Wussten Sie, dass die Ausbildung eines einzigen KI so viel Kohlenstoff ausstoßen kann wie fünf Autos in ihrem Leben? 5 Tipps zur Verringerung der Umweltauswirkungen!

Forscher der University of Massachusetts, Amherst, haben eine Lebenszyklusanalyse für die Ausbildung mehrerer gängiger großer KI durchgeführt. Sie fanden heraus, dass bei diesem Verfahren mehr als 626.000 Pfund Kohlendioxid ausgestoßen werden können, was etwa dem Fünffachen der Lebenszeitemissionen eines durchschnittlichen amerikanischen Autos entspricht (einschließlich der Herstellung des Autos selbst).

Studien haben ergeben, dass: Der CO2-Fußabdruck der KI ist beträchtlich und wird durch die Energie verursacht, die für den Betrieb der Computer benötigt wird, die zum Trainieren der Modelle eingesetzt werden. Die mit der KI verbundenen Kohlendioxidemissionen können durch den Einsatz erneuerbarer Energien für die Stromversorgung der Rechenzentren verringert werden.

Effiziente Algorithmen verringern die Kohlenstoffemissionen, indem sie den Energiebedarf für das Trainieren von KI reduzieren, wie z. B. Näherungsalgorithmen, die gute Lösungen für Probleme bieten, ohne die bestmögliche Lösung zu garantieren, oder datengesteuerte Algorithmen, die auf Daten trainiert werden. Die nachstehende Tabelle zeigt die Ergebnisse der Verwendung von zwei Optimierungsalgorithmen: Flexibler Startder Flexibilität für KI mit kürzeren Aufträgen bietet, und Pause & Fortsetzen die bei längeren Aufträgen entsprechend einem Schwellenwert pausiert und fortsetzt.

Die Unterbrechung einer KI , wenn die regionalen Emissionen hoch sind, kann die Gesamtzahlen reduzieren. Die Einsparungen können erheblich sein, bis zu 25 % bei sehr langen Läufen. Bei kurzen Läufen sind die Einsparungen geringer, da die doppelte Dauer noch relativ kurz ist. Die Tabelle zeigt auch, dass die Anzahl der Pausen pro Stunde mit der Größe des Modells zunimmt. Das liegt daran, dass größere Modelle mehr Rechenleistung benötigen und daher länger für das Training brauchen.

Fünf Tipps und innovative Technologien zur Verringerung der Kohlenstoffemissionen von KI

1. Verwenden Sie energieeffiziente Hardware, zu der auch GPUs gehören können.
   • GPUs sind bei bestimmten Arbeitslasten energieeffizienter als CPUs, wenn man die Arbeit pro Watt vergleicht. GPUs können verwendet werden, um KI schneller zu trainieren und verbrauchen daher weniger Energie als eine reine CPU-Umgebung.
   • Die Flüssigkeitskühlung kann zur effizienteren Kühlung von Computerhardware eingesetzt werden, wodurch der Energieverbrauch und die Emissionen in den Rechenzentren gesenkt werden. Außerdem kann sie den Lärm um bis zu 50 % reduzieren und eine angenehmere Arbeitsumgebung schaffen. Sie ist einfacher zu warten als Luftkühlung und Flüssigkeitskühler sind weniger anfällig für Beschädigungen.
2. Optimieren Sie Rechenzentren im Hinblick auf Energieeffizienz. Es gibt verschiedene Möglichkeiten, den Energiebedarf von Rechenzentren zu senken, z. B. durch den Einsatz von Freiluftkühlung, die den PUE-Wert reduziert. Effizientere Kühlsysteme: Herkömmliche luftgekühlte Rechenzentren verbrauchen eine beträchtliche Menge an Energie für die Kühlung der Server.
   • Effizientere Netzteile: Herkömmliche Netzteile können ineffizient sein und bis zu 20 % der verbrauchten Energie vergeuden. Achten Sie darauf, Titan- oder Platin-Netzteile zu verwenden.
   • Effizientere Server: Verwendung von Servern mit mehreren Knoten, die Ressourcen gemeinsam nutzen können, was den Gesamtenergieverbrauch pro Server senkt.
3. Nutzen Sie erneuerbare Energien für die KI . Rechenzentren, die sich auf KI konzentrieren, können mit erneuerbaren Energiequellen betrieben werden: Solar- oder Windenergie.
4. Verbesserung der Effizienz des KI . Innovative Technologien wie Quantencomputing, Spiking Neural Networks, föderiertes Lernen, Transfer Learning und die Suche nach neuronalen Architekturen können die Effizienz des KI verbessern und den Energieverbrauch senken.
5. Verwenden Sie vorab trainierte Modelle. Vorgefertigte Modelle wurden bereits mit einem großen Datensatz trainiert und müssen nicht von Grund auf neu entwickelt werden, was Energie verbraucht.

Befolgen Sie diese Tipps, um die KI nachhaltiger zu gestalten.