人工智能(AI)技術飛速發(fā)展，在賦能千行百業(yè)轉型發(fā)展的同時，也引發(fā)了人們對其用電量及相關溫室氣體排放的擔憂。國際能源署(IEA)數(shù)據(jù)顯示，目前數(shù)據(jù)中心、AI等應用占據(jù)了全球電力需求的2%;然而據(jù)其預測，到2026年，人工智能行業(yè)的用電量將呈指數(shù)級增長，達到其2023年總用電量的10倍。面對這一勢頭，衡量并限制由AI技術發(fā)展帶來的環(huán)境影響，最大化降低其能源消耗，成為當下人們迫切需要解決的問題。
在施耐德電氣，自設立人工智能中心(AI Hub)以來，利用AI技術應對氣候變化等時代挑戰(zhàn)，同時助力用戶實現(xiàn)可持續(xù)發(fā)展目標，便成為施耐德電氣的戰(zhàn)略目標。而在應用AI技術實現(xiàn)能源效率提升的同時，該等式的另一側——AI系統(tǒng)自身消耗了多少能源和資源，也需要我們加以重視。隨著施耐德電氣人工智能專家開發(fā)出評估AI系統(tǒng)效率的方法，在該領域建立全球標準的需求日益清晰可見。
如何設計儉約型AI
2024年1月，施耐德電氣參與到由法國標準化節(jié)機構AFNOR牽頭的“AFNOR儉約型AI規(guī)范”(AFNOR Spec on Frugal AI)的擬定。該規(guī)范旨在定義AI技術應用的最佳實踐，并倡導遵循環(huán)保要求的AI標準。
基于此規(guī)范，我們大力推廣用于AI開發(fā)的儉約化標準，其中包括適度設計、不變的效率追求，以及環(huán)境價值與成本之間的平衡。在與其他參與方合作編寫準則的過程中，我們達成了同一主要目標，即通過向組織和個人提供可用于設計、運營AI系統(tǒng)的實用指南，全方位應對AI技術對環(huán)境帶來的影響。
這項合作共計有140家來自不同領域的組織參與，覆蓋工業(yè)、初創(chuàng)企業(yè)、公共部門、非政府組織和學術機構等。最終，在各方的不懈努力下，通過聚焦“定義與共識”、“環(huán)境指標及方法論”，以及“最佳實踐”三大維度，該文件的相關性和實用性得以切實保證。
達成“儉約”共識
事實證明，基于與各個領域的專家和專業(yè)人士交流想法，而得出的結論更具裨益。其中，“儉約的評估范圍”成為最為激烈的討論之一。在評估一個用于提高能效或減少碳排放的AI系統(tǒng)時，可以比較兩組數(shù)字：
1)應用基于AI技術的解決方案所節(jié)省的碳排放量;
2)因開發(fā)、運行該解決方案所產生的碳排放量。
毫無疑問，前者的數(shù)字會比后者高得多。然而，如果將AI解決方案應用在對減碳沒有直接影響的場景，比如醫(yī)療保健或金融等完全不同的領域，如何權衡這兩者才是關鍵。對此，我們進一步給出了三項定義：
● “高效型AI系統(tǒng)”：重點展示如何通過優(yōu)化AI系統(tǒng)(如模型、數(shù)據(jù)等)，以最大限度地降低其對環(huán)境的影響;
● “儉約型AI服務”：衡量整個服務的價值鏈，及其具體應用;
● “具有積極影響的AI服務”：在給定的影響因素(如碳排放、用水量等)條件下，該服務帶來的積極影響需要大于其消極影響。
憑借自身在AI項目中的豐富實踐和經驗積淀，施耐德電氣能夠為特定行業(yè)的AI應用提供定制化的見解，即在應用AI服務的情境下，指導用戶衡量其影響，并定義儉約概念。在這一過程中，施耐德電氣能夠進一步積累更多寶貴的洞察，持續(xù)優(yōu)化儉約型AI的評估方法論。
AI三問，落實“儉約”
打造儉約型AI解決方案的關鍵在于以下三個問題：
1) 是否需要優(yōu)先應用AI技術?
AI技術的應用，需建立在能夠真正解決問題的基礎上。有些AI解決方案可直接用于節(jié)約能源或減碳，而有些則用作其他用途，比如節(jié)省時間或成本、提高系統(tǒng)可靠性或安全性等。無論在何種情況下，確認是否存在其他方法，以及檢驗AI解決方案是否比該方法更有效，都至關重要。
2) 如何盡可能高效地使用AI技術?
此問題的出發(fā)點在于衡量AI的性價比——將收效及相關成本考慮在內。當應用AI解決方案的目的是節(jié)省能源或減少碳排放時，只需對比其能源與CO2的成本即可;而當用于其他目的時(如安全性)，則需要在評估其能源與CO2成本的同時，找到與提高安全性之間的平衡點。
3) 如何提升AI應用的“碳智慧”?
在整體平衡滿足核心需求的前提下，不斷深挖可優(yōu)化的空間。對于此方面，可通過以下多種方式來實現(xiàn)：
● 減少基于AI技術應用程序的使用頻率，例如，每小時修正一次能源生產/能耗預測，而非每小時四次;
● 使用綠色能源來運行AI 計算;
● 改進解決方案架構，例如增加邊緣側的計算、使用更節(jié)能的硬件等;
● 在模型精度上做出取舍，例如使用更小的數(shù)據(jù)集、更小的的神經網(wǎng)絡，以及使用8位編碼而非64位的參數(shù);
● 在機器學習過程中融入專有知識，例如使用物理信息神經網(wǎng)絡;
● 采用混合方法，例如將AI預測與線性優(yōu)化相結合。
其中的某些方法或對解決方案質量具有潛在影響，因此在實踐中，還需找到該方案的碳足跡與性能之間的折中點。
高效的AI解決方案，引領行業(yè)基準
2024年6月，“AFNOR儉約型AI規(guī)范”這一國際標準的發(fā)布，是推動AI應用環(huán)?；闹匾锍瘫?。這一合作成果不僅豐富了我們應用AI技術的方法，還加強了所有貢獻者在推動可持續(xù)創(chuàng)新方面的承諾。
正如施耐德電氣高級副總裁、首席人工智能官Philippe Rambach所言：“效率一直是施耐德電氣矢志不渝的追求，與此同時，我們也呼吁所有人遵守AI系統(tǒng)與服務在環(huán)境責任方面的最高標準。”通過積極參與“儉約型AI”標準的制定，施耐德電氣將繼續(xù)致力于推動技術進步與環(huán)境可持續(xù)發(fā)展的和諧共生。
（來源：施耐德電氣）
