ترن هوایی انتظارات و نگرانی‌ها همچنان با سرعتی سرسام‌آور به چرخش خود ادامه می‌دهد، زیرا شرکت‌ها هرچه بیشتر به درک فناوری به سرعت در حال تغییر و عملکردهای احتمالی آن در تجارت خود نزدیک‌تر می‌شوند. اخیراً، پلت‌فرم‌های پیشرفته هوش مصنوعی مانند هوش مصنوعی مولد و مدل‌های زبان بزرگ (LLM) به دلیل مصرف انرژی زیاد و متعاقب آن تأثیرات زیست‌محیطی مورد تحلیل قرار گرفته‌اند، با برخی از محققان این فرضیه که LLM‌ها صدها لیتر آب شیرین مصرف می‌کنند و انتشار سالانه معادل آن را تولید می‌کنند. کشور کوچک

از آنجایی که گرمایش جهانی برای اولین بار در طول یک سال به بیش از 1.5 درجه می‌رسد، ذینفعان جهانی این سوال را مطرح می‌کنند که مسئولیت اصلی در جلوگیری از بدتر شدن بحران آب و هوا کج است. تغییرات اقلیمی در میان این تلاش‌های جهانی برای کاهش انتشار دی‌اکسید کربن، موضوعی حیاتی برای مصرف‌کنندگان و شرکت‌ها باقی می‌ماند که برای تصویر عمومی هر شرکتی که از ابزارهای هوش مصنوعی مصرفی استفاده می‌کند بدون اینکه ردپای کربن خود را تحت کنترل قرار دهد، بد جلوه می‌دهد. مهمتر از آن، استفاده بی‌رویه و کنترل نشده هوش مصنوعی می‌تواند عواقب فاجعه‌باری برای محیط زیست داشته باشد – تحقیقات MIT نشان می‌دهد که آموزش فقط، که پتانسیل مقابله با پیشرفت جهانی در مبارزه با تغییرات آب و هوا را دارد.

علی‌رغم بی‌تفاوتی آشکار اکولوژیکی قوانین اخیر مانند قانون هوش مصنوعی اتحادیه اروپا و فرمان اجرایی رئیس جمهور بایدن، که عمدتاً بر جنبه‌های دیگر مسئولیت هوش مصنوعی تمرکز دارد، برخی از بازیگران اصلی هوش مصنوعی شروع به تنظیم فعالانه خود کرده‌اند و برای استفاده پایدار از هوش مصنوعی کار می‌کنند. در اینجا راه هایی وجود دارد که رهبران هوش مصنوعی با آگاهی زیست محیطی به هوش مصنوعی نزدیک می شوند و در عین حال ارزش تجاری عمیق این فناوری را حفظ می کنند.

هوش مصنوعی هدفمند

بسیاری از معایب هوش مصنوعی و LLM های مولد ناشی از ذخیره انبوه داده هایی است که باید برای به دست آوردن ارزش پیمایش شوند. این نه تنها خطرات اخلاقی، دقت و حریم خصوصی را افزایش می دهد، بلکه میزان انرژی مورد نیاز برای استفاده از ابزارها را به شدت تشدید می کند.

به جای ابزارهای هوش مصنوعی بسیار عمومی، شرکت ها شروع به چرخش به سمت هوش مصنوعی هدفمند محدودتر کرده اند که برای وظایف و اهداف خاص تخصص دارد. به عنوان مثال، ABBYY این رویکرد را با آموزش یادگیری ماشین و مدل‌های پردازش زبان طبیعی برای خواندن و درک اسنادی که از طریق سیستم‌های سازمانی درست مانند یک انسان اجرا می‌شوند، اتخاذ کرده است. با مهارت‌های هوش مصنوعی از پیش آموزش‌دیده برای پردازش انواع اسناد بسیار خاص با دقت ۹۵ درصد، سازمان‌ها می‌توانند درختان را با حذف استفاده از کاغذ نجات دهند و در عین حال میزان کربن ساطع شده از طریق فرآیندهای دست و پا گیر مدیریت اسناد را نیز کاهش دهند.

توانمندسازی توسعه دهندگان

شرکت‌های هوش مصنوعی نیازی ندارند که بار هوش مصنوعی پایدار را به تنهایی به دوش بکشند - برخی به طور فعال توپ ضرب المثل را در زمین توسعه‌دهندگان قرار می‌دهند.

OpenAI ، پیشگام هوش مصنوعی که مسئول ChatGPT بسیار محبوب است، اخیراً اعلام کرد که توسعه دهندگان می توانند پلتفرم های "GPT" خود را برای اهداف تخصصی ایجاد کنند. این به توسعه‌دهندگان و سازمان‌ها اجازه می‌دهد تا استفاده از هوش مصنوعی خود را با درجه بالایی از قابلیت سفارشی‌سازی محدود کنند و ویژگی‌ها و داده‌های بیش از حدی را که آسیب‌های زیست‌محیطی را تقویت می‌کنند، از بین ببرند. برای مثال، توسعه‌دهندگان می‌توانند GPT را برای اهدافی که محدود به توصیه‌های نوشتن خلاقانه، اطلاعات آشپزی، پشتیبانی فنی یا هر هدف خاص دیگری است طراحی کنند.

با توجه به افزایش خطرات ناشی از عدم دقت و نقض حریم خصوصی مرتبط با مدل‌های هوش مصنوعی بسیار عمومی، توسعه‌دهندگان احتمالاً انگیزه خواهند داشت که از این پلتفرم‌های باریک‌تر و تخصصی‌تر GPT نه تنها برای مسئولیت‌های زیست‌محیطی، بلکه برای بهبود نتایج تجاری نیز استفاده کنند.

شیوه های کسب و کار پایدار

شرکت‌ها همچنین باید از خود فناوری یک گام به عقب بردارند و به دنبال راه‌های بیشتری برای استفاده پایدار از هوش مصنوعی باشند. برای مثال، مایکروسافت فاش کرد که سخت‌افزار پشتیبانی‌کننده از هوش مصنوعی منحصراً بر روی انرژی پاک کار می‌کند و آنها را از ایجاد به اصطلاح «انتشارهای عملیاتی» مبرا می‌کند.

علاوه بر این، شرکت‌ها می‌توانند از هوش مصنوعی به‌عنوان ابزاری برای کشف جنبه‌های دیگر کسب‌وکار خود استفاده کنند که در آن پایداری می‌تواند در اولویت قرار گیرد. Forrester قابلیت‌های اندازه‌گیری، گزارش‌دهی و تجسم داده‌های هوش مصنوعی را برجسته می‌کند تا نشان دهد که این هوش مصنوعی می‌تواند انقلاب آب و هوایی خود را تقویت کند.

اگرچه از نظر عینی مهم است، انتشار گازهای گلخانه ای تنها معیاری نیست که برای در نظر گرفتن اثرات زیست محیطی استفاده می شود - مطالعات نشان داده است که ترکیبی از رباتیک و هوش مصنوعی استفاده از علف کش را در برخی زمینه ها تا 90 درصد کاهش داده است. از آنجایی که شرکت‌ها همچنان با سودمندی و پیامدهای هوش مصنوعی دست و پنجه نرم می‌کنند، باید وسعت کامل قابلیت‌های هوش مصنوعی را برای ارتقا و کمک به پایداری کشف کنند.

بنگاه‌ها این سستی را برمی‌دارند

تاکنون، قوانین اولیه هوش مصنوعی تا حد زیادی نتوانسته است بر مفاهیم زیست محیطی هوش مصنوعی حاکم شود و در عوض بر حریم خصوصی و سایر زمینه های اخلاقی تمرکز کرده است. در حالی که این حوزه‌ها برای استفاده مسئولانه از هوش مصنوعی نیز حیاتی هستند، شرکت‌ها باید خود را در مورد نحوه استفاده از هوش مصنوعی برای تولید ارزش تجاری پاسخگو نگه دارند.

سال 2023 ممکن است سالی پر از هیاهو، سر و صدا، انتظارات و تصورات نادرست در مورد هوش مصنوعی باشد، اما بلوغی که شرکت ها در سال گذشته به دست آورده اند، ابزار لازم را برای تصمیم گیری آگاهانه و مسئولانه در مورد استفاده از هوش مصنوعی به آنها داده است. با این حال، عاقلانه است که سازمان‌های بزرگ را به‌خاطر ردپای کربن و سایر تأثیراتشان بر محیط‌زیست مورد تحلیل قرار دهیم، زیر سؤال ببریم و آنها را مسئول بدانیم – آن‌هایی که مسئولیت‌های زیست‌محیطی را در اولویت قرار می‌دهند، نباید چیزی برای پنهان کردن داشته باشند.

ما بهترین برنامه اسکن اسناد را فهرست کرده ایم .

این مقاله به عنوان بخشی از کانال Expert Insights TechRadarPro تهیه شده است که در آن بهترین و باهوش ترین ذهن ها در صنعت فناوری امروز را معرفی می کنیم. نظرات بیان شده در اینجا نظرات نویسنده است و لزوماً نظرات TechRadarPro یا Future plc نیست. اگر علاقه مند به مشارکت هستید، اطلاعات بیشتری را در اینجا بیابید: https://www.techradar.com/news/submit-your-story-to-techradar-pro