商业领导者如何在人工智能和可持续性方面实现目标

对于公司来说，平衡人工智能采用和环境影响是一项必不可少的任务。根据世界经济论坛（WEF）的说法，支持人工智能增长所需的电力每100天就会翻倍。到2028年，人工智能的能耗可能会超过2021年冰岛的总能耗。人工智能可以是一把双刃剑：虽然它可以显著推进环境倡议，但如果使用不当，也可能同样有害。

没有通用的蓝图来指导可持续的人工智能使用——每个组织的方法必须与其独特的情况相符。相反，整合人工智能和推进环保目标需要一定的态度。

想想苹果商店在新品发布日外排队的人群：早期采用者自豪地展示最新的产品作为地位象征。那样的心态在这里行不通。公司不应该急于采用华丽的人工智能工具只是为了被视为潮流引领者。相反，他们应该专注于有目的的人工智能实施，以支持长期的可持续性目标。

以下是一些值得考虑的策略。

以节能为目标自动化

有些领导者可能会对员工找到捷径感到不满，但我从不这样做。在Jotform，我鼓励员工不断寻找更快的方式来完成他们的繁琐工作，只要他们的输出质量不受影响。自动化是我们业务的核心和我们文化的核心。如果有自动化工具可以处理枯燥的、手动任务，那么我说：去做吧。

事实上，使用人工智能工具自动化任务也可以推进您的可持续性目标。正如WEF所指出的，优化调度以节能，即将人工智能工作负载转移到能耗较低的时间，是利用人工智能和降低碳足迹的有效策略。

假设您已经选择了一个人工智能工具来自动执行定期的安全扫描以保护您的数据。在晚上编程这些任务是一种简单的节能方式。一般来说，晚上的总能耗会降低，能源网格可以更高效地运行。作为附带的好处，您的能源成本往往也会降低。

或者，如果您处于天气温暖、空调使用量大的地区，您可以将耗能大的项目转移到较冷的月份，当时能源网格的负担较小。重要的是，这些转变需要预先思考，但几乎不需要额外的努力。它们可以带来显著的能量保护。

选择基础模型

想象一下您在一家米其林星级餐厅的厨房里。厨师们都在烹饪学校和高水平的餐厅接受过培训。团队可以执行各种菜肴，并创新出新的菜肴。如果有人想准备一顿难忘的饭菜，他们不需要训练一支全新的厨师团队——他们可以使用这支团队，利用他们现有的专业知识并提供定制的指导。

在人工智能中，这就是基础模型的概念：一个已经在大量数据上训练过的高级程序。如果有人需要某种人工智能工具，他们可以从这个基础模型开始，而不是从头开始构建一个模型。

在哈佛商业评论中，IBM的首席可持续发展官Christina Shim解释了为什么选择基础模型是一种节能的方法。与创建一个新模型相比，“基础模型可以在很短的时间内、使用很少的数据和很少的能耗为特定目的进行定制。”

Shim指出，基础模型的大小也会产生影响——大多数模型具有30亿、80亿或200亿参数。根据IBM的研究，在特定和相关数据上训练的小型模型可以像大型模型一样良好地执行，但速度更快，能耗更低。规模不一定意味着更好。正如Salesforce所说，对于特定的企业需求，选择最大的、最强大的模型就像“使用半挂车去买杂货或接送单个乘客”——换句话说，完全没有必要。

但是，较大的模型确实带来了更高的价格。花时间选择一个适合您目标的模型是一项值得的投资，能够最终节省财务和生态资源。

选择开源软件

在任何人工智能之旅的开始，另一个至关重要的选择是是否选择开源软件。开源选项可能无法解决每个问题，但在许多情况下，它们可以提供一种节能和节省成本的解决方案，利用了无数专家的智慧。您可以专注于改进现有的解决方案（并分享结果），而不是每次都耗费能源来重新发明轮子。正如Shim所说，开源软件具有集体改进的好处——有更多的眼睛关注问题，所产生的产品更好，开发阶段的能耗分配在用户中。

好的软件是值得花钱的，但它需要符合您的需求和预算——在通货膨胀时期，这是一个越来越相关的考虑因素。在许多情况下，开源解决方案是免费的或以成本的一小部分提供。

实施自动化以提高系统效率

最后，人工智能驱动的自动化工具可以通过提高系统效率来节能。它们可以直接做到这一点，通过减少执行枯燥任务所需的时间。例如，如果您正在进行研究，像ChatGPT这样的工具可以通过在几秒钟内识别和综合关键信息来消除数小时坐在显示器前的时间。

人工智能工具也可以在系统规划阶段发挥作用。以Salesforce为例，他们的数据中心基础设施团队使用人工智能来预测和预测客户的使用模式，然后自动调整所需的服务器数量。这使他们能够根据需要定制数据中心基础设施的使用方式，并避免浪费过多的能量。同样，软件公司使用人工智能来分析来自供应链、商务旅行、房地产等方面的数百万个数据点，以做出减少碳足迹的决策。

人工智能可以像可持续性顾问一样发挥作用，理想情况下节省的能量比执行相应分析和任务所需的能量更多。在这种意义上，人工智能可以是一把单刃剑，带来比任何相关缺点更多的好处。