Η ανατρεπτική ανηφορική πορεία των προσδοκιών και των ανησυχιών γύρω από την τεχνητή νοημοσύνη συνεχίζεται με αστραπιαίες ταχύτητες, καθώς οι επιχειρήσεις πλησιάζουν ολοένα και περισσότερο στο να κατανοήσουν την ταχέως μεταβαλλόμενη τεχνολογία και τις δυνατές λειτουργίες της μέσα στην επιχείρησή τους. Πρόσφατα, προηγμένες πλατφόρμες τεχνητής νοημοσύνης όπως η generative AI (γεννητική τεχνητή νοημοσύνη) και τα LLMs (μεγάλα μοντέλα γλώσσας) έχουν τεθεί υπό κριτική για την πληθωρική κατανάλωση ενέργειας και το συνακόλουθο οικολογικό τους αποτύπωμα, με κάποιους ερευνητές να υποθέτουν ότι τα LLM καταναλώνουν εκατοντάδες λίτρα γλυκού νερού και παράγουν ετήσιες εκπομπές ισοδύναμες με αυτές ενός μικρού κράτους.
Δείτε ακόμα: Generative AI: Από μόνη της δεν θα βελτιώσει την εμπειρία του πελάτη
Με την παγκόσμια υπερθέρμανση να υπερβαίνει τους 1,5 βαθμούς σε όλο τον κόσμο για πρώτη φορά σε ένα ολόκληρο έτος, οι παγκόσμιοι ενδιαφερόμενοι αμφισβητούν πού πρέπει να επικεντρωθεί η κυρίαρχη ευθύνη για την αποτροπή της επιδείνωσης της κλιματικής κρίσης. Η κλιματική αλλαγή παραμένει ένα θέμα κρίσιμης σημασίας τόσο για τους καταναλωτές όσο και για τις εταιρείες, σε αυτές τις παγκόσμιες προσπάθειες για μείωση των εκπομπών CO2, κάτι που δεν εμποδίζει καθόλου την κοινή εικόνα μιας εταιρείας που χρησιμοποιεί εργαλεία κατανάλωσης AI χωρίς να ελέγχει τον άνθρακα που αφήνει πίσω. Το πιο σημαντικό, η έντονη ανεξέλεγκτη χρήση της AI μπορεί να έχει καταστροφικές συνέπειες για το περιβάλλον – έρευνα από το MIT υποδηλώνει ότι η εκπαίδευση απλώς , που έχει το δυναμικό να αντιμετωπίσει σημαντικά την παγκόσμια πρόοδο στην καταπολέμηση της κλιματικής αλλαγής.
Παρά την προφανή οικολογική απάθεια των πρόσφατων νομοθετικών μέτρων όπως ο νόμος της ΕΕ για την τεχνητή νοημοσύνη και η διαταγή του Προέδρου Biden, που επικεντρώνονται κυρίως σε άλλες πτυχές της ευθύνης της τεχνητής νοημοσύνης, μερικοί μεγάλοι παίκτες στην τεχνητή νοημοσύνη έχουν αρχίσει να αυτορυθμίζονται ενεργά και να εργάζονται για τη βιώσιμη χρήση της τεχνητής νοημοσύνης. Εδώ είναι τρόποι με τους οποίους οι ηγέτες στην τεχνητή νοημοσύνη προσεγγίζουν την τεχνητή νοημοσύνη με οικολογική συνείδηση, διατηρώντας παράλληλα τη βαθιά επιχειρηματική αξία της τεχνολογίας.
Δείτε επίσης: BBC: Δημιουργία Εσωτερικού Μοντέλου Τεχνητής Νοημοσύνης;
Ειδικά σχεδιασμένη τεχνητή νοημοσύνη
Πολλά μειονεκτήματα της γεννητικής τεχνητής νοημοσύνης και των LLM προέρχονται από τα μαζικά αποθέματα δεδομένων που πρέπει να πλοηγηθούν για να παραχθεί αξία. Αυτό δεν αυξάνει μόνο τους κινδύνους όσον αφορά την ηθική, την ακρίβεια και την ιδιωτικότητα, αλλά αυξάνει σημαντικά και τον αριθμό της ενέργειας που απαιτείται για τη χρήση των εργαλείων.
Αντί για υψηλά γενικά εργαλεία τεχνητής νοημοσύνης, οι επιχειρήσεις άρχισαν να κατευθύνονται προς πιο στενά ειδικά εργαλεία τεχνητής νοημοσύνης, εξειδικευμένα για συγκεκριμένες εργασίες και στόχους. Για παράδειγμα, η ABBYY έχει υιοθετήσει αυτήν την προσέγγιση εκπαιδεύοντας τα μοντέλα μάθησης μηχανής και επεξεργασίας φυσικής γλώσσας της ώστε να διαβάζουν και να κατανοούν έγγραφα που περνούν μέσα από τα επιχειρησιακά συστήματα όπως ένας άνθρωπος. Με προεκπαιδευμένες δεξιότητες AI για την επεξεργασία υψηλά συγκεκριμένων τύπων εγγράφων με ακρίβεια 95%, οι οργανισμοί μπορούν να εξοικονομούν δέντρα αποκλείοντας τη χρήση χαρτιού, ενώ μειώνουν επίσης τον όγκο του άνθρακα που εκπέμπεται μέσω των κουραστικών διαδικασιών διαχείρισης εγγράφων.
Δείτε επίσης: Η τήξη των πάγων θα αλλάξει τον χρόνο όπως τον ξέρουμε
Ενδυνάμωση των προγραμματιστών
Οι εταιρείες τεχνητής νοημοσύνης δεν χρειάζεται να αναλάβουν μόνες τους το βάρος της βιώσιμης τεχνητής νοημοσύνης – κάποιες προσπαθούν ενεργά να πετάξουν το παροιμιώδες μπαλάκι στο γήπεδο των προγραμματιστών.
Η OpenAI, η πρωτοπόρος της τεχνητής νοημοσύνης που ευθύνεται για το δημοφιλές ChatGPT, ανακοίνωσε πρόσφατα ότι οι προγραμματιστές μπορούν να δημιουργήσουν τις δικές τους πλατφόρμες “GPT” για ειδικευμένους σκοπούς. Αυτό επιτρέπει στους προγραμματιστές και τις οργανώσεις να περιορίσουν τη χρήση της AI με υψηλό βαθμό προσαρμογής, αφαιρώντας περιττά χαρακτηριστικά και δεδομένα που ενισχύουν την οικολογική ζημιά. Για παράδειγμα, οι προγραμματιστές θα μπορούσαν να σχεδιάσουν GPT για σκοπούς περιορισμένους σε συμβουλές για δημιουργική γραφή, πληροφορίες μαγειρικής, υποστήριξη τεχνολογίας ή οποιοδήποτε άλλο ειδικευμένο σκοπό.
Λαμβάνοντας υπόψη τους αυξημένους κινδύνους για ανακρίβεια και παραβίαση της ιδιωτικότητας που σχετίζονται με υψηλά γενικά μοντέλα AI, οι προγραμματιστές πιθανότατα ενδιαφέρονται να εκμεταλλευτούν αυτές τις πιο περιορισμένες, πιο εξειδικευμένες πλατφόρμες GPT όχι μόνο για την οικολογική τους ευθύνη, αλλά και για βελτιωμένα επιχειρηματικά αποτελέσματα.
Δείτε ακόμα: Τέλος τα διαστημικά ταξίδια που ξέρατε – Ήρθε το Dream Chaser!
Βιώσιμες επιχειρηματικές πρακτικές
Οι εταιρείες πρέπει επίσης να κοιτάξουν πέρα από την τεχνολογία ίδια και να ψάξουν μέσα στον οργανισμό τους για περισσότερους τρόπους να εκμεταλλευτούν βιώσιμα την τεχνητή νοημοσύνη. Για παράδειγμα, η Microsoft αποκάλυψε ότι το υλικό που υποστηρίζει την τεχνητή νοημοσύνη λειτουργεί αποκλειστικά με καθαρή ενέργεια, απαλλάσσοντάς τους από τη δημιουργία των λεγόμενων “λειτουργικών εκπομπών”.
Επιπλέον, οι εταιρείες μπορούν να χρησιμοποιήσουν την τεχνητή νοημοσύνη ως εργαλείο για να εξερευνήσουν άλλες πτυχές της επιχείρησής τους όπου η βιωσιμότητα θα μπορούσε να τεθεί σε προτεραιότητα. Η Forrester τονίζει τις δυνατότητες μέτρησης, αναφοράς και οπτικοποίησης δεδομένων της τεχνητής νοημοσύνης για να υποδείξει ότι θα μπορούσε να καθοδηγήσει έναν κλιματικό επαναστατικό από μόνο του.
Αν και αντικειμενικά σημαντικές, οι εκπομπές δεν είναι το μοναδικό μέτρο που χρησιμοποιείται για να καλύψει τις οικολογικές επιπτώσεις – μελέτες έχουν δείξει ότι ένας συνδυασμός ρομποτικής και τεχνητής νοημοσύνης έχει μειώσει τη χρήση ζιζανιοκτόνων σε κάποια πλαίσια κατά 90%. Καθώς οι εταιρείες συνεχίζουν να ασχολούνται με τη χρησιμότητα και τις συνέπειες της τεχνητής νοημοσύνης, πρέπει να εξερευνήσουν το πλήρες εύρος των δυνατοτήτων της για να ενισχύσουν και να συμβάλλουν στη βιωσιμότητα.
Δείτε επίσης: Το Gaia αποκαλύπτει αρχαία ρεύματα αστεριών στο Γαλαξία μας
Οι επιχειρήσεις αναλαμβάνουν την ευθύνη
Μέχρι στιγμής, η νομοθεσία για την τεχνητή νοημοσύνη έχει αποτύχει σε μεγάλο βαθμό να ελέγξει τις οικολογικές επιπτώσεις της τεχνητής νοημοσύνης, επικεντρώνοντας αντ’ αυτού στην ιδιωτικότητα και άλλους ηθικούς τομείς. Ενώ αυτοί οι τομείς είναι επίσης κρίσιμοι για την υπεύθυνη χρήση της τεχνητής νοημοσύνης, οι επιχειρήσεις πρέπει να παραμείνουν υπεύθυνες για τον τρόπο με τον οποίο αξιοποιούν την τεχνητή νοημοσύνη για τη δημιουργία επιχειρηματικής αξίας.
Το 2023 μπορεί να ήταν ένα έτος υπερβολικής ανάμιξης, θορύβου, προσδοκιών και παρανοήσεων γύρω από την τεχνητή νοημοσύνη, αλλά η ωριμότητα που έχουν αποκτήσει οι επιχειρήσεις τον τελευταίο χρόνο τους έδωσε τα μέσα που χρειάζονται για να λαμβάνουν ενημερωμένες και υπεύθυνες αποφάσεις σχετικά με τη χρήση της τεχνητής νοημοσύνης. Παρόλα αυτά, είναι σοφό να εξετάζουμε, να αμφισβητούμε και να κρατάμε μεγάλες οργανώσεις υπεύθυνες για τον άνθρακα που αφήνουν πίσω και άλλες επιπτώσεις στο περιβάλλον – όσοι προτιμούν την οικολογική τους ευθύνη δεν πρέπει να έχουν τίποτα να κρύψουν.
Πηγή: techradar
