Ukryty koszt wygody: Dlaczego wpływ środowiskowy AI musi być widoczny

Regularnie polegamy na AI, aby nam pomóc, niezależnie od tego, czy chcemy podsumować coś, wygenerować coś czy rozwiązać jakiś problem. Jest to szybkie, łatwe i coraz bardziej wbudowane w to, jak pracujemy. Ale w naszym pośpiechu, aby uczynić rzeczy łatwiejszymi, zaniedbaliśmy kluczowy fragment historii: środowiskowy koszt za cyfrową wygodę.

Każda interakcja z AI opiera się na czymś, czego nie widzimy i rzadko rozważamy – centrach danych, chipach, sieciach energetycznych, systemach chłodzących i globalnych sieciach logistycznych. Ta “niewidzialna infrastruktura” sprawia, że AI wydaje się bezwagowa. Ale środowiskowy koszt jest wszystkim, tylko nie niewidzialny.

Porze czas, aby uczynić ten koszt widocznym. Im bardziej AI staje się centralne dla operacji biznesowych, tym bardziej wpływa na energię, wodę i emisje. Pytanie nie brzmi już tylko, jak potężny będzie następny model, ale także, czy jesteśmy gotowi wziąć odpowiedzialność za to, co jest potrzebne do jego uruchomienia.

AI ma problem ze spostrzeganiem. W przeciwieństwie do dymu z fabryki czy ruchu na autostradzie, emisje podczas szkolenia lub wykonywania modelu występują za zamkniętymi drzwiami w klimatyzowanych halach serwerowych. Nie czyni ich to mniej realnymi.

Uruchamianie zaawansowanych modeli wymaga znacznej ilości energii. Szkolenie GPT-3, na przykład, zużywa tyle energii, ile 130 amerykańskich domów zużywa rocznie. I to nie wszystko. Proces generowania odpowiedzi, podsumowań lub obrazów wymaga znacznej mocy. Jedna kwerenda ChatGPT zużywa około pięciokrotnie więcej energii niż typowa wyszukiwarka internetowa, a generowanie jednego obrazu AI może zużyć tyle energii, co pełne ładowanie smartfona.

Zużycie wody jest również istotną częścią obrazu. Każdy raz, gdy ChatGPT generuje krótki e-mail o długości 100 słów przy użyciu modelu GPT-4, zużywa około objętości standardowej butelki wody. Woda ta jest używana do chłodzenia serwerów w centrach danych, które wytwarzają intensywne ciepło podczas pracy. Skalując to do jednego tygodniowego użycia przez 10% pracujących Amerykanów, roczne zużycie wody byłoby równe dziennej konsumpcji każdego gospodarstwa domowego w Rhode Island, przez półtora dnia.

Wraz ze wzrostem obciążeń AI, rosną również wymagania dotyczące mocy centrów danych. Bank Światowy szacuje, że szersza kategoria technologii informacyjnych i komunikacyjnych (ICT), w tym AI, obecnie odpowiada za co najmniej 1,7% globalnych emisji gazów cieplarnianych. Chociaż ta liczba może wydawać się skromna, odzwierciedla tylko obecny poziom przyjęcia. Wraz z dalszym rozwojem AI – wraz z rosnącym dostępem do internetu, rosnącym magazynowaniem w chmurze, urządzeniami IoT i nawet technologiami blockchain – zbiorowy wpływ może wzrosnąć znacznie, nawet jeśli część wydajności zostanie uzyskana.

To rozłączenie między tym, jak łatwo używać AI, a tym, jak zasobożerne jest jego uruchamianie, sprawia, że problem jest łatwy do zignorowania.

Ale także wskazuje na rozwiązanie. Nie musimy zwalniać innowacji. Musimy być bardziej świadomi, jak je projektujemy i wdrażamy. Oznacza to zadawanie lepszych pytań, egzekwowanie odpowiedzialności od dostawców i uwzględnianie zrównoważonego rozwoju w każdej decyzji związanej z AI.

Te systemy stają się coraz potężniejsze. Jeśli chcemy, aby pomogły nam rozwiązać wyzwania klimatyczne, musimy upewnić się, że nie pogarszają ich w milczeniu.

Od infrastruktury do odpowiedzialności

Wpływ środowiskowy AI nie ogranicza się do momentu, gdy użytkownik naciśnie “enter”. Istnieje cała łańcuch dostaw za tym: wydobycie, produkcja chipów, transport sprzętu, budowa centrów danych. Ta rzeczywistość tworzy nowy rodzaj wyzwania odpowiedzialności dla firm. W przeciwieństwie do tradycyjnych źródeł emisji, gdzie wpływ można powiązać z spalonym paliwem lub przejechanymi kilometrami, koszt AI jest rozproszony w systemach i dostawcach. Łatwo jest myśleć, że odpowiedzialność należy do “chmury” lub “dostawcy”.

Jeśli jednak używasz AI za pośrednictwem platformy SaaS, dostawcy chmury lub wewnętrznych narzędzi, to emisje i zużycie energii są częścią Twojego śladu operacyjnego. Jest to szczególnie prawdziwe, gdy spoglądasz na emisje Scope 3, które obejmują te wytworzone w Twojej łańcuchu wartości.

Dobra wiadomość jest taka, że odpowiedzialność nie jest sprawą winy. Jest to kwestia świadomości, przejrzystości i lepszego podejmowania decyzji.

Czynienie niewidzialnego widocznym

Jak więc możemy ujawnić ukryty środowiskowy koszt AI? Zaczyna się to od przemyślenia, w jaki sposób oceniamy narzędzia, których używamy.

Zespoły ds. zakupów powinny pytać o funkcjonalność, źródła energii, wydajność centrów danych i raportowanie emisji. Jeśli dostawca nie może powiedzieć, ile energii zużywają ich narzędzia AI lub czy polegają na odnawialnych źródłach energii, to jest to czerwona flaga.

Zespoły produkcyjne i inżynieryjne mogą podejmować decyzje projektowe, które redukują wpływ bez poświęcania wyników. Obejmuje to używanie mniejszych, dostrojonych modeli, gdy jest to możliwe, oraz unikanie niepotrzebnej złożoności. Bardziej wydajny model nie jest tylko szybszy, jest również bardziej ekologiczny.

Pracownicy również mogą przyczynić się. Szkolenie zespołów, aby pisać jasne, ukierunkowane podpowiedzi, redukuje liczbę kwerend i minimalizuje czas obliczeń. Jedna dobrze skonstruowana prośba może dać poprawny wynik natychmiast, podczas gdy kilka niejasnych może zmarnować energię przy każdej iteracji.

Kierownictwo wykonawcze może połączyć punkty między innowacjami a zrównoważonym rozwojem. Przyjęcie AI powinno być zgodne z celami klimatycznymi, a nie traktowane jako odrębna strategia. Małe zmiany zaczynają się sumować, gdy organizacje czynią wpływ środowiskowy częścią rozmowy na każdym poziomie.

Dlaczego ISO 42001 oferuje przydatną mapę drogową

ISO 42001, nowy międzynarodowy standard systemów zarządzania AI, wprowadza kluczowy nacisk: zachęcanie organizacji do rozważania nie tylko tego, jak systemy AI działają, ale także jak wpływają na ludzi i planetę. Nie traktuje klimatu jako pomyślnego myślenia; traktuje go jako ryzyko, które należy zarządzać od samego początku.

Dla firm, które już pracują nad ISO 14001 (dla zarządzania środowiskowego) lub celami net-zero, ISO 42001 oferuje most. Pomaga wywiązać się z zarządzania AI z szerszymi strategiami zrównoważonego rozwoju, od śledzenia emisji po odpowiedzialne partnerstwa z dostawcami.

Co AI może dać w zamian

Łatwo jest się skoncentrować na negatywach, ale AI ma również prawdzienny potencjał, aby pomóc nam rozwiązać problemy środowiskowe.

AI już pomaga firmom energetycznym w prognozowaniu popytu i dostosowywaniu zużycia energii w czasie rzeczywistym, aby lepiej integrować odnawialne źródła, takie jak wiatr i słońce. W rolnictwie jest używany do monitorowania wilgotności gleby i warunków pogodowych, aby kierować harmonogramami nawadniania i minimalizować odpływ nawozów. Firmy logistyczne używają AI do planowania bardziej efektywnych tras dostaw, redukując zużycie paliwa i czas postoju. A może najważniejsze, AI przyspiesza śledzenie emisji, analizując dane zakupowe i dostawców, pomagając firmom obliczyć trudne do pomiaru emisje Scope 3 i identyfikować, gdzie można je zmniejszyć.

Jeśli wdrożone z dbałością, AI może działać nie tylko jako konsument zasobów, ale także jako napędzający bardziej inteligentne rozwiązania klimatyczne.

Czas, aby przyjrzeć się bliżej

AI nie zwalnia tempa, i nie powinno. Musimy jednak zacząć czynić jego środowiskowy ślad bardziej widocznym i zarządzalnym.

Oznacza to:

• wybór partnerów, którzy raportują i redukują swoje emisje.
• szkolenie zespołów, aby używać AI w sposób efektywny i zamierzony.
• traktowanie wpływu środowiskowego jako części równania wartości, a nie wymiany.

Jesteśmy przyzwyczajeni do myślenia o AI jako o czymś niewidzialnym. Ale to jest problem postrzegania, a nie fizyczny. Serwery są rzeczywiste, emisje są mierzone, a woda jest skończona.

Teraz jest czas, aby wytworzyć nawyki odpowiedzialności, aby systemy, na które polegamy, nie podważały cicho przyszłości, którą wszyscy próbujemy chronić.