مدیریت اثرات زیست محیطی هوش مصنوعی
در حالی که مقیاس‌بندی این کاربردهای هوش مصنوعی و یافتن راه‌های جدید برای استفاده از آن برای تسریع اقدامات اقلیمی بسیار مهم است، ما باید هوش مصنوعی را مسئولانه بسازیم و اثرات زیست‌محیطی مرتبط با آن را مدیریت کنیم.
از آنجایی که هوش مصنوعی در نقطه عطف قرار دارد، پیش‌بینی رشد آینده مصرف انرژی و انتشار گازهای گلخانه‌ای از محاسبات هوش مصنوعی در مراکز داده ما چالش برانگیز است. از نظر تاریخی، مصرف انرژی مرکز داده بسیار کندتر از تقاضا برای توان محاسباتی رشد کرده است. در سال 2022، مصرف برق مرکز داده جهانی 1-1.3 درصد از تقاضای نهایی برق جهانی را به خود اختصاص داد.
کارآمدتر کردن محاسبات هوش مصنوعی مستلزم استفاده از روش های اثبات شده برای کاهش انتشار گازهای گلخانه ای است و در عین حال راه های جدیدی را برای افزایش کارایی کشف می کند. برای به حداقل رساندن ردپای کربن بارهای کاری هوش مصنوعی، ما به روش‌های آزمایش‌شده تکیه می‌کنیم که می‌تواند انرژی مورد نیاز برای آموزش یک مدل هوش مصنوعی را تا ۱۰۰ برابر کاهش دهد و انتشارات مرتبط را تا ۱۰۰۰ برابر کاهش دهد. برای پشتیبانی از نسل بعدی پیشرفت‌های هوش مصنوعی، واحدهای پردازش تنسور نسخه 4 ما ثابت شده است که یکی از سریع‌ترین، کارآمدترین و پایدارترین مراکز زیرساخت ML در جهان است. علاوه بر این، مراکز داده ما، جایی که این محاسبات هوش مصنوعی انجام می‌شود، برای به حداکثر رساندن کارایی طراحی، ساخته و اجرا می‌شوند. یک مرکز داده تحت مالکیت و تحت مدیریت گوگل به طور متوسط بیش از 1.5 برابر کارآمدتر از یک مرکز داده معمولی سازمانی است و میانگین اثربخشی مصرف انرژی سالانه (PUE) برای ناوگان جهانی مراکز داده ما در مقایسه با صنعت، 1.10 است. میانگین 1.55
ما برای خنک کردن مراکز داده خود رویکردی آگاهانه نسبت به آب و هوا داریم، زیرا همچنان به حمایت از مصرف مسئولانه آب ادامه می دهیم. مراکز داده مانند رایانه شخصی، گرما تولید می کنند و باید از طریق خنک کننده هوا، خنک کننده آب، مبرد یا ترکیبی از این راه حل ها خنک شوند. برای مراکز داده ما، هدف ما حمایت از عوامل و تصمیمات فرامحلی، از جمله عوامل هیدرولوژی، جغرافیا، انرژی و انتشار است. آب ممکن است کارآمدترین وسیله خنک کننده در بسیاری از مکان ها باشد و در صورت استفاده مسئولانه، می تواند نقش مهمی در کاهش انتشار گازهای گلخانه ای داشته باشد.