DEBATT:
Veien til full AI-effekt er lang – og den krever en miljøbevisst tilnærming!
Når og hvordan er det smart å bruke kunstig intelligens, og hva kan du forvente? Har du tenkt på hvordan det kan gjøres mest mulig energieffektivt?
Mange arrangementer hadde AI på sin «meny» under Arendalsuka 2024. Folk flest tror at AI kun er generativ AI. Men kunstig intelligens er ikke bare «store» språkmodeller. Omfanget av disse kan og bør absolutt tilpasses behovet til brukerne, slik at energibruken knyttet til AI-utviklingen i seg selv, forblir lavest mulig – samtidig som adopsjonen av denne teknologien ikke bremses.
Teknologiselskaper som Schneider Electric har i minst 10 år tatt i bruk diskriminativ AI, digital tvilling, maskinlæring og etter hvert også generativ kunstig intelligens i effektiviseringsøyemed.
Den ekstreme økningen man forventer i bruken av AI fremover, reiser nå et viktig spørsmål: er vi klare over omfanget av energiforbruket og klimagassutslippene AI-utviklingen medfører?
IEA spår at AI-sektoren vil tidoble seg innen 2026 sammenlignet med 2023. Derfor mener vi i Schneider Electric at det er kritisk å måle og begrense miljøpåvirkningen til kunstig intelligens. Vi etterstreber å holde energiforbruket knyttet til AI på et lavest mulig nivå, samtidig som vi tar i bruk fordelene av kunstig intelligens til våre formål: avkarbonisering gjennom energi- og ressurseffektivisering.
AI og smart energistyring
Av alle områder vi vet man kan anvende AI på i dag, er det åpenbart for oss at energieffektivisering bør prioriteres fordi det bidrar til å begrense energiforbruket i alle segmenter – ikke minst i datasentre som leverer kunstig intelligens.
Av alle områder vi vet man kan anvende AI på i dag, er det åpenbart for oss at energieffektivisering bør prioriteres fordi det bidrar til å begrense energiforbruket i alle segmenter – ikke minst i datasentre som leverer kunstig intelligens.
Når vi anvender AI, er det topprioritet for oss å få oversikt over både det økte energiforbruket og tilhørende klimautslipp i datasentre som leverer kunstig intelligens og besparelsene man får i form av energieffektivisering ved hjelp av smartere energistyring.
Dette fokuset på å bruke AI på en bærekraftig måte, er det vi kaller for “Frugal AI”, eller på norsk en fornuftig og nøysom bruk av kunstig intelligens – med fokus på effektiviseringsresultatene det fører til.
Hvordan utvikle «Frugal AI»-systemer?
AI-eksperter i Schneider Electric har jobbet med å utvikle egne metoder for å vurdere effektiviteten til ulike AI-systemer. I denne prosessen fant de raskt ut at det var behov for å etablere globale standarder på dette feltet.
I januar 2024 inngikk Schneider Electric et samarbeid med det franske standardiseringsorganet AFNOR, som tok initiativet til å utvikle en standard for «frugal bruk av kunstig intelligens», «AFNOR Spec on Frugal AI». Med «frugal AI» mener man at det handler om å maksimere effektiviteten, samtidig som man minimerer ressursforbruket ved utvikling av AI.
Her kommer et enkelt, teoretisk eksempel:
Vi satser på å legge til servere med 100 kilowatt effekt i et datasenter med mål om å effektivisere driften i et gitt produksjonsanlegg. Denne energien bør helst genereres med fornybare kilder, og varmen som serverne produserer, kan i mange tilfeller gjenbrukes for å øke energieffektiviteten ytterligere. Hvis disse serverne fører til en besparelse på én prosent av energien som produksjonsanlegget vanligvis behøver, for eksempel én gigawatt, vil vi totalt spare 10 MW kraft. Dermed vil energiforbruket til det dedikerte datasenteret være cirka 100 ganger mindre enn energien som spares i produksjonsanlegget.
Vi er veldig opptatt av å spre ordet, derfor har vi nylig utviklet en hel serie med podkaster om AI, blant annet denne om «Frugal AI». Den forklarer vår posisjon med tanke på en edruelig tilnærming til kunstig intelligens og hvor viktig det er å konstant etterstrebe effektivitet – med fokus på riktig balanse mellom miljøverdi og kostnader.
I sin tilnærming fokuserer Schneider Electric på å gi praktisk veiledning for utvikling av AI-baserte systemer. Samarbeidet vi snakker om, har involvert 140 deltakere som representerer et mangfold av organisasjoner: fra industribedrifter, startups og offentlig sektor til frivillige organisasjoner og akademia. Tre arbeidsgrupper har fokusert på temaene «definisjoner og kommunikasjon», «miljøindikatorer og metodikk» og «beste praksis».
Ønsker du virkelig å få full effekt av kunstig intelligens? Skap en helhetlig strategi for å introdusere den i din virksomhet. Sett deg klare mål og ha en god plan for å spre bruken av AI i din virksomhet, gjerne et program som baserer seg på kompetansebygging, samt god prosjektstyring.
Gjør grunnjobben med data nå!
AIs effekt blir vanligvis overvurdert på kort sikt og undervurdert på lang sikt. Med det mener vi at det vil ta tid å utvikle språkmodeller som vil gi full effektiviseringseffekt. Vi bør ikke forvente for mye for tidlig.
AI-effekten er avhengig av å eie gode data. Så det å lykkes med AI-teknologiene som finns i dag, og som vi vet kommer til å bli mer utbredt i fremtiden, er avhengig av innsamling og strukturering av data fra eksisterende infrastruktur.
Det kan rettferdiggjøres i mange sammenhenger å investere mer i detaljert målerdata fra for eksempel den elektriske/mekaniske infrastrukturen i virksomheter. God data sørger for at man kan ta i bruk verktøyene som finns i dag, samtidig som det gjør oss godt forberedt for å rapportere om bærekraft og ta i bruk fremtidige AI-verktøy.
Med andre ord: gjør grunnjobben nå, kvalitetssikre dataene dine, hvis du ennå ikke har funnet ut hvordan du best kan benytte deg av kunstig intelligens.
