Süni intellekt ətraf mühitə necə təsir edir?

Süni intellekt ətraf mühitə necə təsir edir?

Qısa cavab: Süni intellekt ətraf mühitə əsasən məlumat mərkəzlərində elektrik enerjisi istifadəsi (həm təlim, həm də gündəlik nəticə), soyutma üçün su ilə yanaşı, aparat istehsalının və elektron tullantıların təsirləri vasitəsilə təsir göstərir. İstifadə milyardlarla sorğuya qədər miqyaslanarsa, nəticə təlimdən daha çox ola bilər; şəbəkələr daha təmiz və sistemlər səmərəlidirsə, təsirlər azalır, faydalar isə arta bilər.

Əsas nəticələr:

Elektrik enerjisi: Hesablanmış istifadəni izləyin; iş yükü daha təmiz şəbəkələrdə işlədikdə emissiyalar azalır.

Su: Soyutma seçimləri təsirləri dəyişir; su əsaslı metodlar qıt bölgələrdə ən vacibdir.

Avadanlıq: Çiplər və serverlər əhəmiyyətli dərəcədə təsir göstərir; ömrü uzadır və təmirə üstünlük verir.

Geriləmə: Səmərəlilik ümumi tələbi artıra bilər; yalnız tapşırıq başına qazancı deyil, nəticələri də ölçmək olar.

Əməliyyat rıçaqları: Düzgün ölçülü modellər, nəticə çıxarmağı optimallaşdırın və hər sorğu üzrə metrikləri şəffaf şəkildə bildirin.

Süni intellekt ətraf mühitə necə təsir edir? İnfoqrafiya

Bundan sonra oxumaq istəyə biləcəyiniz məqalələr:

🔗 Süni intellekt ətraf mühit üçün zərərlidirmi?
Süni intellektin karbon izini, elektrik enerjisi istifadəsini və məlumat mərkəzi tələblərini araşdırın.

🔗 Niyə süni intellekt cəmiyyət üçün pisdir?
Qərəzliliyə, işdəki pozuntulara, yanlış məlumatlara və genişlənən sosial bərabərsizliyə baxın.

🔗 Süni intellekt niyə pisdir? Süni intellektin qaranlıq tərəfi
Nəzarət, manipulyasiya və insan nəzarətinin itirilməsi kimi riskləri anlayın.

🔗 Süni intellekt həddindən artıq irəli gedibmi?
Etika, tənzimləmə və innovasiyanın harada sərhəd çəkməli olduğu ilə bağlı müzakirələr.

Süni intellekt ətraf mühitə necə təsir edir: qısa görüntü ⚡🌱

Yalnız bir neçə məqamı xatırlayırsınızsa, bunları edin:

Və insanların unutduğu hissə var: miqyas. Bir süni intellekt sorğusu kiçik ola bilər, amma milyardlarla sorğu tamamilə fərqli bir heyvandır... sanki divan böyüklüyündə uçquna çevrilən kiçik bir qartopu kimi. (Bu metafora bir az səhvdir, amma başa düşürsünüz.) IEA: Enerji və süni intellekt

Süni intellektin ətraf mühitə təsiri tək bir şey deyil - bu, bir yığındır 🧱🌎

İnsanlar süni intellekt və dayanıqlılıq haqqında mübahisə etdikdə, tez-tez bir-birlərindən yan keçirlər, çünki fərqli təbəqələrə işarə edirlər:

1) Elektrik enerjisini hesablayın

  • Böyük modellərin hazırlanması böyük klasterlərin uzun müddət ərzində gərgin işləməsini tələb edə bilər. IEA: Enerji və süni intellekt

  • Gündəlik istifadə zamanı nəticə çıxarmaq zamanla daha böyük təsirə çevrilə bilər, çünki bu, daim və hər yerdə baş verir. IEA: Enerji və süni intellekt

2) Məlumat mərkəzinin əlavə xərcləri

3) Su və istilik

4) Avadanlıq təchizatı zənciri

5) Davranış və geri dönüş effektləri

Beləliklə, kimsə süni intellektin ətraf mühitə necə təsir etdiyini soruşduqda, birbaşa cavab budur: bu, hansı təbəqəni ölçdüyünüzdən və bu vəziyyətdə "Süni intellekt"in nə demək olduğundan asılıdır.

Təlim və nəticə çıxarma: hər şeyi dəyişən fərq 🧠⚙️

İnsanlar təlim haqqında danışmağı sevirlər, çünki bu, dramatik səslənir - "bir model X enerjisindən istifadə etmişdir". Lakin nəticə çıxarmaq sakit nəhəngdir. IEA: Enerji və süni intellekt

Təlim (böyük quruluş)

Təlim fabrik tikmək kimidir. İlkin xərcləri siz ödəyirsiniz: ağır hesablamalar, uzun müddətli işləmə müddəti, çoxlu sınaq və səhv çalışmaları (və bəli, çoxlu "ups, yenidən cəhd edin" təkrarları). Təlim optimallaşdırıla bilər, lakin yenə də əhəmiyyətli ola bilər. IEA: Enerji və süni intellekt.

Nəticə (gündəlik istifadə)

Nəticə çıxarmaq, hər gün, hər kəs üçün, miqyasda işləyən fabrik kimidir:

  • Çatbotlar sualları cavablandırır

  • Şəkil generasiyası

  • Reytinq axtarışı

  • Tövsiyələr

  • Nitqdən mətnə

  • Saxtakarlığın aşkarlanması

  • Sənədlərdə və kod alətlərində kopilotlar

Hər bir sorğu nisbətən kiçik olsa belə, istifadə həcmi təlimi cılızlaşdıra bilər. Bu, klassik "bir saman heç nə, bir milyon saman problemdir" vəziyyətidir. IEA: Enerji və süni intellekt

Kiçik bir qeyd - bəzi süni intellekt tapşırıqları digərlərindən daha ağırdır. Şəkillər və ya uzun videolar yaratmaq, qısa mətn təsnifatından daha çox enerji tələb edir. Beləliklə, "Süni intellekt"i bir yerə toplamaq, velosipedi yük gəmisi ilə müqayisə edib hər ikisini "nəqliyyat" adlandırmaq kimidir. IEA: Enerji və Süni intellekt

Məlumat mərkəzləri: enerji, soyutma və sakit su hekayəsi 💧🏢

Məlumat mərkəzləri yeni deyil, lakin süni intellekt intensivliyi dəyişdirir. Yüksək performanslı sürətləndiricilər dar məkanlarda çoxlu enerji sərf edə bilər ki, bu da idarə olunmalı olan istiliyə çevrilir. LBNL (2024): Amerika Birləşmiş Ştatları Məlumat Mərkəzinin Enerji İstifadəsi Hesabatı (PDF) IEA: Enerji və süni intellekt

Soyutma əsasları (sadələşdirilmiş, lakin praktik)

Güzəşt budur: bəzən su əsaslı soyutmaya əsaslanaraq elektrik enerjisi istehlakını azalda bilərsiniz. Yerli su qıtlığından asılı olaraq, bu, problem yarada bilər... və ya əsl problem ola bilər. Li və digərləri (2023): Süni intellektdən daha az "susuzluq" yaratmaq (PDF)

Bundan əlavə, ətraf mühitin təsiri aşağıdakılardan çox asılıdır:

Səmimi olmaq üçün deyim: ictimai söhbətlərdə tez-tez “məlumat mərkəzi”nə qara qutu kimi yanaşılır. Bu, nə şər, nə də sehrli bir şeydir. Bu, infrastrukturdur. İnfrastruktur kimi davranır.

Çiplər və aparatlar: insanların daha az seksual olduğu üçün atladığı hissə 🪨🔧

Süni intellekt aparat təminatı üzərində yaşayır. Aparat təminatının bir həyat dövrü var və həyat dövrünə təsirlər böyük ola bilər. ABŞ EPA: Yarımkeçirici Sənaye BTİ: Qlobal Elektron Tullantı Monitoru 2024

Ətraf mühitə təsirin özünü göstərdiyi yer

Elektron tullantılar və "tamamilə yaxşı" serverlər

Ətraf mühitə vurulan zərərin çoxu mövcud olan bir cihazdan deyil - bu, artıq səmərəli olmadığı üçün onun erkən dəyişdirilməsindən qaynaqlanır. Süni intellekt bunu sürətləndirir, çünki performansda sıçrayışlar böyük ola bilər. Avadanlığı yeniləmək istəyi realdır. BTİ: Qlobal Elektron Tullantıların Monitoru 2024

Praktik bir məqam: aparatın ömrünü uzatmaq, istifadəni yaxşılaşdırmaq və təmir etmək istənilən dəbdəbəli modeldəki dəyişikliklər qədər əhəmiyyətli ola bilər. Bəzən ən ekoloji qrafik prosessoru almadığınız qrafik prosessor olur. (Bu, şüar kimi səslənir, amma eyni zamanda... bir növ doğrudur.)

Süni intellekt Ətraf Mühitə Necə Təsir Edir: "insanlar bunu unudur" davranış dairəsi 🔁😬

Budur, sosial baxımdan çətin bir hissə: Süni intellekt işləri asanlaşdırır, buna görə də insanlar daha çox iş görürlər. Bu, gözəl ola bilər - daha çox məhsuldarlıq, daha çox yaradıcılıq, daha çox giriş. Lakin bu, həm də daha çox ümumi resurs istifadəsi demək ola bilər. OECD (2012): Enerji Səmərəliliyinin Təkmilləşdirilməsinin Çoxsaylı Faydaları (PDF)

Nümunələr:

  • Əgər süni intellekt video istehsalını ucuzlaşdırırsa, insanlar daha çox video yaradır.

  • Əgər süni intellekt reklamı daha təsirli edirsə, daha çox reklam təqdim olunur və daha çox əlaqə döngəsi fırlanır.

  • Əgər süni intellekt nəqliyyat logistikasını daha səmərəli edərsə, elektron ticarət daha da genişlənə bilər.

Bu, panikaya düşmək üçün bir səbəb deyil. Bu, təkcə səmərəliliyi deyil, nəticələri ölçmək üçün bir səbəbdir.

Qeyri-kamil, lakin əyləncəli bir metafora: Süni intellekt səmərəliliyi yeniyetməyə daha böyük bir soyuducu vermək kimidir - bəli, qida saxlama yaxşılaşır, amma nədənsə soyuducu bir gün ərzində yenidən boşalır. Mükəmməl bir metafora deyil, amma... bunun baş verdiyini görmüsünüz 😅

Müsbət tərəfi: Süni intellekt ətraf mühitə həqiqətən kömək edə bilər (düzgün hədəfləndikdə) 🌿✨

İndi isə qiymətləndirilməyən hissəyə keçək: Süni intellekt mövcud sistemlərdə emissiyaları və tullantıları azalda bilər... açığı, zərif deyil. IEA: Enerji optimallaşdırması və innovasiya üçün süni intellekt

Süni intellekt kömək edə biləcəyi sahələr

Vacib nüans: Süni intellekt "kömək etməsi" süni intellektin təsirini avtomatik olaraq kompensasiya etmir. Bu, süni intellektdən həqiqətən istifadə olunub-olunmamasından və sadəcə daha yaxşı idarəetmə panelləri əvəzinə real azalmalara gətirib çıxarıb-çıxarmamasından asılıdır. Amma bəli, potensial realdır. IEA: Enerji optimallaşdırılması və innovasiya üçün süni intellekt

Ekoloji cəhətdən təmiz süni intellekt versiyasını yaxşı edən nədir? ✅🌍

Bu, "yaxşı, bəs nə etməliyik" bölməsidir. Ətraf mühitə məsuliyyətlə yanaşan yaxşı bir süni intellekt quruluşu adətən aşağıdakılara malikdir:

Əgər hələ də süni intellektin ətraf mühitə necə təsir etdiyini izləyirsinizsə, cavabın fəlsəfi olmağı dayandırdığı və işlək hala gəldiyi nöqtə budur: seçimlərinizə əsasən təsir göstərir.

Müqayisə Cədvəli: təsiri həqiqətən azaldan alətlər və yanaşmalar 🧰⚡

Aşağıda qısa və praktik bir cədvəl verilmişdir. Mükəmməl deyil və bəli, bəzi xanalar bir az fikir ayrılığı yaradır... çünki əsl alət seçimi belə işləyir.

Alət / Yanaşma Tamaşaçı Qiymət Niyə işləyir
Karbon/enerji izləmə kitabxanaları (işləmə vaxtı qiymətləndiriciləri) ML komandaları Sərbəst Görünürlük verir - bu, mübarizənin yarısıdır, hətta qiymətləndirmələr bir az qeyri-səlis olsa belə.. KodKarbon
Avadanlıq gücünün monitorinqi (GPU/CPU telemetriyası) İnfra + ML Pulsuz Real istehlakı ölçür; müqayisəli göstəricilər üçün yaxşıdır (parlaq deyil, amma qızıl rəngdədir)
Model distilləsi ML mühəndisləri Pulsuz (vaxt xərci 😵) Kiçik tələbə modelləri çox vaxt performansı daha az nəticə çıxarma xərci ilə uyğunlaşdırır Hinton və digərləri (2015): Biliyin Neyron Şəbəkəsində Distillə Edilməsi
Kvantlaşdırma (daha aşağı dəqiqlikli nəticə çıxarma) ML + məhsulu Pulsuz Gecikməni və enerji istifadəsini azaldır; bəzən kiçik keyfiyyət güzəştləri ilə, bəzən isə heç biri ilə Gholami və başqaları (2021): Kvantlaşdırma Metodlarının Sorğusu (PDF)
Keşləmə + toplu nəticə Məhsul + platforma Pulsuz Artıq hesablamaları azaldır; xüsusilə təkrarlanan sorğular və ya oxşar sorğular üçün əlverişlidir
Axtarışla artırılmış nəsil (RAG) Tətbiq komandaları Qarışıq "Yaddaş"ı geri yükləməyə sərf edir; böyük kontekst pəncərələrinə ehtiyacı azalda bilər Lewis və digərləri (2020): Axtarışla Genişləndirilmiş Nəsil
İş yüklərinin karbon intensivliyinə görə planlaşdırılması İnfra/ops Qarışıq Çevik işləri daha təmiz elektrik şüşəqaldıranlara keçirir - lakin koordinasiya tələb olunur Karbon İntensivliyi API-si (GB)
Məlumat mərkəzinin səmərəliliyinə diqqət (istifadə, konsolidasiya) İT rəhbərliyi Ödənişli (adətən) Ən az cazibədar, lakin çox vaxt ən böyük qol - yarım boş sistemlərin işləməsini dayandırın Yaşıl Şəbəkə: PUE
İstilikdən təkrar istifadə layihələri İmkanlar Bu asılıdır Tullantı istiliyini dəyərə çevirir; həmişə mümkün deyil, amma mümkün olduqda, bir növ gözəldir
"Burada süni intellektə ehtiyacımız varmı?" yoxlayın Hər kəs Pulsuz Mənasız hesablamaların qarşısını alır. Ən güclü optimallaşdırma (bəzən) "yox" deməkdir

Nəyin çatışmadığına diqqət yetirin? “Sehrli yaşıl stiker al.” O stiker mövcud deyil 😬

Praktik təlimat: məhsulu məhv etmədən süni intellekt təsirini azaltmaq 🛠️🌱

Əgər süni intellekt sistemləri qurursunuzsa və ya satın alırsınızsa, praktikada işləyən real bir ardıcıllıq:

Addım 1: Ölçmə ilə başlayın

  • Enerji istifadəsini izləyin və ya ardıcıl olaraq qiymətləndirin. CodeCarbon: Metodologiya

  • Hər təlim mərhələsi və hər nəticə çıxarma tələbi üçün ölçü.

  • Monitor istifadəsi - boş resursların göz qabağında gizlənməsi mümkündür. Yaşıl Şəbəkə: PUE

Addım 2: Modeli işə uyğun olaraq düzgün ölçüdə düzəldin

  • Təsnifat, çıxarış, marşrutlaşdırma üçün daha kiçik modellərdən istifadə edin.

  • Ağır modelləri sərt korpuslar üçün saxlayın.

  • Bir "model kaskadı"nı nəzərdən keçirin: əvvəlcə kiçik model, yalnız lazım olduqda daha böyük model.

Addım 3: Nəticəni optimallaşdırın (miqyas dişləmələri buradadır)

  • Keşləmə: təkrarlanan sorğular üçün cavabları saxlayın (diqqətli məxfilik nəzarəti ilə).

  • Toplama: aparat səmərəliliyini artırmaq üçün qrup sorğuları.

  • Qısa nəticələr: uzun nəticələr daha baha başa gəlir - bəzən esseyə ehtiyacınız olmur.

  • Sürətli intizam: səliqəsiz sorğular daha uzun hesablama yolları yaradır... və bəli, daha çox token.

Addım 4: Məlumatların gigiyenasını təkmilləşdirin

Bu əlaqəsiz səslənir, amma belə deyil:

  • Daha təmiz məlumat dəstləri yenidən hazırlıq işlərindən imtinanı azalda bilər.

  • Daha az səs-küy daha az təcrübə və daha az boşa sərf olunan qaçış deməkdir.

Addım 5: Avadanlıqlara birdəfəlik deyil, aktiv kimi yanaşın

Addım 6: Yerləşdirməni ağıllı seçin

  • Mümkünsə, enerjinin daha təmiz olduğu çevik işlər həyata keçirin. Karbon İntensivliyi API (GB)

  • Lazımsız təkrarlamanı azaldın.

  • Gecikmə hədəflərini real saxlayın (ultra aşağı gecikmə səmərəsiz daim aktiv quraşdırmalara səbəb ola bilər).

Bəli... bəzən ən yaxşı addım sadəcə budur: hər bir istifadəçi hərəkəti üçün ən böyük modeli avtomatik işə salmayın. Bu vərdiş, hər işığı yandırmaqla ekoloji cəhətdən bərabərdir, çünki açara getmək qıcıqlandırıcıdır.

Ümumi miflər (və həqiqətə daha yaxın olan nədir) 🧠🧯

Mif: “Süni intellekt həmişə ənənəvi proqram təminatından daha pisdir”

Həqiqət: Süni intellekt daha çox hesablama qabiliyyətinə malik ola bilər, lakin eyni zamanda səmərəsiz əl proseslərini əvəz edə, tullantıları azalda və sistemləri optimallaşdıra bilər. Bu, vəziyyətlə bağlıdır. IEA: Enerji optimallaşdırılması və innovasiya üçün süni intellekt

Mif: "Təlim yeganə problemdir"

Həqiqət: Miqyaslı nəticə zamanla üstünlük təşkil edə bilər. Məhsulunuz istifadədə partlayış edərsə, bu, əsas hekayəyə çevrilir. IEA: Enerji və süni intellekt

Mif: “Bərpa olunan enerji mənbələri bunu dərhal həll edir”

Həqiqət: Daha təmiz elektrik enerjisi çox kömək edir, lakin aparat izini, su istifadəsini və ya geri dönüş təsirlərini silmir. Buna baxmayaraq, yenə də vacibdir. IEA: Enerji və süni intellekt

Mif: “Səmərəlidirsə, davamlıdır”

Həqiqət: Tələb nəzarəti olmadan səmərəlilik ümumi təsiri artıra bilər. Bu, geri dönüş tələsidir. OECD (2012): Enerji Səmərəliliyinin Təkmilləşdirilməsinin Çoxsaylı Faydaları (PDF)

İdarəetmə, şəffaflıq və bu barədə teatra girməmək 🧾🌍

Əgər siz şirkətsinizsə, etibarın qurulduğu və ya itirildiyi yer budur.

İnsanların gözlərini yumduğu hissə budur, amma bu, vacibdir. Məsuliyyətli texnologiya təkcə ağıllı mühəndisliklə bağlı deyil. Bu, həm də güzəştlərin mövcud olmadığını iddia etməməklə bağlıdır.

Yekun xülasə: Süni intellektin ətraf mühitə necə təsir etdiyinə dair qısa bir xülasə 🌎✅

Süni intellektin ətraf mühitə təsiri əlavə yükə bağlıdır: elektrik enerjisi, su (bəzən) və aparat tələbatı. IEA: Enerji və süni intellekt Li və b. (2023): Süni intellektin daha az "susuz" olması (PDF) Həmçinin digər sektorlarda emissiya və tullantıları azaltmaq üçün güclü vasitələr təklif edir. IEA: Enerji optimallaşdırması və innovasiyası üçün süni intellekt Xalis nəticə miqyasdan, şəbəkə təmizliyindən, səmərəlilik seçimlərindən və süni intellektin real problemləri həll edib-etməməsindən, yoxsa sadəcə yenilik naminə yenilik yaratmasından asılıdır. IEA: Enerji və süni intellekt

Ən sadə praktik nəticəni istəyirsinizsə:

  • Ölç.

  • Düzgün ölçüdə.

  • Nəticəni optimallaşdırın.

  • Avadanlıqların ömrünü uzadın.

  • Güzəştlər barədə açıq olun.

Əgər özünüzü həddindən artıq yüklənmiş hiss edirsinizsə, sakitləşdirici bir həqiqət var: min dəfə təkrarlanan kiçik əməliyyat qərarları, adətən, bir böyük davamlılıq bəyanatından daha üstündür. Sanki dişlərinizi fırçalamaq kimidir. Cazibədar deyil, amma işləyir.. 

Real həyat nümunəsi: Müştəri dəstəyi üzrə süni intellekt köməkçisinin izini azaltmaq 🌱🎧

Ssenari

Təsəvvür edin ki, kiçik bir onlayn pərakəndə satış şirkəti çatdırılma müddəti, geri qaytarılma, zədələnmiş bağlamalar və məhsulun ölçüsü ilə bağlı müştərilərin ümumi suallarını cavablandırmaq üçün süni intellektdən istifadə etmək istəyir.

Birinci versiya israfçıdır: sual sadə olsa belə, hər bir müştəri mesajı birbaşa mövcud olan ən böyük modelə gedir. Köməkçi həmçinin təsdiqlənmiş cavablardan təkrar istifadə etmək əvəzinə, həddindən artıq uzun cavablar yazır, siyasət mətnini təkrarlayır və eyni sualları minlərlə dəfə təkrar cavablandırır.

Daha ağıllı bir quruluş "süni intellektsiz" deyil. Bu, düzgün ölçülü süni intellektdir: asan tapşırıqlar üçün daha yüngül alətlərdən istifadə edin, mürəkkəb hallar üçün daha böyük modeli saxlayın və hər həll edilmiş bilet üçün təsiri ölçün.

Köməkçinin nəyə ehtiyacı var

Komanda hazırlayacaq:

Mövcud qaytarma siyasəti

Bölgəyə görə çatdırılma qaydaları

Məhsul ölçüləri qeydləri

Geri ödəmələr, şikayətlər və hüquqi məsələlər üçün qısa bir eskalasiya siyasəti

Müştərilərin 50 ümumi sualının siyahısı

Təkrar suallar üçün təsdiqlənmiş qısa cavablar

Sadə bir izləmə vərəqi: sorğu növü, istifadə olunan model, cavab müddəti, eskalasiyaya ehtiyac olub-olmadığı və cavabın insan tərəfindən nəzərdən keçirilib-keçirilmədiyi

Nümunə təlimat

Əvvəlcə ən kiçik uyğun modeldən və ya qayda əsaslı cavabdan istifadə edin. Yalnız müştərinin sualı qeyri-müəyyən, emosional olduqda, birdən çox məsələ ehtiva etdikdə və ya birdən çox siyasətdən məlumatların birləşdirilməsini tələb etdikdə daha böyük modeldən istifadə edin. Müştəri ətraflı məlumat istəmədiyi təqdirdə cavabları 120 sözdən az saxlayın. Etibarlılıq aşağıdırsa, bir aydınlaşdırıcı sual verin və ya insanla danışın. Çatdırılma tarixləri, geri ödəmə təsdiqləri və ya siyasət istisnaları barədə fikirlərinizi uydurmayın.

Bunu necə sınaqdan keçirmək olar

Başlamazdan əvvəl 50 biletlik bir test keçirin:

Çatdırılma ilə bağlı 10 sual

10 qaytarma sualı

Məhsul ölçüsü ilə bağlı 10 sual

10 zədələnmiş əşya şikayəti

10 qarışıq və ya qeyri-müəyyən mesaj

Hər cavab üçün yoxlayın:

Düzgün siyasət istifadə olunubmu?

Təsdiqlənmiş keş cavabı bunu həll edə bilərdimi?

Daha böyük modelə ehtiyac var idimi?

Köməkçi cavabı qısa saxladı?

Hər hansı bir cavab məlumat uydurubmu?

Həssas hallar düzgün şəkildə artdımı?

Münasib keçid balı təxminən belə olardı: siyasət dəqiqliyi 95%, uydurma geri ödəmə vədləri sıfır və ödəniş mübahisələri və ya hüquqi təhdidlərlə bağlı şikayətlərdə 100% eskalasiya.

Nəticə

Optimallaşdırmadan əvvəl və sonra 50 biletli testin vaxtına və sayılmasına əsaslanan nümunəvi nəticə:

Optimallaşdırmadan əvvəl, bütün 50 bilet daha böyük modeldən istifadə edirdi və orta cavab uzunluğu 210 söz idi.

Optimallaşdırmadan sonra 31 bilet keşlənmiş təsdiq edilmiş cavablardan, 14-ü daha kiçik modeldən və yalnız 5-i daha böyük modeldən istifadə etdi.

Orta cavab uzunluğu 210 sözdən 92 sözə düşdü.

İnsanların araşdırma müddəti 4 saat 10 dəqiqədən 1 saat 25 dəqiqəyə düşdü.

Komanda ilk sınaqda 2 səhv siyasət cavabı, daha sonra mənbə sənədlərini yenilədikdən və daha aydın eskalasiya qaydaları əlavə etdikdən sonra 0 səhv siyasət cavabı tapdı.

Bu, köməkçinin "yaşıl" olduğunu sübut etmir. Sadəcə ətraf mühit iddiasını yoxlanıla bilən edən ölçü növünü göstərir: daha az ağır model çağırışları, daha qısa çıxışlar, daha az təkrarlanan nəsillər və daha az qarşısı alına bilən baxış dövrləri.

Nə səhv gedə bilər

Əgər hər bir qeyri-müəyyən mesaj "hər ehtimala qarşı" ən böyük modelə yönləndirilirsə, köməkçi yenə də hesablamanı boşa çıxara bilər.

Keşlənmiş cavablar qaytarma siyasəti dəyişərsə və heç kim onları yeniləməzsə, riskli ola bilər.

Qısa cavablar müştərilərin vacib detalları çıxarması onları məyus edə bilər.

Əgər şirkət ölçmə metodunu göstərmədən yalnız faiz qənaətini bildirirsə, karbon və ya enerji iddiaları yaşıl yuma halına gələ bilər.

Ən böyük səhv model seçimini yeganə amil kimi qəbul etməkdir. Praktikada daha ekoloji iş axını marşrutlaşdırma, keşləmə, daha qısa nəticələr, daha yaxşı mənbə sənədləri və yüksək riskli hallar üçün insan tərəfindən nəzərdən keçirilmədən irəli gəlir.

Praktik yemək

Daha az təsirli süni intellekt sistemi adətən ən dəbdəbəli sistem deyil. Bu, həqiqi istifadəni ölçən, lazımsız ağır nəticələrdən qaçınan, mümkün olduqda təsdiqlənmiş cavablardan təkrar istifadə edən və yenə də insanlara vacib qərarlar üzərində nəzarət imkanı verən sistemdir.

Tez-tez verilən suallar

Süni intellekt yalnız böyük tədqiqat laboratoriyalarında deyil, gündəlik istifadədə ətraf mühitə necə təsir göstərir?

Süni intellektdən əldə edilən təsirin böyük bir hissəsi həm təlim, həm də gündəlik "nəticə çıxarma" zamanı GPU və CPU-ları işlədən məlumat mərkəzlərini enerji ilə təmin edən elektrik enerjisindən gəlir. Tək bir sorğu kiçik ola bilər, lakin miqyasda bu sorğular tez bir zamanda toplanır. Təsir həmçinin məlumat mərkəzinin harada yerləşməsindən, yerli şəbəkənin nə qədər təmiz olmasından və infrastrukturun nə qədər səmərəli işlədilməsindən asılıdır.

Süni intellekt modelini öyrətmək ətraf mühit üçün onu istifadə etməkdən daha pisdirmi (nəticə çıxarmaq)?

Təlim böyük, əvvəlcədən hesablama prosesi ola bilər, lakin nəticə çıxarma zamanla daha böyük təsirə çevrilə bilər, çünki o, daim və böyük miqyasda işləyir. Əgər hər gün milyonlarla insan bir alətdən istifadə edirsə, təkrarlanan sorğular birdəfəlik təlim xərcini üstələyə bilər. Buna görə də optimallaşdırma tez-tez nəticə çıxarma səmərəliliyinə yönəlir.

Süni intellekt niyə sudan istifadə edir və bu, həmişə problemdirmi?

Süni intellekt əsasən sudan istifadə edə bilər, çünki bəzi məlumat mərkəzləri su əsaslı soyutma sisteminə əsaslanır və ya su dolayı yolla elektrik enerjisi istehsalı yolu ilə istehlak olunur. Müəyyən iqlim şəraitində buxarlandırıcı soyutma elektrik enerjisi istifadəsini azalda bilər, eyni zamanda su istifadəsini artıraraq əsl kompromis yarada bilər. Bunun "pis" olub-olmaması yerli su qıtlığından, soyutma dizaynından və su istifadəsinin ölçülüb-idarə olunmamasından asılıdır.

Süni intellekt ətraf mühitə hansı təsir göstərir?

Süni intellekt çiplərdən, serverlərdən, şəbəkə avadanlıqlarından, binalardan və təchizat zəncirlərindən asılıdır - bu da mədənçilik, istehsal, göndərmə və nəticədə utilizasiya deməkdir. Yarımkeçirici istehsalı enerji tələb edir və sürətli yeniləmə dövrləri bədənə daxil olan emissiyaları və elektron tullantıları artıra bilər. Avadanlıqların ömrünü uzatmaq, yeniləmək və istifadəni yaxşılaşdırmaq bəzən model səviyyəli dəyişikliklərlə rəqabət apararaq təsiri əhəmiyyətli dərəcədə azalda bilər.

Bərpa olunan enerjidən istifadə süni intellektin ətraf mühitə təsirini həll edirmi?

Daha təmiz elektrik enerjisi hesablamalardan yaranan tullantıları azalda bilər, lakin suyun istifadəsi, aparat istehsalı və elektron tullantılar kimi digər təsirləri aradan qaldırmır. Həmçinin, daha aşağı xərcli hesablamaların ümumilikdə daha çox istifadəyə səbəb olduğu "geri dönüş effektləri"ni avtomatik olaraq həll etmir. Bərpa olunan enerji mənbələri vacib bir vasitədir, lakin onlar iz yığımının yalnız bir hissəsidir.

Geri dönüş effekti nədir və bu, süni intellekt və dayanıqlılıq üçün nə üçün vacibdir?

Rebound effekti, səmərəliliyin artması bir şeyi daha ucuz və ya asanlaşdırdığı zaman baş verir, buna görə də insanlar daha çox şey edirlər - bəzən qənaəti məhv edirlər. Süni intellektlə daha ucuz generasiya və ya avtomatlaşdırma məzmuna, hesablamaya və xidmətlərə ümumi tələbatı artıra bilər. Buna görə də nəticələrin praktikada ölçülməsi, təkbaşına səmərəliliyi qeyd etməkdən daha vacibdir.

Məhsula zərər vermədən süni intellekt təsirini azaltmağın praktik yolları hansılardır?

Ümumi yanaşma ölçmə ilə başlamaq (enerji və karbon qiymətləndirmələri, istifadə), sonra isə tapşırığa uyğun ölçülü modellər yaratmaq və keşləmə, toplulaşdırma və daha qısa çıxışlarla nəticə çıxarmağı optimallaşdırmaqdır. Kvantlaşdırma, distillə və bərpa ilə artırılmış generasiya kimi üsullar hesablama ehtiyaclarını azalda bilər. Əməliyyat seçimləri - məsələn, karbon intensivliyinə görə iş yükünün planlaşdırılması və daha uzun aparat ömrü - çox vaxt böyük qələbələr gətirir.

Süni intellekt ətraf mühitə zərər vermək əvəzinə, ona necə kömək edə bilər?

Süni intellekt real sistemləri optimallaşdırmaq üçün istifadə edildikdə emissiyaları və tullantıları azalda bilər: şəbəkə proqnozu, tələbə cavabı, binanın HVAC nəzarəti, logistika marşrutlaşdırması, proqnozlaşdırıcı texniki xidmət və sızma aşkarlanması. O, həmçinin meşələrin qırılması barədə xəbərdarlıqlar və metan aşkarlanması kimi ətraf mühitin monitorinqini də dəstəkləyə bilər. Əsas məsələ sistemin yalnız daha yaxşı idarəetmə panelləri deyil, həm də qərarları dəyişdirib ölçülə bilən azalmalar yaradıb-yaratmamasıdır.

Şirkətlər süni intellekt iddialarının "yaşıl yuyulmasından" qaçmaq üçün hansı metrikləri bildirməlidirlər?

Hər tapşırıq və ya hər sorğu üzrə göstəriciləri yalnız böyük ümumi rəqəmlərdən daha çox bildirmək daha mənalıdır, çünki bu, vahid səviyyəsində səmərəliliyi göstərir. Enerji istifadəsini, karbon qiymətləndirmələrini, istifadəni və - müvafiq hallarda - su təsirlərini izləmək daha aydın hesabatlılıq yaradır. Həmçinin vacibdir: sərhədləri (nələr daxil olduğunu) müəyyənləşdirin və kəmiyyətcə sübut olunmayan "ekoloji cəhətdən təmiz süni intellekt" kimi qeyri-müəyyən etiketlərdən çəkinin.

İstinadlar

  1. Beynəlxalq Enerji Agentliyi (BEA) - Enerji və Süni İntellekt - iea.org

  2. Beynəlxalq Enerji Agentliyi (BEA) - Enerji optimallaşdırılması və innovasiyası üçün süni intellekt - iea.org

  3. Beynəlxalq Enerji Agentliyi (BEA) - Rəqəmsallaşdırma - iea.org

  4. Lourens Berkli Milli Laboratoriyası (LBNL) - Amerika Birləşmiş Ştatları Məlumat Mərkəzinin Enerji İstifadəsi Hesabatı (2024) (PDF) - lbl.gov

  5. Li və digərləri - Süni intellektdən daha az “susuzluq” yaratmaq (2023) (PDF) - arxiv.org

  6. ASHRAE (TC 9.9) - Əsas Məlumat Mərkəzlərində Maye Soyutmanın Yaranması və Genişlənməsi (PDF) - ashrae.org

  7. Yaşıl Şəbəkə - PUE-Metrikin Hərtərəfli İmtahanı - thegreengrid.org

  8. ABŞ Energetika Nazirliyi (DOE) - FEMP - Federal Məlumat Mərkəzləri üçün Soyutma Su Səmərəliliyi İmkanları - energy.gov

  9. ABŞ Energetika Nazirliyi (DOE) - FEMP - Məlumat Mərkəzlərində Enerji Səmərəliliyi - energy.gov

  10. ABŞ Ətraf Mühitin Mühafizəsi Agentliyi (EPA) - Yarımkeçiricilər Sənayesi - epa.gov

  11. Beynəlxalq Telekommunikasiya İttifaqı (BTİ) - Qlobal Elektron Tullantıların Monitoru 2024 - itu.int

  12. OECD - Enerji Səmərəliliyinin Təkmilləşdirilməsinin Çoxsaylı Faydaları (2012) (PDF) - oecd.org

  13. Karbon İntensivliyi API-si (GB) - carbonintensity.org.uk

  14. imec - Çip istehsalında ətraf mühitə təsirin azaldılması - imec-int.com

  15. UNEP - MARS necə işləyir - unep.org

  16. Qlobal Meşə Müşahidəsi - Meşələrin qırılması ilə bağlı ŞAD XƏBƏRDARLIQLAR - globalforestwatch.org

  17. Alan Turing İnstitutu - Biomüxtəlifliyin və ekosistem sağlamlığının qiymətləndirilməsi üçün süni intellekt və muxtar sistemlər - turing.ac.uk

  18. CodeCarbon - Metodologiya - mlco2.github.io

  19. Gholami və başqaları - Kvantlaşdırma Metodlarının Sorğusu (2021) (PDF) - arxiv.org

  20. Lewis və digərləri - Axtarışla Genişləndirilmiş Nəsil (2020) - arxiv.org

  21. Hinton və digərləri - Neyron Şəbəkəsində Biliklərin Distillə Edilməsi (2015) - arxiv.org

  22. CodeCarbon - codecarbon.io

Ən son süni intellekt texnologiyalarını rəsmi süni intellekt köməkçisi mağazasında tapın

Haqqımızda

Bloqa qayıt

Əlavə Tez-tez Verilən Suallar

  • Süni intellekt enerji istehlakına necə təsir edir?

    Süni intellekt, əsasən məlumat mərkəzlərində həm təlim modelləri, həm də gündəlik tapşırıqların emalı üçün istifadə olunan elektrik enerjisi vasitəsilə enerji istehlakına əhəmiyyətli dərəcədə təsir göstərir (nəticə). Sorğuların həcmi artdıqca enerji istifadəsi sürətlə toplana bilər.

  • Süni intellektin ətraf mühitə təsirində su hansı rol oynayır?

    Su əsasən müəyyən məlumat mərkəzi qurğularında soyutma üçün istifadə olunur. Soyutma üsullarının seçimi, xüsusən də su çatışmazlığı ilə üzləşən ərazilərdə ümumi su istehlakına əhəmiyyətli dərəcədə təsir göstərə bilər.

  • Süni intellektin ətraf mühitə təsiri yalnız elektrik enerjisi istifadəsinə bağlıdırmı?

    Xeyr, süni intellektin ətraf mühitə təsiri elektrik enerjisi istehlakından kənara çıxır. Buraya həmçinin çiplər və serverlər kimi istehsal avadanlıqlarının təsirləri, eləcə də bu cihazların atılması zamanı yaranan elektron tullantılar daxildir.

  • Ətraf mühitə təsirini azaltmaq üçün süni intellekt necə optimallaşdırıla bilər?

    Süni intellekt optimallaşdırılması modellərin düzgün ölçüləndirilməsi, nəticə çıxarma səmərəliliyinin artırılması, aparatların ömrünün uzadılması və daha təmiz enerji mənbələrindən istifadə daxil olmaqla bir neçə strategiyanı əhatə edə bilər. Keşləmə və toplu sorğular kimi üsullardan istifadə də enerji istifadəsini azaltmağa kömək edir.

  • Süni intellekt və dayanıqlılıq kontekstində geri dönüş effekti nədir?

    Süni intellektdə səmərəliliyin artması istifadənin artmasına səbəb olduqda, geri dönüş effekti yaranır. Məsələn, süni intellekt müəyyən tapşırıqları daha ucuz və asan edərsə, insanlar onları daha tez-tez yerinə yetirə bilərlər ki, bu da səmərəliliyin faydalarını kompensasiya edə bilər.

  • Süni intellekt ətraf mühitin dayanıqlılığına necə müsbət təsir göstərir?

    Süni intellekt müxtəlif sektorlarda səmərəliliyin artırılmasına, logistikanın optimallaşdırılmasına, enerji idarəetməsinin təkmilləşdirilməsinə və tullantıların azaldılmasına kömək edə bilər ki, bu da nəticədə tullantıların azalmasına və ümumi ətraf mühitə daha az təsir göstərməsinə səbəb ola bilər.

  • Süni intellektin ətraf mühitə təsirini qiymətləndirmək üçün hansı ölçülərdən istifadə edilməlidir?

    Mənalı ölçülərə enerji istehlakının, sorğu üzrə karbon emissiyalarının və resurslardan istifadənin izlənməsi daxildir. Bu ölçülər süni intellektin ətraf mühitə təsirinin daha aydın mənzərəsini təqdim edir və onun dayanıqlığını daha dəqiq qiymətləndirməyə kömək edir.

  • Bərpa olunan enerjidən istifadə süni intellektin ətraf mühitə təsirini tam şəkildə azalda bilərmi?

    Bərpa olunan enerjidən istifadə süni intellektdə elektrik istehlakı ilə əlaqəli tullantıları əhəmiyyətli dərəcədə azalda bilsə də, aparat istehsalının təsirləri və elektron tullantılar kimi problemləri həll etmir. Bütün amilləri nəzərə alan vahid yanaşma zəruridir.