Post by account_disabled on Apr 4, 2024 0:43:27 GMT -6
隻眾所周知的沒有牙齒的紙老虎，還是一頭會維護自己權利的獅子？ 我想透過這篇文章來展示為什麼 CSRD 指令可能與人工智慧和 IT 基礎設施的生態足跡的發展有關。我還想提供有關如何參與 CSRD 諮詢過程的資訊。該活動將持續到 2022 年 8 月 8 日。 人工智慧真的代表了永續發展議題嗎？ 訓練大型機器學習模型需要消耗大量能源——這就是我們對人工智慧和永續性的了解（請參閱 Stubell 等人，2019 年）。推理是指模型的實際使用，在某些情況下也可以代表一個重要因素，甚至超過訓練的能耗（Leopold 2019）。兩者肯定都會引起關注，因為人工智慧領域的趨勢首先是朝著更複雜的模型發展，其次是朝著更多的使用時刻發展（參見Open AI 2018）。所有這些都表明，人工智慧對於未來資源的可持續利用將變得更加重要（參見Kaack 等人，2022 年；Rhode 等人，2022 年；Zielinski 等人，2022 年）。此外，IT 基礎架構的建置通常非常耗費資源。
人工智慧應用的硬體導致了一系列複雜的新問題實踐，例如影響資源消耗或製造人工智慧產品和所需硬體的工作條件（請參閱Crawford 2021）。由於人工智慧的生產和使用方式，出現了這樣的問題：人工智慧在這些條件下如何永續，以及這種人工智慧會對我們 英國電話號碼 的環境和社會產生什麼長期影響。 然而，目前的問題是我們缺乏良好且精確的數據，這就是為什麼我們無法量化人工智慧的實際生態影響。由於人工智慧產業的能源消耗和其他資源記錄不足，研究必須使用少數可用的、幾乎不具代表性的數據。在它們缺失的地方，我們依賴模糊的假設。然而，為了推動這一領域的生態變化，我們需要準確的數據和對生態影響的詳細、現實的概述。 我們如何保證更好地記錄人工智慧應用在其整個生命週期內的生態影響？ 到目前為止，人工智慧模型的能耗記錄都是自願性的。
Huggingface是一個人工智慧模型託管平台，它非常清楚地表明了這一點。在這裡，使用者可以填寫模型卡，其中包含模型訓練的能耗資訊和訓練位置資訊。不幸的是，這個數據非常不可靠。 55,000 個型號中只有 400 個甚至有能耗描述。提供有關其地理位置的資訊的人更少，而這些資訊與二氧化碳排放量相關，因為這些資訊因地點和能源來源而異。為了記錄您自己的消耗情況，有一些工具可以估算能源消耗，例如Cloud Carbon Footprint、Green Algorithms和Code Carbon。但我們需要強制記錄雲端供應商和商業人工智慧生產商所需原材料及其處理、資料傳輸、培訓和推理的實際能源消耗和二氧化碳排放量。如果沒有可靠的文件記錄，所有這些數字都將只是估計值，因此不會產生影響，因為它們使得無法確定實際有問題的趨勢、做法和參與者。
人工智慧應用的硬體導致了一系列複雜的新問題實踐，例如影響資源消耗或製造人工智慧產品和所需硬體的工作條件（請參閱Crawford 2021）。由於人工智慧的生產和使用方式，出現了這樣的問題：人工智慧在這些條件下如何永續，以及這種人工智慧會對我們 英國電話號碼 的環境和社會產生什麼長期影響。 然而，目前的問題是我們缺乏良好且精確的數據，這就是為什麼我們無法量化人工智慧的實際生態影響。由於人工智慧產業的能源消耗和其他資源記錄不足，研究必須使用少數可用的、幾乎不具代表性的數據。在它們缺失的地方，我們依賴模糊的假設。然而，為了推動這一領域的生態變化，我們需要準確的數據和對生態影響的詳細、現實的概述。 我們如何保證更好地記錄人工智慧應用在其整個生命週期內的生態影響？ 到目前為止，人工智慧模型的能耗記錄都是自願性的。
Huggingface是一個人工智慧模型託管平台，它非常清楚地表明了這一點。在這裡，使用者可以填寫模型卡，其中包含模型訓練的能耗資訊和訓練位置資訊。不幸的是，這個數據非常不可靠。 55,000 個型號中只有 400 個甚至有能耗描述。提供有關其地理位置的資訊的人更少，而這些資訊與二氧化碳排放量相關，因為這些資訊因地點和能源來源而異。為了記錄您自己的消耗情況，有一些工具可以估算能源消耗，例如Cloud Carbon Footprint、Green Algorithms和Code Carbon。但我們需要強制記錄雲端供應商和商業人工智慧生產商所需原材料及其處理、資料傳輸、培訓和推理的實際能源消耗和二氧化碳排放量。如果沒有可靠的文件記錄，所有這些數字都將只是估計值，因此不會產生影響，因為它們使得無法確定實際有問題的趨勢、做法和參與者。
