AI を設計によって持続可能にすることがより良い未来への鍵となる

人工知能 (AI) は持続可能性を変革し、矛盾を明らかにしています。エネルギー システムを最適化し、気候リスクを予測し、保全と材料のブレークスルーを加速できます。しかし、大規模なモデルのトレーニング、大規模なデータセットの移動、特殊なハードウェアの更新には、気の遠くなるような規模で電力、水、鉱物が消費されます。

気候目標を達成するためにAIに依存すればするほど、惑星の境界を越えるリスクが高まります。解決策は明らかです。持続可能性は、後付けとして扱わず、最初から AI の設計、測定、ガバナンスに組み込む必要があります。

行動するのは今です。 NTTデータによると、2028年までにデータセンターの電力の半分以上がAIに充てられる可能性があるという。 より環境に優しい明日を実現する持続可能な AI 報告。その時点で、AI だけで米国全世帯の 22% に相当する年間電力を消費する可能性があります。

水の影響も同様に憂慮すべきものです。単一の大規模モデルをトレーニングするには数百万リットルが必要になる可能性があり、10 ～ 50 の単純なクエリでもおおよその量になる可能性があります。 水0.5リットル 冷却と発電を考慮すると。同時にデジタルインフラも 需要を加速する 重要な鉱物については、サプライチェーンのリスクが増大します。

過去 10 年間のほとんどにおいて、AI の進歩はほぼ完全に精度スコアとベンチマークの勝利によって測定されてきました。

持続可能な AI は効率と責任に視点を移す。 これは、原材料の抽出やチップ製造からデータ処理、トレーニング、推論、耐用年数終了に至るまで、ライフサイクル全体にわたって環境への影響を最小限に抑えるという明確な目標を掲げて、システムの設計、トレーニング、展開、廃棄を行うという課題をチームに課します。

実際には、これは、要件を満たす場合に小規模なモデルまたは抽出されたモデルを選択し、最初から再トレーニングするのではなく再利用して微調整し、リソースの効率と透明性を確保するためにコード、パイプライン、インフラストラクチャを構築することを意味します。

その結果、より広義の「最先端」が生まれ、タスクの正確性とともに環境に配慮したパフォーマンスも重視されるようになりました。

持続可能な変化を測定するには、コンプライアンスだけではなく、明確さと一貫性が求められます。

のような枠組みを持つ伝統的な産業とは異なり、 温室効果ガスプロトコルAI には、ライフサイクル全体にわたってエネルギー使用、炭素排出、水消費、電子廃棄物を追跡するための標準化された方法がありません。既存のツールはデータを自動的に記録できますが、使いやすさのために精度を犠牲にすることが多く、組織は断片的で不完全な評価を残すことになります。

AI の環境への影響は地域、インフラストラクチャ、運用慣行によって異なるため、有意義な測定を行うには、多様なデータ ポイントを総合的なリアルタイムのライフサイクル評価に統合する必要があります。

そうして初めて、組織はハードウェアの製造や大規模モデルのトレーニングなど、影響の大きい段階を特定し、リスクを軽減し、回復力を強化し、長期的な価値を生み出すために断固として行動することができます。

2 つの実用的なツールが方向性を示します。のようなツール AIエネルギースコア モデルカード、情報開示、ガバナンスに説明責任を組み込み、エネルギー効率の高い慣行の業界全体の導入を促進します。

ハードウェアレベルでは、 炭素強度の計算 原料抽出、チップ製造、運用エネルギー使用による排出を考慮した、加速器効率の標準化された尺度を提供します。

これらのアプローチを組み合わせることで、効率が目に見えて投資可能になり、持続可能性をレトリックからロードマップへと移行させます。

AI をより持続可能なものにするためにすぐに実行できる 5 つのアクションを紹介します。

AI の環境フットプリントは複雑すぎて、単一の主体が単独で解決するには困難です。エネルギープロバイダー、ハードウェアメーカー、クラウドおよびデータセンターのオペレーター、開発者、投資家、規制当局、顧客、および電子廃棄物パートナーはすべて、結果を形成します。

真の進歩は、エネルギーと水の使用に関するオープンなベンチマークを構築し、共通のライフサイクル評価手法を採用し、ベストプラクティスを共有し、実際の規模よりも効率を重視する政策を推進するなど、私たちが協力するときに実現します。

グリーン ソフトウェア パターンや標準化された開示などの業界の取り組みにより、すでに底上げが行われています。次のステップは、リーダーが上限を引き上げ、他の人がそれに基づいて構築できるデータ、成果物、事例研究を提供することです。

持続可能な AI はイノベーションの制約ではありません。それは、より優れたエンジニアリングとよりレジリエントなビジネスの触媒となります。

効率を追求するチームは、より高速なモデル、より低いコスト、そして適切に拡張できる製品を発見します。取締役会は、ネットゼロと自然の目標に対して確実な進歩を遂げています。そして、AI が将来を抵当に入れることなく洞察を提供できるため、社会に利益がもたらされます。

私たちの目的地は明らかです。それは、パフォーマンスと地球規模の管理が共に進歩する AI エコシステムです。そこに到達するためには、私たちが今行う選択から始まります。何が重要かを測定し、十分なエンジニアリングを行い、持続可能性をすべてのモデル、ワークロード、購入決定における第一級の要件として扱います。