Otázky a odpovědi: Dopad generativní AI na klima
Sdílet na sociálních sítích:
Vědci z MIT Lincoln Laboratory diskutují o environmentálním dopadu generativní AI a o možnostech jeho zmírnění.

Vijay Gadepally, vedoucí pracovník MIT Lincoln Laboratory, se zabývá projekty zaměřenými na efektivnější výpočetní platformy a systémy umělé inteligence. V tomto rozhovoru diskutuje o rostoucím využití generativní AI v každodenních nástrojích, jejím skrytém environmentálním dopadu a způsobech, jak Lincoln Laboratory a širší komunita AI mohou snížit emise pro zelenější budoucnost.
\n\nOtázka: Jaké trendy pozorujete v používání generativní AI ve výpočetní technice?
\nOdpověď: Generativní AI využívá strojové učení (ML) k vytváření nového obsahu, jako jsou obrázky a texty, na základě dat zadaných do systému ML. V LLSC navrhujeme a budujeme některé z největších akademických výpočetních platforem na světě a v posledních několika letech jsme zaznamenali explozi počtu projektů, které potřebují přístup k vysoce výkonnému výpočtu pro generativní AI. Vidíme také, jak generativní AI mění různá odvětví a oblasti – například ChatGPT ovlivňuje učebny a pracoviště rychleji, než dokáží regulace držet krok.
\nMůžeme si představit různé využití generativní AI v příštím desetiletí, například pohánění vysoce schopných virtuálních asistentů, vývoj nových léků a materiálů a dokonce i zlepšení našeho porozumění základním vědám. Nemůžeme předvídat vše, k čemu se generativní AI bude používat, ale mohu s jistotou říci, že s stále složitějšími algoritmy bude jejich výpočetní, energetický a klimatický dopad velmi rychle narůstat.
\n\nOtázka: Jaké strategie LLSC používá ke zmírnění tohoto klimatického dopadu?
\nOdpověď: Neustále hledáme způsoby, jak zefektivnit výpočty, protože to pomáhá našemu datovému centru maximálně využít jeho zdroje a umožňuje našim vědeckým kolegům posouvat jejich obory vpřed co nejefektivnějším způsobem.
\nJako příklad můžeme uvést snižování spotřeby energie hardwaru pomocí jednoduchých změn, podobných ztlumení nebo vypnutí světla, když opustíte místnost. V jednom experimentu jsme snížili spotřebu energie skupiny grafických procesorů o 20 až 30 procent s minimálním dopadem na jejich výkon tím, že jsme zavedli omezení příkonu. Tato technika také snížila provozní teplotu hardwaru, díky čemuž jsou GPU snadněji chladitelné a déle vydrží.
\nDalší strategií je změna našeho chování tak, aby bylo ohleduplnější ke klimatu. Doma se někteří z nás mohou rozhodnout pro využívání obnovitelných zdrojů energie nebo inteligentního plánování. Podobné techniky používáme i v LLSC – například školení AI modelů v chladnějších teplotách nebo v době nízkého odběru energie v místní síti.
\nUvědomili jsme si také, že velká část energie vynaložené na výpočty se často plýtvá, podobně jako únik vody zvyšuje váš účet, aniž by přinesl jakýkoli užitek pro váš dům. Vyvinuli jsme nové techniky, které nám umožňují monitorovat výpočetní pracovní zatížení během jejich běhu a ukončit ta, která pravděpodobně nepřinesou dobré výsledky. Překvapivě jsme v mnoha případech zjistili, že většinu výpočtů lze předčasně ukončit bez ohrožení výsledku.
\n\nOtázka: Uveďte příklad projektu, který jste provedli a který snižuje energetický výstup generativního programu AI?
\nOdpověď: Nedávno jsme vytvořili nástroj pro počítačové vidění, který zohledňuje klima. Počítačové vidění je oblast zaměřená na aplikaci AI na obrázky; tedy rozlišení mezi kočkami a psy na obrázku, správné označování objektů na obrázku nebo hledání komponent zájmu na obrázku.
\nDo našeho nástroje jsme zahrnuli telemetrii uhlíku v reálném čase, která poskytuje informace o tom, kolik uhlíku je vypouštěno naší místní sítí, když model běží. V závislosti na těchto informacích náš systém automaticky přepne na energeticky úspornější verzi modelu, která má typicky méně parametrů, v dobách vysoké uhlíkové intenzity, nebo na mnohem věrnější verzi modelu v dobách nízké uhlíkové intenzity.
\nTímto způsobem jsme zaznamenali téměř 80% snížení emisí uhlíku během jednoho až dvoudenního období. Nedávno jsme tuto myšlenku rozšířili na další úlohy generativní AI, jako je shrnutí textu, a zjistili jsme stejné výsledky. Zajímavé je, že po použití naší techniky se výkon někdy zlepšil!
\n\nOtázka: Co můžeme udělat jako spotřebitelé generativní AI, abychom pomohli zmírnit její dopad na klima?
\nOdpověď: Jako spotřebitelé můžeme požádat naše poskytovatele AI o větší transparentnost. Například na Google Flights mohu vidět různé možnosti, které ukazují uhlíkovou stopu konkrétního letu. Měli bychom dostávat podobná měření z nástrojů generativní AI, abychom se mohli vědomě rozhodnout, pro jaký produkt nebo platformu se na základě našich priorit rozhodneme.
\nMůžeme se také snažit být informovanější o emisích generativní AI obecně. Mnozí z nás jsou obeznámeni s emisemi vozidel a může pomoci hovořit o emisích generativní AI v porovnávacích termínech. Lidé mohou být překvapeni, když se dozvědí, že například jeden úkol generování obrázků se přibližně rovná jízdě čtyř mil v benzínovém autě, nebo že je zapotřebí stejné množství energie k nabití elektromobilu, jako k vygenerování asi 1 500 souhrnů textu.
\nExistuje mnoho případů, kdy by zákazníci byli ochotni učinit kompromis, kdyby znali dopad kompromisu.
\n\nOtázka: Co očekáváte do budoucna?
\nOdpověď: Zmírnění dopadu generativní AI na klima je jeden z problémů, na kterých pracují lidé po celém světě a mají podobný cíl. V Lincoln Laboratory odvádíme velkou práci, ale to je jen začátek. V dlouhodobém horizontu budou muset datová centra, vývojáři AI a energetické sítě spolupracovat na poskytování „energetických auditů“, aby odhalily další jedinečné způsoby, jak můžeme zlepšit efektivitu výpočtů. Potřebujeme více partnerství a větší spolupráci, abychom mohli jít vpřed.
\nPokud máte zájem dozvědět se více nebo spolupracovat s Lincoln Laboratory na tomto úsilí, kontaktujte prosím Vijaye Gadepallyho.
Související články
Viceprezident Vance vyzývá k umělé inteligenci bez ideologických předsudků
Most mezi filozofií a umělou inteligencí: zkoumání etiky výpočetní techniky
Dar Sebastiana Mana podpoří budovu MIT Schwarzman College of Computing
Sdílet na sociálních sítích:
Komentáře