办公楼每层10至50倍一号最近研究辨称聊天GPT需要五百米瓶水处理二五百分百问答(GPT-4甚至更渴)
提高AI自身环境友好度是任何关键构件可持续技术程序化5种方法开发更可持续的AI
考虑通过所谓的复合AI网络结构组织学习与高效人脑相似
复合AI使用知识图、因果网络和其他symbolic表示法以更有效的方式解决范围更广的商业问题
监控机器学习期间的耗能, 并停止训练AI
保留模型培训数据局部化,但在中央级分享改进此类Federate机器学习会减少电耗并增强数据隐私
重用已训练模型,并视情分解
使用更多节能硬件和联网设备
取舍归并AI可持续性
管理AI工作量发生时间和地点本地能源供应的碳密度因国而异、生成权、日间时间、天气条件、转移协议、燃料供应和其他因素而异。
平衡后日数据中心工作量,较有利于清洁能源生产,不跟踪后日度量法较有利于水效率
使用能耗作业调度,并使用碳跟踪预测服务来减少相关排放
可能时Procure电商协议或源可再生能源证书减少或抵消温室气体排放并增加新可再生能源电网
准备未来的协议PPAs和RECs不完全或总可用性,类型分析可帮助你构建清洁电源策略,监管者可能需要向前推进
模型环境冲击和企业效益AI策略并推向使用案例 创造比毁灭更多值
降低现有AI倡议的风险和能量提高能效并减少知识产权和专有数据风险
不投资AI使用案例可能损害商业价值或环境
理解AI技术对人的生命的影响 地球正变得越来越关键以可持续性认知方法通过AI关键点是确保AI技术不造成重大伤害并有助于实现环境、社会和以人为中心的持续目标
3点通知Peers
交换AI驱动可持续性和AI自身可持续性时会挑战企业领袖,
限制AI使用自然资源及其气候影响需要深思熟虑地行动,以尽可能高效地开发使用自然资源
考虑环境自始至终在AI策略中