Rychle se rozvíjející prostředí AI nově obohatila udržitelná umělá inteligence, která má potenciál přinášet společenský i environmentální prospěch. Průmysl může jejím přijetím snížit dopady umělé inteligence na životní prostředí a zajistit technologický pokrok v souladu s požadavky ekologie. Optimalizace algoritmů, využívání pokročilého hardwaru, zavádění efektivních metodik tréninku a rozšiřování okrajových výpočetních řešení založených na AI pak pomůže s přípravou půdy pro udržitelnou budoucnost.
Především modely umělé inteligence založené na hlubokém učení mají vysoké výpočetní nároky. Trénování těchto modelů v mnoha případech znamená puštění objemných souborů dat neuronovými sítěmi, a to s miliony až miliardami parametrů. Proces vede nejen k vysoké spotřebě energií, ale i ke zvýšení uhlíkové stopy. Například trénování jednoho rozsáhlého jazykového modelu může spotřebovat stejné množství energie, jaké by stovkám domácností vystačilo na několik měsíců. Toto vše přispívá ke změně klimatu i k vyčerpávání zdrojů. Základem udržitelné umělé inteligence je proto optimalizace algoritmů pro zvýšení efektivity bez snížení výkonu. Odborníci také nyní řeší různé strategie, které by k dosažení tohoto cíle měly vést, od zjednodušení modelů přes zlepšení technik předzpracování dat a využití transferového učení po minimalizaci nadbytečných výpočtů.
Nejslibnější strategie udržitelné AI
- Řídké modely – Využívají jen nejdůležitější rysy souboru dat, čímž snižují počet zpracovávaných parametrů a umožňují rychlejší i zdrojově efektivnější trénink.
- Hardwarová akcelerace – Specializovaný hardware jako TPU a FPGA ve srovnání s tradičním CPU nebo GPU zlepšuje energetickou náročnost tréninků.
- Neuromorfní čipy – Jsou inspirované mozkem a umožňují paralelní zpracování i provoz při nízké spotřebě energie.
- Energetická úspora – Decentralizované federativní učení šetří energii a zvyšuje soukromí tím, že snižuje potřebu tréninky zpracovávat centralizovaně.
- Lokální rozhodování – Edge computing ho umožňuje na zařízeních, kde vznikají data, čímž snižuje spotřebu energií i dopad na životní prostředí.
Pro plné využití potenciálu udržitelné umělé inteligence je nezbytné zásady energeticky efektivních modelů začlenit do všech fází výzkumu a zavádění umělé inteligence. Holistický přístup zahrnuje technické aspekty, politické rámce, etické principy a zapojení zúčastněných stran. Výzkumníci proto musí při vývoji nových modelů umělé inteligence před přesností a rychlostí upřednostňovat udržitelnost a energetickou úsporu. Spolupráce akademické obce, průmyslu a vlády je pro zavedení standardů a osvědčených postupů, které podporují zodpovědný vývoj AI, zásadní. Osvětové kampaně pak mohou informovat spotřebitele o dopadu umělé inteligence na životní prostředí a povzbudit je k podpoře ekologicky šetrných technologií.
Cesta k udržitelné umělé inteligenci je teprve na začátku a její úspěch závisí na společném závazku k odpovědnému hospodaření s přírodními zdroji.
