AI | 7 年 2024 月 XNUMX 日

画像：Freepik

AI のエネルギー消費は持続不可能な軌道に乗っており、早急な効率化対策が求められています

人工知能 (AI) および機械学習 (ML) テクノロジーが進化するにつれて、エネルギー消費量が急増し、持続可能性に関する重大な課題が生じています。この傾向は、より大規模なモデルの開発とより高い精度の追求によって推進されており、AI の進歩の長期的な存続可能性についての懸念を引き起こしています。ピーターソン国際経済研究所の記事より 業界リーダーが警鐘を鳴らしている、AIの将来が世界のエネルギー能力と環境目標と確実に一致するように、よりエネルギー効率の高い実践への移行を促しています。

• 機械学習のエネルギー消費は持続不可能な方向に進んでおり、 世界のエネルギー生産を上回る恐れがある。より大規模なモデルと広範なトレーニング セットに対する需要により、主にデータ センターでトレーニングと推論の両方のフェーズで電力使用量が急激に増加しています。 AMD の CTO マーク・ペーパーマスター氏の数字は、次のような厳しい現実を浮き彫りにしています。 世界のエネルギー出力と比較した ML システムのエネルギー消費量。テクノロジー業界は歴史的にムーアの法則のような効率革新によって推進されてきたが、現在はエネルギー使用量の増加を犠牲にしてパフォーマンスを重視する「反効率」の時代に直面している。

以下を参照してください。  持続可能性: フィンテックの成長には必須

• 　 音声認識や音声認識などの AI アプリケーションの高精度の追求が主導 企業はエネルギー消費よりも結果を優先する。しかし、この収益性重視は、エネルギー資源と環境の持続可能性に対する潜在的な長期的な影響を見落としています。
• AIの データセンターへの依存 二酸化炭素排出量に大きく貢献しています。これらのセンターだけでなく、 膨大な電力を消費しますが、空調による継続的な冷却も必要です、エネルギー使用量がさらに増加し​​ます。 AIが普及するにつれて、 炭素排出量 データセンターからの負荷が増加し、環境への影響が悪化すると予想されます。 AI テクノロジーの二酸化炭素排出量を削減するという消費者からの商業的圧力が高まっています。消費者が環境的に持続可能な実践をますます好むようになるにつれ、カーボンニュートラルなソリューションを目指す企業は競争力を獲得できる可能性があります。
• GPT-3 などの LLM をトレーニングするプロセスは非常にエネルギーを消費します。 A コーネル大学による最近の研究 記事で引用されているこのモデルのトレーニングでは、石炭燃料の発電所をほぼ半日稼働させるのに匹敵する、炭素 500 トンに相当する電力を消費する可能性があることがわかりました。これらのモデルを更新し続けるには頻繁な再トレーニングが必要であることを考えると、累積的なエネルギー消費と二酸化炭素排出量は膨大になります。 AI モデルのトレーニングはエネルギーを大量に消費することが知られていますが、 推論プロセス (クエリへの応答) はさらに多くのエネルギーを消費する可能性があります。 LLM と対話するユーザーが増えているだけでなく、その依存性と使用率も増加しているため、これは憂慮すべきことです。

以下を参照してください。  カナダの銀行、持続可能性主張を巡り精査に直面

• クラウド データセンターを超えて、 スマートエッジデバイスAI テクノロジーの全体的なエネルギー消費に大きく貢献します。これらのデバイスはモノのインターネット (IoT) に不可欠であり、 世界が発電する電力よりも多くの電力を使用すると予想される、AI 導入のあらゆる側面にわたるエネルギー効率の高いソリューションの必要性を強調しています。
• あり AI企業の透明性の欠如 システムの開発と運用にかかる環境コストについて。この不透明さにより、AI の二酸化炭素排出量の全範囲を評価し、環境への影響を軽減するための効果的な規制を導入することが困難になります。

AI の二酸化炭素排出量を削減する方法 (Google 研究者による)

最近の Google の調査 AI の二酸化炭素排出量の削減に関する研究では、AI システムの環境への影響を最小限に抑えることを目的とした 4 つの重要な実践方法を提案しています。

• パラメータの数を減らす （読み取り精度）、これらのモデルはトレーニングと推論の両方に必要な計算能力が少なく、エネルギー消費量の削減につながり、その結果、二酸化炭素排出量の削減につながります。
• 特殊なプロセッサを使用する 機械学習タスク専用に設計されたプロセッサは、汎用プロセッサよりも効率的です。これらの専用プロセッサーは AI ワークロードをより効率的に処理できるため、AI モデルのトレーニングと実行に必要なエネルギー量を削減できます。

以下を参照してください。  TinyML が日常のデバイスで AI パワーをどのように解き放つか

• クラウドベースのデータセンターを使用する 一般に、ローカル データ センターよりもエネルギー効率が高くなります。スケールメリットの恩恵を受け、高度な冷却およびエネルギー管理テクノロジーをより効果的に実装できます。さらに、クラウド プロバイダーは再生可能エネルギー源に投資することが多く、クラウドでホストされる AI 運用による二酸化炭素排出量がさらに削減されます。
• よりクリーンなエネルギー源の利用可能性に基づいて、データセンターの場所を使用するようにクラウド インフラストラクチャを最適化します。。再生可能エネルギーがすぐに利用でき、手頃な価格の場所を選択することで、AI 企業はデータセンターの電力消費に伴う二酸化炭素排出量を大幅に削減できます。

持続可能なAI開発の展望

より大規模なモデルの開発とより高い精度の追求によって引き起こされる AI の膨大なエネルギー使用は、社会との衝突コースにあります。 地球の環境とエネルギーの持続可能性の目標。かつては効率性を重視したイノベーションで称賛されたテクノロジー業界は、現在、環境への影響よりもパフォーマンスを優先する「反効率」の傾向を逆転させるという課題に直面しています。

AI がデータセンターに依存することによる環境コスト、大規模な言語モデルのトレーニングに必要な集中的なエネルギー、および言語モデルのエネルギー消費の増加 推論プロセス AI の二酸化炭素排出量の多面的な性質を強調します。さらに、スマート エッジ デバイスの急増によりこの問題が悪化する恐れがあり、AI 導入のあらゆる側面にわたる包括的なエネルギー効率の高いソリューションの必要性が強調されています。

以下を参照してください。  AI 革命に向けたビットコインのエネルギー青写真

Google の調査では、スパース モデル、専用プロセッサ、クラウドベースのデータ センターの採用、よりクリーンなエネルギー源を活用するためのこれらのデータ センターの場所の最適化など、AI の環境への影響を軽減するための実行可能な戦略が示されています。これらの推奨事項は、AI 業界が炭素排出量を削減し、世界的な持続可能性の取り組みと連携するためのロードマップを提供します。

　 National Crowdfunding＆Fintech Association (NCFA Canada) は、数千のコミュニティメンバーに教育、市場インテリジェンス、業界管理、ネットワーキングと資金調達の機会とサービスを提供する金融イノベーションエコシステムであり、業界、政府、パートナー、関連会社と緊密に連携して、活気に満ちた革新的なフィンテックと資金調達を創出します。カナダの産業。 分散型かつ分散型の NCFA は世界的な関係者と連携し、フィンテック、オルタナティブ ファイナンス、クラウドファンディング、ピアツーピア ファイナンス、決済、デジタル資産とトークン、人工知能、ブロックチェーン、暗号通貨、レグテック、およびインシュアテック分野におけるプロジェクトや投資の促進を支援します。 。 加入 カナダのFintech＆Funding Communityは今日無料です！ またはになる 貢献メンバー 特典を取得します。 詳細については、以下をご覧ください。 www.ncfacanada.org

• SEO を活用したコンテンツと PR 配信。 今日増幅されます。
• PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
• プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
• プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
• プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
• 情報源： https://ncfacanada.org/rising-ai-energy-use-a-call-for-sustainable-innovation/