ردپای کربن دیجیتال توسط هوش مصنوعی و تاثیر آن بر محیط زیست منجر به تولید 2.5٪ از کل دی اکسید کربن در جهان شده است!!

به گزارش مکاترونیک نیوز، ردپای کربن دیجیتال متاثر از هوش مصنوعی رو به رشد است.

ردپای کربن دیجیتال چیست؟

ردپای کربن دیجیتال و دی اکسید کربن هوش مصنوعی معیاری است برای تولید و انتشار کربنی که براثر اجرای فعالیت‌های دیجیتال و تولید داده های مورد نظر ایجاد میشود. انتشار کربن عمدتاً از انرژی استفاده شده توسط رایانه ها برای تولید، انتقال، پردازش و ذخیره داده ها به وجود می آید. حدود 4 درصد از کل گازهای گلخانه ای تولید شده در سرتاسر جهان در سال 2020 بر اثر دیجیتالی شدن جهان و استفاده از صنعت دیجیتال می باشد.

سرعت رشد تولید داده‌های دیجیتال به دلیل اینکه بسیاری از فناوری‌ها و فرآیندهای تجاری جدید رو به رشد هستند و به طور گسترده و چشمگیری در حال پذیرفته شدن می باشند، بسیار زیاد است. سنجش غیرفعال بر مبنای اینترنت اشیا، محاسبات ابری، اتصال تلفن همراه 5G، سرویس اینترنت ماهواره ای از راه دور و افزایش روزافزون  تعداد کاربران فناوری دیجیتال، همگی در افزایش داده ها نقش دارند، تا جاییکه پیش بینی می‌شود تا سال 2025، تولید داده تا 181 زتابایت (181 تریلیون گیگابایت) در سال افزایش یابد. این امرنیازبه ذخیره‌سازی داده را در پیش دارد و می تواند به تنهایی تأثیر قابل ‌توجهی بر محیط‌ زیست و اهداف جهانی که مربوط به تولید حداقل دی‌اکسید کربن است را داشته باشد. مصرف انرژی مراکز داده منجر به تولید و انتشار 2.5٪ از کل دی اکسید کربن در جهان می شود که به ردپای کربن دیجیتال معروف است و این در حالی است که هوانوردی تنها 2.1٪  از این مقدار را تشکیل می‌دهد.

سهم هوش مصنوعی در رشد ردپای کربن دیجیتال

برای ایجاد و استفاده از همه این داده‌ها، ما از خدمات هوش مصنوعی استفاده می‌کنیم. مصرف‌کنندگان از هوش مصنوعی برای یافتن یک برنامه تلویزیونی یا آلبوم مورد نظر خود از فروشگاه‌های بزرگ و وسیع داده‌های رسانه‌ای که در فضای ابری از طریق سرویس‌های استریم در دسترس است، استفاده می‌کنند.مؤسسات مالی از هوش مصنوعی برای پیش بینی بازار بر اساس انبوه اطلاعاتی  از معاملات کوچک و بزرگ استفاده می کنند.شرکت های داروسازی از هوش مصنوعی برای توسعه ترکیبات پزشکی جدید با ارزیابی مجدد داده ها در مدل های تولید شده خود استفاده می کنند.

امروزه، برنامه های کاربردی هوش مصنوعی در هر صنعت و فعالیتی که با حجم زیادی از داده  ها در تعامل است، در دسترس است و مورد استفاده قرار می گیرد. از آنجایی که قیمت سخت افزار کامپیوتر، ظرفیت پردازش و ذخیره سازی داده ها و IP الگوریتمی در چند سال اخیر به شدت کاهش یافته است، هوش مصنوعی در صنعت، تحقیقات، سیاست ها و زندگی خصوصی ما گسترده شده است.

با این حال، این موضوع  تأثیر قابل توجهی بر انتشار گازهای گلخانه ای در جهان داشته است. هوش مصنوعی علاوه براینکه بر رشد تولید داده ها تأثیر‌گذار بوده است همچنین  نیازمند به مجموعه داده های بزرگی است که بتواند قابل استفاده باشد ودر نتیجه باعث می شود که انرژی قابل توجهی برای پردازش داده ها مصرف شود.

از آنجاییکه از سیستم‌های هوش مصنوعی برای حل مشکلات بزرگ استفاده می شود  بنابراین برای انجام این کارها به داده‌های بیشتر و قدرت محاسباتی بیشتری نیاز است. هر دوی این الزامات تأثیر مستقیمی بر ردپای کربن هوش مصنوعی دارند که درنتیجه  گسترش دسترسی به هوش مصنوعی را تحت فشار قرار می دهد.

برای مثال، سیستم‌های یادگیری ماشین نیاز به شبیه‌سازی میلیون‌ها سناریو و انجام تحلیل‌های آماری بر روی آنها دارد. این شبیه سازی ها می‌توانند هفته‌ها و حتی ماه‌ها به صورت مداوم ادامه داشته باشند و منابع محاسباتی زیادی را مصرف می‌کنند که مستقیماً افزایش مصرف برق توسط آن واحد (یا مزرعه واحدها) را در بر دارد.

تحقیق در مورد ردپای کربن هوش مصنوعی

در سال های اخیر، علاقه زیادی در تحقیقات دانشگاهی به موضوع ردپای کربن دیجیتال و ردپای کربن هوش مصنوعی وجود داشته است که به سایر حوزه های فناوری حیاتی تحقیقات هوش مصنوعی، به عنوان مثال،  اخلاق هوش مصنوعی مرتبط است و منجر شده  کمیت ردپای کربن هوش مصنوعی معیین شود  و همچنین پیشنهادهایی برای کاهش آن شده است.

برای اندازه گیری ردپای کربن یک سیستم هوش مصنوعی، ابتدا باید میزان مصرف انرژی آن را مشخص کرد که  موضوع ساده ای نیست. رایانه ها اغلب برای آموزش چندین مدل هوش مصنوعی به طور همزمان مورد استفاده قرار می گیرند.

بنابراین محققان برای اندازه گیری انتشار کربن هوش مصنوعی مجبور بودند ابتدا جلسات آموزشی مجزا و  را از یکدیگر جدا کنند.سپس، تیمی از دانشگاه استنفورد، دانشگاه مک گیل و تحقیقات هوش مصنوعی فیس‌بوک باید سهم هر جلسه از عملکردهای سربار ،مانند خنک‌سازی را به درستی تخصیص بدهند.اگر بشود مصرف انرژی یک مدل هوش مصنوعی گسسته را مشخص کرد،بعد از آن باید میزان انتشار کربنی را که در نتیجه مصرف انرژی ایجاد می‌ شود، تعیین کرد که به زیرساخت شبکه برق محلی و وجود یا عدم وجود منابع انرژی تجدیدپذیر بستگی دارد. مثلا در ساعاتی از روز و مکان هایی که انرژی خورشیدی بیشتر بود میزان تولید کربن کمتر از زمان ها و مکان های دیگر بود.

محققان با جستجوی منابع  داده عمومی برای تامین انرژی، میزان مصرف انرژی و انتشار کربن را مشخص کردند. برای مثال، ایزو کالیفرنیا داده‌های بی‌درنگی را برای ردیاب آزمایشی انتشار کربن ناشی از هوش مصنوعی که در این تحقیق مورد آزمایش بود را ارائه کرد.

درمطالعه دیگری که توسط محققان دانشگاه ماساچوست انجام شد، نشان داد که شبکه های عصبی 284 تن دی اکسید کربن تولید می کنند. این تیم چهار شبکه عصبی مورد استفاده برای درک یک متن نوشته شده را بررسی کردند: GPT-2، BERT، ELMo و  Transformer .آنها هریک از این  مدل های هوش مصنوعی را در یک روز اندازه گیری کردند و مصرف انرژی مدل را نمونه برداری کردند.سپس با ضرب کردن این رقم در تعداد روزهایی که برای آموزش هر مدل هوش مصنوعی طول می کشید، یک رقم کلی انتشار را بدست آوردند.

آیا ردپای کربن هوش مصنوعی همچنان در حال رشد است؟

هوش مصنوعی یقینا” هم از نظر ظرفیت و هم از نظر دسترسی به رشد خود ادامه خواهد داد. قدرت محاسباتی بیشتر، ظرفیت ذخیره سازی بیشتر و دسترسی به ابر و اتصالات سریعتر مانند 5G در افق چشمگیر هستند. همه این پیشرفت‌ها منجر به کاربردهای بیشتر برای هوش مصنوعی می‌شود که احتمالاً منجر به ردپای کربن بزرگ‌تر برای همه سیستم‌های هوش مصنوعی در حال استفاده می‌شود.

با این وجود، محققان در حال مبارزه با این چشم‌انداز هستند. جنبش موسوم به “هوش مصنوعی سبز” در حال شناسایی و حمایت است. اکنون برخی از کنفرانس‌های هوش مصنوعی درخواست می‌کنند که اطلاعات انتشار کربن در مقالات ارسالی گنجانده شود. تلاش‌ها برای کاهش ردپای کربن هوش مصنوعی شامل توسعه سیستم‌های کارآمدتر انرژی و انتقال جلسات آموزشی به مکان‌های خارج از شبکه و انرژی‌های تجدیدپذیر است.

بهبود ظرفیت ما برای اندازه‌گیری ردپای کربن هوش مصنوعی، زیربنای تلاش‌ها برای کاهش آن خواهد بود. به همین دلیل است که ابزارهایی مانند موارد ذکر شده در بالا مهم هستند، زیرا به سازمان‌ها این توانایی را می‌دهند که به درستی ردپای کربن دیجیتال خود را کاهش دهند. تصمیمات تأثیرگذار مانند پیدا کردن سیستم‌های هوش مصنوعی کارآمدتر و جابه‌جایی فرآیندهای فشرده کربن، زمانی که شواهد زیربنایی روشن باشد، آسان‌تر می‌توانند اصلاح شوند.

 

نام خبرنگار : مریم آموت سر

منبع خبر: www.azorobotics.com