Google раскрывает, как искусственный интеллект и машинное обучение формируют стратегию устойчивого развития

джиджоматай - stock.adobe.com

Google приоткрыл завесу над тем, как искусственный интеллект (ИИ) и машинное обучение (МО) помогают ему, помогая потребителям и предприятиям сократить воздействие своей деятельности на окружающую среду, позволяя им вносить коррективы в режиме реального времени, которые могут ограничить выбросы парниковых газов (ПГ). ) выбросы.

Подробности о работе в этой области можно найти в последнем ежегодном отчете технологического гиганта по охране окружающей среды. В документе, охватывающем 12 месяцев до 31 декабря 2022 года, представлены обновленные данные о том, как продвигаются усилия технологического гиганта по круглосуточной работе своих центров обработки данных и офисов на безуглеродной энергии (CFE) и как его усилия по сокращению потребления воды его деятельность продолжается.

«Мы достигли примерно 64% ​​круглосуточного CFE во всех наших центрах обработки данных и офисах, [и] в этом году мы расширили нашу отчетность CFE, включив в нее офисы и сторонние центры обработки данных в дополнение к центрам обработки данных, принадлежащим и управляемым Google. - заявили в компании.

«В конце 2022 года в рамках наших контрактных проектов по водоразделам было пополнено 271 миллион галлонов воды – что эквивалентно более чем 400 бассейнам олимпийского размера – для достижения нашей цели по пополнению 120% используемой нами пресной воды».

В отчете также документально показано, как спустя семь лет после объявления себя «компанией, ориентированной на искусственный интеллект», эта технология лежит в основе собственных усилий компании по смягчению последствий изменения климата.

На данный момент компания заявила, что использует ИИ для ускорения разработки инструментов борьбы с изменением климата, которые могут предоставить «более качественную информацию отдельным лицам, оптимизировать работу организаций, а также улучшить прогнозирование и прогнозирование».

В качестве примера компания указала на то, как Google Maps использует искусственный интеллект, чтобы помочь пользователям планировать поездки более экологичным способом, минимизируя количество топлива и заряда аккумулятора, которые они используют, чтобы добраться из пункта А в пункт Б.

«Экологичный маршрут помог предотвратить выбросы углекислого газа на 1,2 метрические тонны с момента запуска, что эквивалентно снятию с дорог примерно 250 000 автомобилей, работающих на топливе, в течение года», — сообщается в отчете.

Эта технология также оказывается полезной в работе компании по уменьшению воздействия ее моделей искусственного интеллекта на окружающую среду, помогая центрам обработки данных, в которых они размещены, работать более энергоэффективно.

«Мы вложили значительные средства в более чистые облачные вычисления, сделав наши центры обработки данных одними из самых эффективных в мире и получая больше безуглеродной энергии», — говорится в отчете. «Мы помогаем нашим клиентам принимать решения в режиме реального времени по сокращению выбросов и смягчению климатических рисков с помощью данных и искусственного интеллекта».

Чтобы подкрепить эту точку зрения, компания упомянула о развертывании своей функции Active Assist для клиентов Google Cloud, которая использует машинное обучение для выявления неиспользуемых и потенциально бесполезных рабочих нагрузок, чтобы их можно было остановить, чтобы сэкономить деньги и одновременно сократить выбросы углекислого газа в организации. время.

С другой стороны, в отчете далее признается, что наращивание использования ИИ таким образом также увеличивает объем работы, выполняемой его центрами обработки данных, что вызывает опасения по поводу воздействия на окружающую среду и привычек ИИ в потреблении энергии. рабочие нагрузки.

«Поскольку ИИ находится в переломном моменте, прогнозирование будущего роста энергопотребления и выбросов от вычислений ИИ в наших центрах обработки данных является сложной задачей», — говорится в отчете.

«Исторически исследования показали, что по мере роста спроса на вычисления AI/ML энергия, необходимая для питания этой технологии, росла гораздо медленнее, чем предсказывали многие прогнозы. Мы использовали проверенные методы для значительного сокращения выбросов углекислого газа от рабочих нагрузок; В совокупности эти принципы сократили затраты на обучение модели до 100 раз, а выбросы — до 1000 раз».

В отчете добавлено: «Мы планируем продолжать применять эти проверенные методы и продолжать разрабатывать новые способы повышения эффективности вычислений с использованием ИИ».