Solusi yang didukung AI untuk masa depan yang berkelanjutan
Meneliti manfaat dan biaya AI dalam mengatasi tantangan iklim.
Menyederhanakan AI dengan teknologi Intel® Artificial Intelligence
Menerapkan artificial intelligence sangat penting untuk meningkatkan layanan pelanggan dan mencapai nilai bisnis, tetapi menerapkan infrastruktur AI yang dapat diskalakan menimbulkan tantangan bagi banyak perusahaan. Arsitektur Intel® menawarkan solusi yang cepat dan hemat biaya, yang memungkinkan penerapan produksi yang efisien dengan akses ke ekosistem mitra global untuk keahlian dan solusi AI yang disesuaikan.
Seiring AI mengakar lebih dalam ke masyarakat modern kita, para ilmuwan dan pemikir besar telah mulai mendengungkan manfaat potensialnya bagi dunia. Salah satu peluang yang lebih menarik yang muncul dari hal ini adalah cara AI dapat membantu kita memerangi perubahan iklim. Banyak ahli percaya bahwa algoritma AI deep learning dapat memainkan peran utama dalam mengatasi masalah lingkungan, mulai dari merancang kota yang lebih hemat energi, hingga pemantauan emisi global skala besar, dan bahkan mengoptimalkan penerapan energi terbarukan kita.
Satu penggunaan AI yang spesifik adalah untuk membantu kita mengolah alga laut yang bermanfaat seperti rumput laut dan kelp. Alga ini tidak hanya memberikan potensi yang luar biasa sebagai sumber makanan yang berkelanjutan, tetapi juga dapat berfungsi untuk menangkap karbon dari atmosfer kita dan menguburnya jauh di bawah dasar laut. Bahkan, beberapa penelitian memperkirakan bahwa hutan kelp saja menangkap sekitar 4,5 juta metrik ton karbon dioksida dari air laut setiap tahun.
Namun, ketika suhu laut naik dan hutan kelp menurun, para ilmuwan berbondong-bondong mencari cara untuk memulihkan pasokan kelp kita yang semakin berkurang. Dengan menerapkan penggunaan teknologi AI, konservasionis dapat meningkatkan upaya mereka, mengurai lautan data untuk menghasilkan peta laut prediktif, mengidentifikasi lokasi utama untuk budidaya di masa depan, dan mendeteksi serta mencegah penyakit sebelum hal itu terjadi.
Namun, penggunaan AI itu sendiri mungkin memiliki biaya lingkungannya sendiri, di mana energi yang diperlukan untuk melatih dan menjalankan algoritma ini sering kali mencapai tingkat yang mengejutkan. Studi terbaru telah menunjukkan tren yang mengkhawatirkan di antara developer untuk berfokus pada solusi AI yang lebih menyukai akurasi daripada efisiensi, dengan banyak developer yang beralih ke solusi yang haus daya seperti arsitektur jaringan neural untuk menggerakkan model mereka. Bahkan, satu studi menghitung bahwa melatih satu model neural net transformer menghasilkan sekitar 626 ribu pon emisi CO2 - kira-kira 5 kali emisi seumur hidup dari rata-rata mobil Amerika (termasuk pembuatannya!). Dan seiring peneliti terus menguji, mengembangkan, serta melatih ulang algoritma mereka, mudah untuk melihat bagaimana angka-angka ini terus bertambah dengan cepat.
Jadi, apa yang harus dilakukan oleh teknologis yang berpikiran berkelanjutan?
Untungnya, beberapa peneliti mencari cara untuk mengatasi tren ini, dengan menganjurkan untuk menggunakan efisiensi sebagai kriteria evaluasi utama dalam mengukur kesuksesan model. Mendukung hal ini, perusahaan yang berorientasi solusi seperti Intel mengembangkan teknik ‘machine learning yang lebih hemat daya’, yang bekerja dengan membuang konten yang tidak perlu dari set data pelatihan saat masih dalam bentuk terkompresi. Hasilnya adalah peningkatan besar dalam efisiensi daya ketika melatih model, sekaligus tetap dapat mempertahankan akurasi.
“Solusi untuk membuat AI yang lebih berkelanjutan adalah solusi perangkat lunak dan perangkat keras”, kata Merlin Kister, Direktur Senior di Intel. “Selain itu, melihat dengan model apa Anda memulai dan memastikan ukurannya tepat.”
Kemungkinan lain yang menarik dapat berasal dari pengembangan model AI yang lebih berbasis probabilistik. Model baru ini, seperti yang dikembangkan di Intel, akan memungkinkan fleksibilitas yang jauh lebih besar dalam kemampuan AI untuk mengadopsi penalaran abstrak, yang memungkinkan ekspresi pemrosesan logis dalam jumlah besar, tetapi tanpa memerlukan inferensi brute-forced yang bergantung pada ribuan atau jutaan titik data.
Seperti yang dikatakan Merlin Kister, “Insinyur Intel bekerja keras setiap hari untuk mengembangkan fitur dan teknologi baru yang inovatif untuk dimasukkan ke dalam prosesor kami untuk membuatnya lebih hemat energi sehingga dapat lebih berkelanjutan.”
Pelajari cara memanfaatkan AI untuk organisasi Anda.