Искусственный интеллект продолжает развиваться в геометрической прогрессии. Он применяется в самых разных сферах нашей жизни, в том числе для борьбы с экологическими проблемами. ИИ действительно может помочь нам защитить окружающую среду, но одновременно влечет за собой определенные риски. Рассказываем, как искусственный интеллект влияет на экологию.
ИИ улучшает прогнозирование погоды и экстремальных явлений
Технологии на основе искусственного интеллекта помогли исследователям достичь точности от 89 до 99% в определении тропических циклонов и атмосферных фронтов. Улучшая точность прогноза погоды, модели искусственного интеллекта увеличивают безопасность людей. Например, сейчас существуют разные программы, которые отправляют смс-сообщения людям того или иного региона, предупреждая их о том, что не следует выходить из дома.
ИИ может отслеживать незаконные вырубки лесов
Благодаря высокой скорости обработки информации искусственный интеллект может практически в режиме реального времени предоставлять спутниковые данные для отслеживания незаконных рубок в лесах. Также ИИ может контролировать качество питьевой воды и прогнозировать, когда растения в том или ином регионе будут нуждаться в поливе.
Обучение искусственному интеллекту — энергоемкий процесс
Дело в том, что большие вычислительные ресурсы, называемые графическими процессорами, потребляют намного больше энергии, чем традиционные процессоры. Тренинги, как правило, проводятся на десятках графических процессоров в течение нескольких дней или даже недель. Согласно данным Международного энергетического агентства, в 2017 году одни только центры обработки данных составили 1% от мирового спроса на электроэнергию. Экологи заявляют, что углеродный след обучения одного ИИ в пять раз превышает углеродный след, который накапливается за срок службы автомобиля.
Можно ли сделать ИИ более экологичным?
Да, даже несколько небольших изменений могут помочь. Во-первых, компаниям, занимающимся разработкой моделей искусственного интеллекта, нужно добиться максимальной эффективности алгоритмов. Тогда процесс обучения будет проходить быстрее и, следовательно, будет задействовано меньше энергетических ресурсов.
Во-вторых, модели нужно использовать повторно. Если крупные исследовательские группы будут оставлять исходный код открытым для проведения последующих экспериментов, более мелким компаниям не придется воспроизводить их на своей стороне.
