Messung der Umweltauswirkungen von KI

Wie misst man die Umweltauswirkungen von KI? Dies war ein weiteres wichtiges Thema, das auf dem AI Standards Hub Global Summit diskutiert wurde, und hier ist, was ich gelernt habe:

1. Wie definiert man Grenzen bezüglich Trainingsläufen und Telekommunikationskosten?

Was macht einen Trainingslauf aus? Ist es eine einzelne Iteration eines Algorithmus? Ein vollständiger Trainingszyklus bis zur Konvergenz? Oder der gesamte Lebenszyklus der Modellentwicklung, einschließlich Experimentieren und Hyperparameter-Tuning? Jede Definition führt zu unterschiedlichen Energieverbrauchszahlen.

2. KI-Anwendungen beinhalten häufig massive Datenübertragungen zwischen Geräten (z. B. Smartphones, Sensoren) und Rechenzentren.

Die Messung des Energieverbrauchs während dieser Übertragungen ist schwierig, da sie von vielen Faktoren abhängt.

3. Die praktische Herausforderung liegt darin, die granularen, genauen Daten zu erhalten, die für eine präzise Messung erforderlich sind:

Einige Daten können proprietär sein (z. B. Energie, die zur Übertragung von Daten für eine bestimmte KI-App verwendet wird) oder unmöglich zu beschaffen sein (wie die Umweltauswirkungen des Abbaus und der Herstellung der gesamten Hardware, die in einem KI-System verwendet wird).

4. KI ist eng mit breiteren digitalen Technologien verknüpft, und es ist schwierig, den spezifischen ökologischen Fußabdruck von KI von den Gesamtauswirkungen der Digitalisierung zu isolieren.

5. Indirekte Umweltauswirkungen, die Sie möglicherweise nicht berücksichtigen - KI-gesteuerte Änderungen im Verbraucherverhalten:

Sie könnten sich entscheiden, Ihr älteres, aber noch funktionierendes Telefon früher durch ein neueres mit KI-gestützten Funktionen zu ersetzen, als Sie es ohne die KI-Entwicklung getan hätten. Dieser erhöhte Konsumzyklus trägt zur gesamten Umweltbelastung bei.

6. Die Elektrifizierung des Verkehrs erhöht die Stromnachfrage neben der KI.

Dies belastet bestehende Stromnetze und wirft Bedenken hinsichtlich der Umweltauswirkungen der Stromerzeugung auf, insbesondere wenn sie stark von fossilen Brennstoffen abhängt.

Einige der vorgeschlagenen Lösungen?

• Beschleunigung und Verbesserung der Umweltverträglichkeitsprüfung von KI: Befähigung von Standardisierungsexperten sowie KI- und anderen Forschern (die ihr Wissen über Forschungsmethoden einbringen), zusammenzuarbeiten.
• Nutzung der zunehmenden Digitalisierung von Standards, um schnellere Forschung zu ermöglichen (z. B. durch Querverweise und Verwendung vorhandener Wörterbücher)

Vielen Dank an Dr. Valerie Livina CMath FIMA, Juliette Fropier, Arti Garg und Uzma Chaudhry für diese fantastische Diskussion!