AI: Tęczowy Wojownik czy Klimatyczny Wandal?

Obserwując doniesienia medialne, możemy odnieść wrażenie, że sztuczna inteligencja staje się kolejnym przedmiotem gorącej dyskusji w kontekście wpływu na środowisko. W wielu wypowiedziach silnie akcentuje się przede wszystkim potencjalne zagrożenia czy wysoki koszt energetyczny, natomiast pozytywne aspekty najczęściej bywają po prostu pomijane. Tego typu narracja może być wynikiem naturalnej ludzkiej reakcji na nieznane. Może wynikać z niepewności związanej z koniecznością dostosowania się do nowych realiów.

W niniejszym tekście spróbuję przedstawić zarówno argumenty zwolenników, jak i przeciwników rozwiązań opartych na sztucznej inteligencji. Celowo nie przytaczam jednak szczegółowych liczb dotyczących wpływu AI na środowisko, gdyż na ten moment brakuje rzetelnych, pełnych danych.  A przytaczanie danych niepełnych może doprowadzić do błędnych wniosków.

Zacznijmy od pozytywów.

AI w służbie Matki Ziemi

Wiemy, że sytuacja, w jakiej znajduje się nasza planeta wymaga zdecydowanej poprawy. Stworzenie symulacji funkcjonowania ekosystemu, która umożliwi przewidywanie skutków działań człowieka wymaga przetworzenia niewyobrażalnej ilości danych z ogromnej liczby sensorów. Skuteczne zarządzanie tak skomplikowaną strukturą jest skrajnie trudne. Zwłaszcza bez pomocy sztucznej inteligencji. AI może pomóc nie tylko w przewidywaniu, ale i naprawie negatywnych skutków. O jej zastosowaniach w badaniach nad klimatem przeczytamy m.in. na łamach Nature czy ScienceDirect.

AI obserwuje zmiany klimatu

Dzięki sztucznej inteligencji opracowano nowatorską metodę rekonstrukcji historycznych danych o ekstremach klimatycznych w Europie w latach 1901 – 2018. Tradycyjne metody statystyczne, z których korzystano do tej pory, były dalekie od ideału. Z powodu luk w danych, zwłaszcza w pierwszej połowie XX wieku,  wyniki dostarczane przez te modele, nie były wystarczająco dokładne. Dopiero uzyskane z pomocą AI rezultaty pokazały precyzyjne trendy (czasowe i przestrzenne) ekstremalnych temperatur. Ta wiedza pozwala nam na lepsze modelowanie ryzyk i tworzenie skuteczniejszych polityk klimatycznych.  

AI na straży zasobów i bioróżnorodności

Monitorowanie populacji owadów to niezwykle trudna sprawa. Klasyfikacji nie ułatwiają niewielkie rozmiary, ruchliwość i nieznana liczba gatunków. Firmy Capgemini, Naturalis Biodiversity Center i AWS wykorzystują analizę dźwięków wydawanych przez owady do identyfikacji i śledzenia ich liczby. To z kolei powinno pomóc podejmować lepsze decyzje w zakresie ochrony bioróżnorodności i zapobieganiu katastrofalnemu spadkowi populacji owadów.

AI pomaga w walce z pożarami

Naukowcy z uniwersytetów w Bangladeszu i Malezji stworzyli z kolei system detekcji pożarów, który pracuje w czasie rzeczywistym. Przy wykorzystaniu zbioru danych z obrazami pożarów wyszkolili lekki model głębokiego uczenia się na bazie systemu YOLO. Model ten jest na tyle oszczędny, że pracuje na jednopłytkowym mikrokomputerze Raspberry Pi 5, który to komputer został sprzężony z dronem DJI F450. Stworzony system detekcji pożarów został przetestowany w różnych „scenariuszach”, takich jak pożary wewnętrzne (w budynkach, obiektach przemysłowych), pożary na otwartych przestrzeniach czy te spowodowane czynnikami naturalnymi. Po wdrożeniu system osiągnął dokładność wykrywania rzędu 89,23%. 

No dobrze, to teraz pora na negatywy.

Mroczna strona AI – energetyczny potwór i wodny smok

Szef firmy Meta podobno powiedział, że pieniądze gigantom technologicznym pewno się nie skończą. Ale prąd może już tak. Pozwolę sobie dodać, że może im zabraknąć również słodkiej wody do chłodzenia ogromnych centrów magazynowania i przetwarzania danych. 

AI – pożeracz energii?

Sztuczna inteligencja i centra danych są częścią teraźniejszości i będą częścią naszej przyszłości. Niestety produkcja i przesyłanie energii nie nadążają z zaspokajaniem zwiększonego popytu. Do tej pory kwestię bezpieczeństwa energetycznego traktowaliśmy jako domenę działań władz państwowych. Dodatkowo branża energetyczna jest wyjątkowo kapitałochłonna i wymaga ciągłej rozbudowy, modernizacji i konserwacji, a sterowanie takim molochem przez średnio wydajny aparat państwowy cechuje duża bezwładność. Dodatkowo musimy pamiętać o tym, że działania polityków bywają często koniukturalne. Vide przykład naszego zachodniego sąsiada, który na fali histerii po katastrofie w Fukushimie, zamknął swoje siłownie atomowe i teraz jest zmuszony ponownie uruchamiać szkodliwe dla środowiska elektrownie węglowe.

W efekcie globalnie dysponujemy średnio wydajnymi systemami produkcji i przesyłu prądu. A cywilizacyjny rozwój wymaga energii. Sztuczna inteligencja i infrastruktura z nią związana są najszybciej rosnącymi odbiorcami, a zabezpieczenie ich potrzeb jest naszym cywilizacyjnym imperatywem. AI napędza kluczowe innowacje w światowej gospodarce. Brak stabilnego zasilania oznacza spowolnienie lub zahamowanie postępu technologicznego, który wpływa na poziom życia nas wszystkich. Teraz i w przyszłości.

ChatGPT – woda w Algorytmie?

Wspomniałem już o tym, że woda jest kolejnym zasobem deficytowym, który media wiążą z nowymi technologiami. Centra danych to duże obiekty pełne serwerów zawierających układy scalone, które przechowują i przetwarzają dane. Te ostatnie, bez odpowiedniego chłodzenia przegrzewają się i psują. Kiedyś były chłodzone tylko powietrzem, jednak wzrost wymagań termicznych wymusił zmianę. Zaczęto stosować wodę, która jest najwydajniejszym z niekłopotliwych mediów chłodzących. Naukowcy z Uniwersytetu Missouri opracowali system chłodzenia dwufazowego, który wykorzystuje zmianę fazy (wrzenie i parowanie) do poprawy odprowadzania ciepła z chipów serwerowych. System ten może działać pasywnie i zużywać minimalną ilość energii przy niskich wymaganiach chłodzenia. Z kolei gdy potrzebne jest wyższe chłodzenie, aktywuje się pompa mechaniczna. Wstępne testy wskazują, że to podejście drastycznie zmniejsza zużycie energii na chłodzenie.

Dodatkowym ograniczeniem wody jest jej przewodność elektryczna. Aktualnie badacze sprawdzają oleje mineralne i syntetyczne w nowych podejściach do chłodzenia cieczą: chłodzeniu zanurzeniowym i chłodzeniu bezpośrednim. To pierwsze polega na zatopieniu sprzętu IT w cieczy chłodzącej. Ciepło jest odbierane bezpośrednio z komponentów. Druga metoda z kolei opiera się na dostarczaniu chłodziwa bezpośrednio do generujących ciepło układów. Pochłanianie ciepła u źródła poprawia wydajność chłodzenia.

Pojawienie się nowych metod umożliwia zastosowanie metody „mix-and-match”, która pozwala zoptymalizować proces chłodzenia.

Jak Ujarzmić Bestię? Ścieżki Ku Zrównoważonej AI

Mniej znaczy więcej – mniejsze modele AI w akcji

Wspomniałem wcześniej o pochodzącym z Azji projekcie systemu detekcji pożarów, w którym zastosowano lekki model głębokiego uczenia się. Tego typu modele są zoptymalizowane pod kątem wydajności, szybkości działania i mniejszych wymagań obliczeniowych, a co za tym idzie, są wydajniejsze energetycznie. Znajdują one zastosowanie wszędzie tam, gdzie dostęp do zasobów sprzętowych jest lub powinien być ograniczony. Myślę o aplikacjach mobilnych (np. smartfony), IoT czyli internecie rzeczy (np. mądra lodówka), robotyce i innych dziedzinach, które dopiero się pojawią. Szerokie zastosowanie optymalnych energetycznie modeli znacząco ograniczy wykorzystanie zasobów środowiska.

Kwantyzacja – mniej dokładnie, ale równie skutecznie

Kwantyzacja dużych modeli językowych ma na celu zmniejszenie rozmiaru przy jednoczesnym zwiększeniu wydajności obliczeniowej. W skrócie polega to na konwersji pewnych parametrów modeli z wysokiej precyzji na niższą. Parametry są zwykle przechowywane jako 32-bitowa liczba zmiennoprzecinkowa. Jeśli dokonamy konwersji na 16-bitową lub 8-bitową (liczba całkowita), zmniejszy się zużycie pamięci, a szybkość obliczeń wzrośnie. W efekcie zużyjemy mniej energii. 

AI – Sługa, Pan czy Partner

Moim skromnym zdaniem pytanie o relacje środowisko – sztuczna inteligencja, jest pytaniem o przyszłość powiązań sztucznej inteligencji z człowiekiem. Lubię studiować historię i ta nastraja mnie optymistycznie. Jestem przekonany, że z etapu, w którym AI służy nam jedynie jako narzędzie, powoli zmierzamy w stronę partnerstwa. I to na każdym poziomie, od codziennego życia począwszy, a skończywszy na szeroko pojętym rozwoju cywilizacyjnym. Być może po drodze będziemy musieli nieco zmodyfikować prawa robotyki stworzone w pierwszej połowie ubiegłego wieku przez Isaaca Asimowa.