Konferencja MIT zwraca uwagę na obciążenie energetyczne centrów danych związane ze sztuczną inteligencją

Powracającym tematem było zapotrzebowanie sztucznej inteligencji na energię elektryczną oraz sprzeciw opinii publicznej wobec nowych centrów danych podczas corocznej konferencji naukowej MIT Energy Initiative, jak wynika z podsumowania wydarzenia opublikowanego przez MIT. Konferencja, która odbyła się w dniach 22–23 września, dotyczyła również wykorzystania dwutlenku węgla, energii jądrowej, optymalizacji sieci energetycznej oraz narzędzi kwantowych w zastosowaniach energetycznych.

MIT podał, że w wydarzeniu „Energizing@MIT” wzięło udział ponad 200 osób – zarówno osobiście, jak i online – w tym naukowcy, przedstawiciele firm energetycznych, organizacji non-profit oraz środowiska akademickiego. W przemówieniu otwierającym, cytowanym przez MIT, dziekan Wydziału Inżynierii Paula Hammond stwierdziła, że transformacja energetyczna wymaga podejścia interdyscyplinarnego, obejmującego materiałoznawstwo, inżynierię, ekonomię, politykę oraz zachowania ludzkie.

Dlaczego centra danych wykorzystujące sztuczną inteligencję wyróżniały się na tle innych

Najbardziej wyraźną kwestią związaną z AI w relacjach z konferencji był rozwój energochłonnych centrów danych. MIT zacytował głównego naukowca z MITEI, Deepjyotiego Dekę, który sformułował kluczowe wyzwanie dla AI: czy jest ona w stanie poprawić wydajność i przyspieszyć innowacje szybciej niż wzrasta zużycie energii elektrycznej w wyniku uczenia maszynowego i wdrażania rozwiązań.

Steve Clemmer z organizacji Union of Concerned Scientists, cytowany w raporcie MIT, stwierdził, że nowe obiekty sztucznej inteligencji działające w skali hiperskalowej mogą zużywać więcej energii niż całe miasta. Argumentował również, że większe centra danych mogą spowodować wzrost hurtowych kosztów energii elektrycznej oraz zwiększyć zużycie paliw kopalnych, o ile decydenci i deweloperzy nie połączą ekspansji z wykorzystaniem czystej energii, ochroną odbiorców energii oraz innymi zabezpieczeniami.

Ma to znaczenie nie tylko dla przedsiębiorstw użyteczności publicznej i dostawców usług w chmurze. Jeśli zapotrzebowanie na energię elektryczną będzie rosło szybciej, niż będą w stanie nadążyć sieci przesyłowe, elektrownie i lokalne procedury wydawania zezwoleń, infrastruktura sztucznej inteligencji stanie się nie tylko kwestią obliczeniową, ale także problemem związanym z planowaniem regionalnym i akceptacją społeczną.

Zaufanie, wydawanie zezwoleń i opór społeczny

Kolejnym istotnym zagadnieniem było zaufanie społeczne. MIT podało, że Kathryn Kline Tyndall z Bipartisan Policy Center wezwała deweloperów do wczesnego udostępniania przystępnych informacji na temat skutków związanych z energią, wodą, zagospodarowaniem terenu, środowiskiem oraz gospodarką dla każdej gminy przyjmującej inwestycję.

Według raportu Larry Susskind z MIT poszedł jeszcze dalej, twierdząc, że deweloperzy powinni negocjować realne korzyści dla społeczności, zamiast oczekiwać szybkiego uzyskania zgody. Jego stwierdzenie, że projekty muszą przebiegać z “prędkością zaufania”, trafnie oddaje praktyczne ograniczenie rozwoju infrastruktury sztucznej inteligencji: nawet tam, gdzie istnieje popyt kapitałowy i techniczny, lokalna akceptacja może nadal spowalniać wdrażanie.

Hipotetycznym przykładem jest firma planująca budowę nowego centrum danych opartego na sztucznej inteligencji w pobliżu rozwijającego się obszaru metropolitalnego. Nawet jeśli zapotrzebowanie na moc obliczeniową jest rzeczywiste, projekt może napotkać opóźnienia, o ile operator nie wyjaśni wpływu na sieć energetyczną, zużycia wody oraz korzyści dla lokalnej społeczności w sposób, który mieszkańcy uznają za wiarygodny.

Szerszy zakres technologii energetycznych w programie obrad

Konferencja nie ograniczała się wyłącznie do tematyki sztucznej inteligencji. W relacji MIT zwrócono uwagę na dyskusje dotyczące ponownego uruchomienia mocy jądrowych, rozbudowy floty reaktorów we Francji, zastosowań wychwyconego dwutlenku węgla na skalę przemysłową oraz inicjatyw start-upowych, w tym narzędzia opartego na sztucznej inteligencji opracowanego przez firmę Adaion dla przedsiębiorstw energetycznych, którego celem jest optymalizacja wykorzystania sieci energetycznej.

MIT przedstawił również wstępne badania dotyczące algorytmów dyspozycji elektrowni, modelowania dekarbonizacji, produkcji wodoru oraz czujników kwantowych. W tym kontekście dyskusja na temat sztucznej inteligencji wydaje się być nie tyle odrębnym trendem, co raczej jednym z punktów spornych w ramach znacznie szerszej debaty na temat transformacji energetycznej.

Z podsumowania konferencji nie wynika jasno, jak szybko te obawy przełożą się na konkretne zmiany w polityce, decyzje dotyczące zamówień publicznych w sektorze energetycznym lub nowe standardy dotyczące lokalizacji infrastruktury sztucznej inteligencji. Przesłanie płynące z tego wydarzenia jest jednak dość jednoznaczne: rozwój sztucznej inteligencji jest obecnie nierozerwalnie związany z kwestiami dotyczącymi systemów elektroenergetycznych, lokalnej akceptacji społecznej oraz tempa dekarbonizacji.

Źródło: oryginalny artykuł opublikowany przez MIT News. Powyższe stwierdzenia odzwierciedlają informacje zawarte w tym źródle.

Zapoznaj się z powiązanymi artykułami w naszej sekcji Sekcja wiadomości o sztucznej inteligencji.

Praktyczne zastosowania sztucznej inteligencji

Uwaga dla partnerów — Implementi.ai: W miarę jak wdrażanie sztucznej inteligencji powoduje coraz większą kontrolę kosztów infrastruktury i wydajności operacyjnej, firmy mogą potrzebować lepszego wglądu w to, gdzie kanały cyfrowe faktycznie generują wartość. Narzędzia takie jak Automatyzacja atrybucji marketingowej oparta na sztucznej inteligencji może pomóc zespołom w dokładniejszym oszacowaniu popytu przed rozszerzeniem kampanii lub procesów pozyskiwania klientów.