Як керівники бізнесу можуть досягти своїх цілей в галузі штучного інтелекту та сталості

Для компаній балансування між впровадженням штучного інтелекту та впливом на навколишнє середовище є обов’язковим. За даними Світового економічного форуму, потужність, необхідна для підтримки зростання штучного інтелекту, подвоюється кожні 100 днів. До 2028 року споживання енергії штучним інтелектом може перевищити загальну потужність, використану в Ісландії у 2021 році. Штучний інтелект може бути двосічний меч: хоча він може суттєво просунути екологічні ініціативи, він може бути однаково шкідливим, якщо його використовувати недбало.

Не існує універсального плану для сталого використання штучного інтелекту – підхід кожної організації повинен відповідати її унікальним обставинам. Натомість, інтеграція штучного інтелекту та просування екологічних цілей вимагає певної установки.

Подумайте про черги людей перед магазинами Apple у дні виходу нових продуктів: ранні采用чі гордо демонструють останні гаджети як статусні символи. Такий підхід не працює тут. Компанії не повинні поспішати впроваджувати модні інструменти штучного інтелекту просто для того, щоб бути першими. Натомість, вони повинні зосередитися на цілеспрямованому впровадженні штучного інтелекту, яке підтримує довгострокові цілі сталості.

Ось деякі стратегії, які можна розглянути.

Автоматизуйте з оглядом на енергозбереження

Деякі керівники можуть не схвалювати, коли працівники шукають коротші шляхи, але я ніколи не роблю цього. У Jotform я заохочую працівників постійно шукати швидші способи виконання їхньої роботи, якщо тільки якість їхньої продукції не погіршується. Автоматизація є серцем нашого бізнесу та центральною частиною нашої культури. Якщо існує автоматичний інструмент, який може виконувати монотонну ручну роботу, то я кажу: скористайтеся ним.

Як виявляється, автоматизація завдань за допомогою інструментів штучного інтелекту також може просувати ваші цілі сталості. За даними Світового економічного форуму, оптимізація графіка для енергозбереження, тобто зміна навантаження штучного інтелекту на часи меншого енергоспоживання, є ефективним тактикою для використання штучного інтелекту та зниження вашого вуглецевого сліду.

Наприклад, якщо ви обрали інструмент штучного інтелекту для автоматизації регулярних перевірок безпеки для захисту ваших даних. Програмування цих завдань у нічний час – це простий спосіб стати більш енергоефективним. Загальне енергоспоживання зазвичай зменшується у вечірній час, а енергосистеми отримують можливість працювати більш ефективно. Як додаткова вигода, ваші енергетичні витрати часто зменшуються.

Або, якщо ви знаходитеся у географічному регіоні з теплим кліматом та великим використанням кондиціонерів, ви можете перенести енерговитратні проекти на прохолодніші місяці, коли енергосистеми менш навантажені. Що важливо, ці зміни вимагають попереднього планування, але майже не вимагають додаткових зусиль. Вони можуть привести до суттєвого збереження енергії.

Оберіть фундаментальні моделі

Представьте собі, що ви знаходитеся на кухні ресторану з зіркою Мішлен. Шеф-кухарі пройшли навчання у кулинарних школах та висококласних ресторанах. Разом команда може виконувати будь-які страви та винаходити нові. Якщо хтось хоче створити неймовірну страву, йому не потрібно тренувати цілком нову команду шеф-кухарів – він може використовувати цю команду, використовуючи їхні наявні знання та надавши індивідуальні вказівки.

У штучному інтелекті це концепція фундаментальної моделі: просунутої програми, яка вже була навчена на величезних обсягах даних. Якщо комусь потрібен певний інструмент штучного інтелекту, він може почати з цієї фундаментальної моделі, а не будувати модель з нуля.

У статті для Harvard Business Review Крістіна Шим, головний офіцер зі сталості в IBM, пояснює, чому вибір фундаментальних моделей є енергоефективним підходом. На відміну від створення нової моделі, “фундаментальні моделі можна налаштувати для конкретних цілей за частину часу, з часткою даних та часткою енергетичних витрат”.

Шим зазначає, що розмір фундаментальної моделі також може мати вплив – більшість моделей мають 3, 8 або 20 мільярдів параметрів. За даними досліджень IBM, менші моделі, навчені на конкретних та актуальних даних, можуть працювати так само добре, як і більші, але швидше та споживати менше енергії. Більше не завжди краще. Як зазначає Salesforce, вибір найбільшої та потужної моделі для конкретних потреб підприємства є таким же, як “використання вантажівки для покупок або перевезення одного пасажира” – абсолютно непотрібно.

Більші моделі, однак, мають більші ціни. Витрачання часу на вибір моделі, яка відповідає вашим цілям, є вартим інвестицій, який може в кінцевому підсумку зберегти фінансові та екологічні ресурси.

Оберіть відкритий джерельний код

Іншим важливим вибором на початку будь-якої подорожі штучного інтелекту є вибір відкритого джерельного коду. Відкриті рішення можуть не розв’язувати кожну проблему, але в багатьох випадках вони можуть надати енергоефективне та економічне рішення, яке використовує знання численних експертів. Ви можете зосередитися на вдосконаленні існуючого рішення (та поширенні результатів), а не витрачати енергію на повторне винахідування колеса кожного разу. Як зазначає Шим, відкритий джерельний код користується колективним вдосконаленням – з більшою кількістю очей на проблему, результатом є кращий продукт, а енергетичні витрати під час фази розробки розподіляються серед користувачів.

Хороший软件 коштує грошей, але він повинен відповідати вашим потребам та бюджету – це все більш актуальне питання під час інфляції. У багатьох випадках відкрите рішення доступне безкоштовно або за частину вартості.

Впровадіть автоматизацію для підвищення ефективності системи

Нарешті, інструменти автоматизації, які використовують штучний інтелект, можуть зберегти енергію, підвищуючи ефективність системи. Вони можуть зробити це безпосередньо, скорочуючи кількість годин, необхідних для виконання монотонних завдань. Наприклад, якщо ви проводите дослідження, інструменти типу ChatGPT можуть виключити години сидіння перед монітором, ідентифікуючи та синтезуючи ключову інформацію за секунди.

Інструменти штучного інтелекту також можуть відігравати роль на етапі планування системи. Наприклад, Salesforce використовує штучний інтелект для прогнозування та передбачення моделей використання клієнтами, а потім автоматично масштабує обсяг серверів, необхідних для цього. Це дозволяє їм налаштувати використання інфраструктури центру даних та уникнути марного витрачання енергії. Аналогічно, компанія з програмного забезпечення використовує штучний інтелект для прийняття рішень щодо зниження свого вуглецевого сліду шляхом аналізу мільйонів даних з ланцюга поставок, бізнес-подорожей, нерухомості та іншого.

Штучний інтелект може працювати як консультант зі сталості, ідеально зберігаючи більше енергії, ніж потрібно для виконання відповідних аналізів та завдань. У цьому сенсі штучний інтелект може бути односічний меч, надаючи більше переваг, ніж будь-які пов’язані з ним недоліки.