持続可能な未来に向けた AI 搭載ソリューション
気候の課題を克服するための、AI のメリットとコストを検証。
インテル® 人工知能テクノロジーで AI を簡素化
人工知能の実装は、顧客サービスの向上とビジネスの価値を引き出すことにおいて重要ですが、スケーラブルな AI インフラストラクチャーの導入は、多くの企業に課題を呈しています。インテル® アーキテクチャーは、迅速かつ費用対効果の高いソリューションを提供し、グローバルなパートナー・エコシステムへのアクセスによる効率的な実環境での導入を可能にして、カスタマイズされた AI の専門知識とソリューションを実現しています。
AI が現代社会により深く根を下ろす中で、科学者や大局的に物事を考える人々は、その潜在的な世界的メリットについて議論し始めています。ここから生まれるエキサイティングな機会の 1 つは、AI が気候変動との闘いに役立つ方法です。多くの専門家が、ディープラーニングの AI アルゴリズムが、よりエネルギー効率の高い都市の設計から、地球規模の排出量の大規模監視、さらには再生可能エネルギーの導入の最適化に至るまで、環境上の懸念に対処する上で重要な役割を果たすと信じています。
AI の具体的な用途の 1 つは、海藻や昆布など有益な海藻の栽培に役立てることです。これら藻類は、持続可能な食糧源としての大きな可能性をもたらすだけでなく、大気中の炭素を捕捉し、海底の奥底に埋めることにも役立ちます。実際、一部の研究では、昆布林だけで毎年約 450 万トンもの二酸化炭素を海水から吸収していると推定されています。
しかし、海温が上昇し、昆布林が減少する中で、科学者たちは共に減少する昆布供給量を回復する方法を見つけようとしています。自然保護活動家たちは、AI テクノロジーを適用することで、その取り組みを強化して、データの海を解析して予測的な海図を生成し、将来の栽培向けの重要な場所を特定、および疾病が発生する前に検出、防止することが可能です。
しかし、AI の使用には独自の環境コストが伴い、これらのアルゴリズムのトレーニングと実行に必要なエネルギーは、しばしば驚異的なレベルに達します。最近の研究では、開発者の間で、効率よりも精度重視の AI ソリューションに注力する傾向が懸念されています。開発者の多くが、ニューラル・ネットワーク・アーキテクチャーなど、多量の電力を必要とするソリューションに集中してモデルを推進しています。実際、ある研究では、1 度のニューラル・ネット・トランスフォーマー・モデルのトレーニングにより、約 62 万 6,000 ポンドの CO2 が排出されることが判明しており、これは平均的な米国の自動車の生涯排出量 (製造時を含む) の約 5 倍に匹敵します。研究者がアルゴリズムのテスト、開発、再トレーニングを継続するにつれ、これらの数値が急速に追加されていくのが容易に分かります。
では、サステナビリティーに配慮した技術者は、どのようなことをすべきでしょうか。
幸いなことに、一部の研究者は、モデルの成功を測定する重要な評価基準として、効率性を提唱することで、この傾向を鎮めようとしています。これをサポートする、インテルのようなソリューション志向の企業は、より「電力効率の高いマシンラーニング」のテクニックを開発しており、これらは、トレーニングのデータセットがまだ圧縮された形式である間に、不要なコンテンツを削除することで機能します。その結果、モデルのトレーニングにおいて電力効率が大幅に向上し、同時に精度を維持することができます。
「より持続可能な AI の制作のための解決策は、ソフトウェアとハードウェアのソリューションの両方です」と、インテルのシニア・ディレクター Merlin Kister は述べています。「また、開始すべきモデルを検証し、それを適切なサイズに収まるようにすることです」。
もう 1 つのエキサイティングな可能性は、より確率ベースの AI モデルの開発から生まれます。インテルで開発されているような、これらの新しいモデルは、抽象的な論理を採用する AI の能力の柔軟性をはるかに高め、大量の論理処理の表現を可能にしますが、数千または数百万のデータポイントに依存する総当たり推論の必要性を伴いません。
Merlin Kister が述べているように、「インテルのエンジニアは、プロセッサーに搭載される革新的な新機能とテクノロジーを日々開発し、それらがエネルギー効率を向上して、より持続可能なものとなるよう懸命に取り組んでいます」。
AI を組織で活用する方法について説明します。