Η Κρυφή Κόστος της Ευκολίας: Γιατί η Περιβαλλοντική Επίδραση του AI Πρέπει να Γίνει Ορατή

Συχνά βασίζουμε την AI για βοήθεια, είτε για να συνοψίσουμε κάτι, να δημιουργήσουμε κάτι ή να λύσουμε ένα πρόβλημα. Είναι γρήγορη, εύκολη και όλο και περισσότερο ενσωματωμένη στον τρόπο με τον οποίο εργαζόμαστε. Αλλά στην βιασύνη μας να κάνουμε τα πράγματα πιο εύκολα, έχουμε παραβλέψει ένα σημαντικό μέρος της ιστορίας: το περιβαλλοντικό κόστος πίσω από την ψηφιακή ευκολία.

Κάθε αλληλεπίδραση με την AI βασίζεται σε κάτι που δεν βλέπουμε ποτέ και σπάνια λαμβάνουμε υπόψη – κέντρα δεδομένων, chip, δίκτυα ηλεκτρικής ενέργειας, συστήματα ψύξης και παγκόσμιες логιστικές δίκτυα. Αυτή η “αόρατη υποδομή” κάνει την AI να φαίνεται αβαρής. Αλλά ο περιβαλλοντικός φόρος είναι τίποτα αλλά αβαρής.

Είναι ώρα να κάνουμε αυτό το κόστος ορατό. Όσο η AI γίνεται πιο κεντρική στις επιχειρηματικές λειτουργίες, così και η επίδρασή της στην ενέργεια, το νερό και τις εκπομπές. Το ερώτημα δεν είναι μόνο πόσο ισχυρό θα είναι το επόμενο μοντέλο, αλλά και εάν είμαστε έτοιμοι να αναλάβουμε την ευθύνη για ό,τι χρειάζεται για να το τρέξουμε.

Η AI έχει ένα πρόβλημα οπτικής. Σε αντίθεση με τον καπνό από ένα εργοστάσιο ή την κυκλοφορία σε एक αυτοκινητόδρομο, οι εκπομπές της εκπαίδευσης ή της ερώτησης ενός μοντέλου συμβαίνουν πίσω από κλειστές πόρτες σε κλιματιζόμενες αίθουσες διακομιδής. Αυτό δεν τις κάνει λιγότερο πραγματικές.

Η εκτέλεση προηγμένων μοντέλων απαιτεί σημαντική ποσότητα ηλεκτρικής ενέργειας. Η εκπαίδευση του GPT-3, για παράδειγμα, καταναλώνει όσο ενέργεια χρησιμοποιούν 130 Αμερικανικά σπίτια ετησίως. Και δεν σταματά εκεί. Η συλλογή, η διαδικασία της δημιουργίας απαντήσεων, περιλήψεων ή εικόνων, χρησιμοποιεί σημαντική δύναμη. Μια seule ερώτηση του ChatGPT χρησιμοποιεί περίπου πέντε φορές περισσότερη ηλεκτρική ενέργεια από μια τυπική αναζήτηση στο διαδίκτυο, και η δημιουργία μιας εικόνας AI μπορεί να καταναλώσει όσο ενέργεια όσο και η πλήρης φόρτιση eines smartphone.

Η κατανάλωση νερού είναι επίσης ένα σημαντικό μέρος του πίνακα. Κάθε φορά που το ChatGPT δημιουργεί ένα σύντομο email 100 λέξεων χρησιμοποιώντας το μοντέλο GPT-4, καταναλώνει περίπου τον όγκο ενός τυπικού μπουκαλιού νερού. Αυτό το νερό χρησιμοποιείται για να ψύξει τους διακομιστές στα κέντρα δεδομένων, τα οποία παράγουν έντονη θερμότητα κατά τη λειτουργία. Αν το κλιματίσουμε σε μια εβδομαδιαία χρήση από το 10% των εργαζομένων Αμερικανών, η ετήσια κατανάλωση νερού θα ήταν ισοδύναμη με την ημερήσια κατανάλωση κάθε νοικοκυριού στη Ρόουντ Άιλαντ, για μια μέρα και μισή.

Όσο οι φόρτοι της AI επεκτείνουν, così και οι απαιτήσεις ενέργειας των κέντρων δεδομένων. Η Παγκόσμια Τράπεζα εκτιμά ότι η ευρύτερη κατηγορία Τεχνολογίας Πληροφοριών και Επικοινωνιών (ΤΠΕ), συμπεριλαμβανομένης της AI, αντιστοιχεί目前 σε τουλάχιστον 1,7% των παγκόσμιων εκπομπών αερίων θερμοκηπίου. Αν και αυτό το ποσοστό μπορεί να φαίνεται μετριοπαθές, αντανακλά μόνο τα τρέχοντα επίπεδα υιοθέτησης. Με τη συνεχιζόμενη ανάπτυξη της AI – μαζί με την αυξανόμενη παγκόσμια πρόσβαση στο διαδίκτυο, την επέκταση της αποθήκευσης cloud, τις συσκευές IoT και ακόμη και τις τεχνολογίες blockchain – η συλλογική επίδραση μπορεί να αυξηθεί σημαντικά, ακόμη και αν κάποιες αποδοτικότητες κερδιστούν.

Αυτή η αποσύνδεση μεταξύ του πόσο εύκολο είναι να χρησιμοποιήσουμε την AI και πόσο πόρους-εντατική είναι για να τρέξει, κάνει το ζήτημα εύκολο να αγνοηθεί.

Αλλά επίσης δείχνει την λύση. Δεν χρειάζεται να επιβραδύνουμε την καινοτομία. Χρειάζεται να είμαστε πιο προσεκτικοί σχετικά με τον τρόπο με τον οποίο σχεδιάζουμε και αναπτύσσουμε. Αυτό σημαίνει να κάνουμε καλύτερες ερωτήσεις, να κρατάμε τους προμηθευτές υπεύθυνους και να συμπεριλαμβάνουμε την αειφορία σε κάθε απόφαση AI.

Αυτά τα συστήματα γίνονται όλο και πιο ισχυρά. Αν θέλουμε να μας βοηθήσουν να λύσουμε τις κλιματικές προκλήσεις, πρέπει να διασφαλίσουμε ότι δεν κάνουν κρυφά χειρότερα.

Από την Υποδομή στην Ευθύνη

Η περιβαλλοντική επίδραση της AI δεν περιορίζεται μόνο στη στιγμή που ο χρήστης πατάει “εισόδου”. Υπάρχει ένα ολόκληρο σύστημα πίσω από αυτό: εξόρυξη, κατασκευή chip, μεταφορά εξοπλισμού και κατασκευή κέντρων δεδομένων. Αυτή η πραγματικότητα δημιουργεί einen νέο τύπο προκλήσεων ευθύνης για τις εταιρείες. Σε αντίθεση με τις παραδοσιακές πηγές εκπομπών, όπου η επίδραση μπορεί να συνδεθεί με καύσιμα που καίγονται ή μίλια που οδηγούνται, ο φόρος της AI είναι διασκορπισμένος σε συστήματα και προμηθευτές. Είναι εύκολο να σκεφτεί κανείς ότι η ευθύνη ανήκει “στον νεφελώδη υπολογισμό” ή “στον προμηθευτή”.

Αλλά αν χρησιμοποιείτε την AI μέσω μιας πλατφόρμας SaaS, παρόχου cloud ή εσωτερικών εργαλείων, τότε οι εκπομπές και η κατανάλωση ενέργειας είναι μέρος του λειτουργικού αποτυπώματος. Αυτό είναι ιδιαίτερα αλήθεια όταν κοιτάτε τις εκπομπές Σκοπού 3, οι οποίες περιλαμβάνουν εκείνες που παράγονται σε όλο το εύρος της αλυσίδας αξίας.

Η καλή είδηση είναι ότι η ευθύνη δεν είναι για κατηγορία. Είναι για ευαισθησία, διαφάνεια και καλύτερη λήψη αποφάσεων.

Κάνωντας το Αόρατο Ορατό

Πώς μπορούμε να επιφανίσουμε το κρυφό περιβαλλοντικό κόστος της AI; Ξεκινά με το να ξανασκέφτουμε τον τρόπο με τον οποίο αξιολογούμε τα εργαλεία που χρησιμοποιούμε.

Οι ομάδες προμήθειας πρέπει να ρωτούν για λειτουργικότητα, πηγές ενέργειας, αποδοτικότητα κέντρων δεδομένων και αναφορά εκπομπών. Αν ένας προμηθευτής δεν μπορεί να σας πει πόση ενέργεια καταναλώνουν τα εργαλεία AI ή εάν βασίζονται σε ανανεώσιμες πηγές ενέργειας, αυτό είναι ένα κόκκινο σημάδι.

Οι ομάδες προϊόντων και μηχανικής μπορούν να λάβουν αποφάσεις σχεδίασης που μειώνουν την επίδραση χωρίς να θυσιάζουν τα αποτελέσματα. Αυτό περιλαμβάνει τη χρήση μικρότερων, εξειδικευμένων μοντέλων όταν είναι δυνατόν και την αποφυγή περιττής复잡ότητας. Ένα πιο αποδοτικό μοντέλο δεν είναι μόνο γρηγορότερο, είναι επίσης πιο πράσινο.

Οι υπαλληλοι μπορούν επίσης να συνεισφέρουν. Η εκπαίδευση των ομάδων να γράφουν σαφείς, στοχευμένες προτροπές μειώνει τον αριθμό των ερωτήσεων που χρειάζονται και ελαχιστοποιεί τον χρόνο υπολογισμού. Μια καλά κατασκευασμένη αίτηση μπορεί να παράγει το σωστό αποτέλεσμα αμέσως, ενώ πολλές ασαφείς μπορεί να σπαταλήσουν ενέργεια με κάθε επανάληψη.

Η ηγεσία της εταιρείας μπορεί να συνδέσει τους Punkts μεταξύ καινοτομίας και αειφορίας. Η υιοθέτηση AI πρέπει να ευθυγραμμιστεί με τους κλιματικούς στόχους, όχι να αντιμετωπίζεται ως ξεχωριστή στρατηγική. Μικρές αλλαγές αρχίζουν να προστίθενται όταν οι οργανισμοί κάνουν την περιβαλλοντική επίδραση μέρος της συζήτησης σε κάθε επίπεδο.

Γιατί το ISO 42001 Προσφέρει ένα Χρήσιμο Οδικό Χάρτη

Το ISO 42001, ο νέος διεθνής πρότυπος για τα συστήματα διαχείρισης AI, εισάγει einen κλειδί εστίαση: να ενθαρρύνει τις οργανώσεις να λάβουν υπόψη όχι μόνο πώς τα συστήματα AI εκτελούνται αλλά και πώς επηρεάζουν τους ανθρώπους και τον πλανήτη. Δεν αντιμετωπίζει το κλίμα ως μια μετάνοια, αντιμετωπίζει το ως ένα ρίσκο που αξίζει να διαχειριστεί από την αρχή.

Για τις εταιρείες που ήδη εργάζονται προς το ISO 14001 (για τη διαχείριση του περιβάλλοντος) ή τους στόχους μηδενικού ισοζυγίου, το ISO 42001 προσφέρει μια γέφυρα. Βοηθά να ευθυγραμμίσει τη διακυβέρνηση AI με τις ευρύτερες στρατηγικές αειφορίας, από την αναφορά εκπομπών έως τις υπεύθυνες συνεργασίες προμηθευτών.

Τι Μπορεί να Δώσει Πίσω η AI

Είναι εύκολο να εστιάσει στα αρνητικά, αλλά η AI έχει επίσης πραγματικό δυναμικό να μας βοηθήσει να λύσουμε περιβαλλοντικά προβλήματα.

Ηδη, η AI βοηθά τις εταιρείες να προβλέψουν την ζήτηση και να điều chỉnhουν την ενέργεια σε πραγματικό χρόνο για να ενσωματώσουν καλύτερα τις ανανεώσιμες πηγές όπως ο άνεμος και ο ήλιος. Στην γεωργία, χρησιμοποιείται για να παρακολουθεί την υγρασία του εδάφους και τις καιρικές συνθήκες για να οδηγήσει τους χρονοδιαγράμματα άρδευσης και να ελαχιστοποιήσει την υπερβολική χρήση λιπασμάτων. Οι εταιρείες logistics χρησιμοποιούν την AI για να σχεδιάσουν πιο αποτελεσματικές διαδρομές παράδοσης, μειώνοντας την κατανάλωση καυσίμων και τον χρόνο αδράνειας. Και ίσως το πιο σημαντικό, η AI επιταχύνει την αναφορά εκπομπών αναλύοντας τα δεδομένα προμήθειας και των προμηθευτών, βοηθώντας τις εταιρείες να υπολογίσουν τις δυσκόλως μετρημένες εκπομπές Σκοπού 3 και να ανακαλύψουν πού είναι δυνατές οι μειώσεις.

Ώρα να Κάνουμε μια Καλύτερη Ματιά

Η AI δεν θα επιβραδύνει, και δεν πρέπει να το κάνει. Ωστόσο, πρέπει να αρχίσουμε να κάνουμε το περιβαλλοντικό αποτύπωμα της πιο ορατό και διαχειρίσιμο.

Αυτό σημαίνει:

• Επιλέγοντας συνεργάτες που αναφέρουν και μειώνουν τις εκπομπές τους.
• Εκπαιδεύοντας τις ομάδες να χρησιμοποιούν την AI αποτελεσματικά και σκόπιμα.
• Θεωρώντας την περιβαλλοντική επίδραση ως μέρος της εξίσωσης αξίας, όχι ως ανταλλαγή.

Είμαστε συνηθισμένοι να σκεφτόμαστε την AI ως αόρατη. Αλλά αυτό είναι ένα πρόβλημα αντίληψης, όχι ένα φυσικό. Οι διακομιστές είναι πραγματικοί, οι εκπομπές είναι μετρήσιμες και το νερό είναι πεπερασμένο.

Τώρα είναι η ώρα να χτίσουμε συνήθειες ευθύνης, ώστε τα συστήματα στα οποία βασίζουμε να μην υπονομεύουν σιωπηλά το μέλλον που προσπαθούμε όλοι να προστατεύσουμε.