Xây dựng một tương lai bền vững cho AI

Ảnh: MIT Technology Review

Chúng ta đang chứng kiến một sự thay đổi mô hình toàn cầu mang tính lịch sử được thúc đẩy bởi những cải tiến mạnh mẽ về AI. Trong bối cảnh AI đã phát triển từ khả năng dự đoán sang khả năng tạo sinh, nhiều doanh nghiệp đang dần tập trung vào lĩnh vực này hơn, ước tính số lượng doanh nghiệp áp dụng AI tăng hơn gấp đôi kể từ năm 2017. Theo McKinsey, 63% số người được hỏi kỳ vọng khoản đầu tư vào AI của tổ chức sẽ tăng trong 3 năm tới.

Song song với việc áp dụng AI chưa từng có này, khối lượng tính toán cũng đang tăng với tốc độ đáng kinh ngạc. Kể từ năm 2012, lượng điện toán được sử dụng trong các hoạt động đào tạo AI đã tăng hơn 300.000 lần. Tuy nhiên, khi nhu cầu điện toán tăng lên, những tác động đáng kể đến môi trường sẽ kéo theo.

Tính toán nhiều hơn sẽ tiêu thụ điện nhiều hơn và dẫn đến phát thải carbon. Một nghiên cứu năm 2019 của các nhà nghiên cứu tại Đại học Massachusetts Amherst ước tính rằng điện năng tiêu thụ trong quá trình đào tạo thuật toán học sâu có thể thải ra hơn 626.000 pound (~284 tấn) carbon dioxide - tương đương với hơn 41 chuyến bay khứ hồi giữa Thành phố New York và Sydney, Australia.

Chúng ta cũng đang phải đối mặt với sự bùng nổ của lưu trữ dữ liệu. IDC dự đoán rằng 180 zettabyte dữ liệu - hoặc 180 tỉ terabyte - sẽ được tạo ra vào năm 2025. Năng lượng chung cần thiết để lưu trữ dữ liệu ở quy mô này là rất lớn và sẽ là một thách thức để giải quyết một cách bền vững. Tùy thuộc vào các điều kiện lưu trữ dữ liệu, một terabyte dữ liệu được lưu trữ có thể tạo ra 2 tấn khí thải CO2 hàng năm.

Thúc đẩy cải tiến bền vững với AI

Mặc dù chắc chắn có những tác động nghiêm trọng đến lượng khí thải carbon với sự phát triển ngày càng tăng của AI, nhưng song hành với nó là những cơ hội to lớn. Việc thu thập dữ liệu theo thời gian thực kết hợp với AI thực sự có thể giúp các doanh nghiệp nhanh chóng xác định các lĩnh vực cần cải thiện hoạt động để giúp giảm lượng khí thải carbon trên quy mô lớn.

Ví dụ: các mô hình AI có thể xác định các cơ hội cải tiến ngay lập tức đối với các yếu tố ảnh hưởng đến hiệu quả của tòa nhà, bao gồm hệ thống sưởi, thông gió và điều hòa không khí (HVAC). Là một hệ thống đa biến, giàu dữ liệu, phức tạp, HVAC rất phù hợp để tối ưu hóa tự động và các cải tiến có thể có ngay kết quả chỉ trong vòng vài tháng. Công nghệ này cũng đặc biệt hữu ích trong các trung tâm dữ liệu. Vài năm trước, Google đã chia sẻ cách triển khai AI để cải thiện khả năng làm mát của trung tâm dữ liệu, giúp giảm tới 40% mức tiêu thụ năng lượng.

AI cũng đang tỏ ra hiệu quả trong việc triển khai điện toán sử dụng năng lượng xanh. Các mô hình này có thể tự động thay đổi các tác vụ tính toán, dựa trên sự sẵn có của các nguồn năng lượng tái tạo.

Tương tự, AI cũng có thể giúp giảm bớt vấn đề lưu trữ dữ liệu đã đề cập trước đó. Để giải quyết các mối quan tâm về tính bền vững của việc lưu trữ dữ liệu quy mô lớn, Gerry McGovern, trong cuốn sách World Wide Waste, đã nhận ra rằng có tới 90% dữ liệu không được sử dụng mà vẫn được lưu trữ. AI có thể giúp xác định dữ liệu nào có giá trị, cần thiết và có chất lượng đủ cao để đảm bảo lưu trữ. Dữ liệu thừa có thể được loại bỏ một cách đơn giản, tiết kiệm cả chi phí và năng lượng.

Cách thiết kế các dự án AI bền vững hơn

Để triển khai các sáng kiến AI một cách có trách nhiệm, doanh nghiệp cần tiếp cận một cách chủ động hơn để thiết kế các dự án AI.

Bắt đầu bằng việc kiểm tra vấn đề kinh doanh mà bạn đang cố gắng giải quyết. Khi bạn đã làm rõ vấn đề kinh doanh hoặc trường hợp sử dụng của mình, hãy xem xét cẩn thận những điều sau đây khi xây dựng giải pháp và mô hình của bạn:

- Tập trung vào chất lượng dữ liệu hơn số lượng dữ liệu. Các bộ dữ liệu nhỏ hơn cần ít năng lượng hơn để đào tạo, có tác động lưu trữ và tính toán liên tục nhẹ hơn, do đó tạo ra ít khí thải carbon hơn. Các nghiên cứu cho thấy rằng nhiều tham số trong các AI được đào tạo có thể được cắt bớt tới 99%, mang lại các mạng nhỏ hơn, thưa thớt hơn nhiều.

- Tận dụng các mô hình sẵn có. Việc sắp xếp một tập hợp các mô hình từ các bộ dữ liệu đã được đào tạo có thể mang lại kết quả tốt hơn. Ví dụ: nếu bạn đã có một mô hình lớn được đào tạo để hiểu ngữ nghĩa ngôn ngữ, thì bạn có thể xây dựng một mô hình nhỏ hơn, dành riêng cho nhu cầu của bạn để khai thác cơ sở kiến thức của mô hình lớn hơn, dẫn đến kết quả đầu ra tương tự với hiệu quả cao hơn nhiều.

- Xem xét các giải pháp nguồn mở với các thư viện tối ưu hóa để đảm bảo bạn có được hiệu suất tốt nhất từ phần cứng. Ngoài mã nguồn mở, việc áp dụng các tiêu chuẩn mở có thể giúp tăng khả năng mở rộng quy mô. Ví dụ: để tránh quá trình đào tạo mô hình ban đầu tốn nhiều năng lượng, hãy cân nhắc sử dụng các mô hình được đào tạo trước để đạt hiệu quả cao hơn và tiềm năng học hỏi cũng như những cải tiến sẽ được xây dựng trong quá trình phát triển. Tương tự, các API mở cho phép các giải pháp kiến trúc chéo hiệu quả hơn, cho phép bạn xây dựng các công cụ, mô hình và triển khai chúng ở mọi nơi với hiệu suất tối ưu hơn.

Giống như nhiều quyết định dựa trên tính bền vững, việc thiết kế các dự án AI để giảm tác động đến môi trường là điều không dễ dàng. Việc giảm lượng khí thải carbon và năng lượng đòi hỏi phải nỗ lực, có ý định và thỏa hiệp để đưa ra những lựa chọn có trách nhiệm nhất.

Theo MIT Technology Review

Tiến Dũng