Athari zinazoongezeka za kimazingira za mifumo ya kijasusi bandia (GenAI) zinaweza kupunguzwa kwa kiasi kikubwa ikiwa biashara “zitachagua mtindo sahihi” kwa kesi zao za matumizi na kutekeleza mazoea endelevu katika mzunguko wake wote wa maisha, kulingana na Taasisi ya Utafiti ya Capgemini. Ripoti ya Capgemini ya Kukuza Endelevu ya GenAI ilibaini kuwa, kwa miundo ya hivi punde ya kibadilishaji cha kabla ya mafunzo (GPT), mafunzo pekee ni takribani sawa na matumizi ya kila mwaka ya nishati ya Nyumba 5,000 za Marekani, huku “kiasi sawa au kikubwa zaidi cha nishati” kikihitajika ili kuendesha mtindo huo kiutendaji katika muktadha wa biashara. Hii ilimaanisha kuwa swali moja kwa muundo wa lugha kubwa (LLM) lilihitaji umeme mwingi mara 10 kuliko utafutaji wa Google. Iliongeza kuwa, katika kipindi cha mwaka mmoja, idadi ya mashirika ambayo yameunganisha GenAI katika bidhaa na huduma zao imepanda kutoka 6% hadi 24%. Zaidi ya hayo, ilikadiria kuwa kufikia 2026, GenAI ingechangia 4.8% ya jumla ya uzalishaji wa gesi chafuzi wa shirika, kutoka kiwango cha sasa cha 2.6%. Capgemini pia alisema kuwa kutumia LLM kuendesha makisio ya hoja 20 hadi 50 hutumia takriban 500ml za maji kila wakati, na kwamba GenAI inaweza kuunda kati ya tani milioni 1.2 hadi tano za taka za kielektroniki ifikapo 2030; karibu mara 1,000 zaidi ya taka za kielektroniki kuliko ilivyozalishwa katika 2023. “Ongezeko la matumizi ya nishati inayoendeshwa na AI generative inaongoza kwa ongezeko kubwa la uzalishaji, ambao unatarajiwa karibu mara mbili kama sehemu ya nyayo za kaboni za shirika ndani ya miaka miwili,” Alisema Vincent Charpiot, mkuu wa Kundi la Capgemini Sustainability Business Accelerator. “Ni haraka kwa wafanyabiashara kupachika uendelevu katika mikakati yao ya AI. “Kwa kuongeza mifano ndogo, nishati mbadala, na mazoea ya uwazi kutoka kwa wachuuzi wa AI na GenAI, tunaweza kupunguza athari za mazingira wakati wa kutumia AI kuendesha uvumbuzi na uendelevu.” Athari za kimazingira Kutoka kwa utengenezaji wa vitengo vya usindikaji wa michoro – ambayo inahitaji uchimbaji wa madini adimu ya ardhini – kutoa mafunzo kwa miundo ya kuendesha vituo vikubwa vya data, hatua hizi zote huchangia kwa kiasi kikubwa athari za mazingira za teknolojia. Kwa mashirika mengi, matumizi ya bidhaa na huduma za GenAI ziko chini ya utoaji wao wa Scope 3 – ikirejelea uzalishaji wa gesi chafuzi usio wa moja kwa moja unaotokea nje ya shughuli za kampuni, lakini hayo bado ni matokeo ya shughuli zao. Hata hivyo, Capgemini alisema kufanya maamuzi sahihi katika hatua mbalimbali za mzunguko wa maisha wa modeli – ikiwa ni pamoja na kuchagua maunzi, usanifu wa mfano, chanzo cha nishati kwa vituo vya data na kesi yake ya mwisho ya utumiaji – kunaweza kupunguza kwa kiasi kikubwa athari za mazingira. Iliongeza kuwa makampuni yanapaswa kuzingatia ikiwa hata yanahitaji teknolojia ya GenAI ya nishati katika hali ambapo wanaweza kutumia mifano ya ufanisi zaidi ya rasilimali kwa matokeo sawa. “Kila mtu anataka kufanya jambo kwa kutumia AI ya kuzalisha, lakini mara nyingi hata huihitaji,” alisema Vishal Singhvi, mkurugenzi wa AI ya kuzalisha katika Microsoft. “Unaweza kufanya hivi vizuri na AI yako ya kitamaduni, ambayo hutumia nguvu kidogo na mzigo wa kazi.” Miundo ya lugha ndogo Kwa hivyo Mashirika yanapaswa kuzingatia iwapo kazi zinaweza kukamilishwa kwa kutumia miundo ya lugha ndogo (SLMs) badala yake, ambazo zimefunzwa kwa hifadhidata ndogo na maalum zaidi ikilinganishwa na LLM. Capgemini alisema hii haiwezi tu kupunguza kwa kiasi kikubwa uzalishaji, lakini pia gharama. Kulingana na Arthur Mensch, Mkurugenzi Mtendaji wa Mistral AI: “Miundo ndogo ina maana kwamba maombi ni ya gharama nafuu kuendesha na, muhimu zaidi, ikiwa una mtindo ambao ni mdogo mara 100, unaweza kuiita mara 100 zaidi kwa gharama sawa, kuleta. akili zaidi kwa maombi yako kwa kila simu.” Kwa Mauli Tikkiwal, mjumbe wa bodi katika Chuo cha Orchard Hill College na Academy Trust chenye makao yake Uingereza, ni muhimu kwamba mashirika yafahamu jinsi matumizi yao ya GenAI yanavyochangia athari mbaya za mazingira. “Kwanza, lazima utambue athari ili uweze kufuatilia na kupunguza,” alisema. Walakini, wakati ufuatiliaji na ufuatiliaji wa uzalishaji ni muhimu, ni 14% tu ya wale waliohojiwa na Capgemini walisema kampuni zao zinapima na kufuatilia alama zao za GenAI. Robo tatu ya watendaji walitaja “uwazi mdogo” kutoka kwa wasambazaji kama changamoto katika kupima athari za mazingira. “Wanatarajia sekta ya teknolojia itaongoza juhudi” katika kuwezesha lengo hilo, ripoti hiyo ilisema. Licha ya mitindo hii, Capgemini iliangazia jinsi baadhi ya makampuni ya teknolojia yanakaribia teknolojia kwa uendelevu. Ilibainisha, kwa mfano, kwamba GPU za hivi karibuni za Nvidia ni bora mara 30 kuliko marudio yao ya awali; kwamba uanzishaji wa MIT LiquidAI imeunda mbinu za algorithm za “kubadilika na zisizo na njaa ya nishati”; na kwamba Microsoft imeanzisha vipengele vya ufuatiliaji wa nishati katika LLM zake. Iliangazia zaidi mpango uliotiwa saini na Meta wa kununua nishati ya jotoardhi ili kutoa nguvu kwa vituo vyake vya data vya Marekani, pamoja na Google Carbon Sense Suite, ambayo ni “mkusanyiko wa vipengele vinavyorahisisha kuripoti kwa usahihi utoaji wako wa kaboni na kupunguza” . Wakati wa Mkutano wa AI London mnamo Juni 2024, wataalam wa uendelevu walisema kwamba ingawa teknolojia inaweza kutumwa kwa njia kadhaa ili kusaidia makampuni kuwa endelevu zaidi ya mazingira, lazima kuwe na utambuzi wa athari mbaya inayoonekana kwa sasa kwenye sayari. Walisema kuwa ingawa inaweza kusaidia kampuni kudhibiti utoaji wao wa Scope 3 vyema zaidi kwa kuunganisha vyanzo vya data na kuzifanya zionekane zaidi, utokaji huu unaweza kuwa mgumu kufuatilia ikizingatiwa jinsi mashirika yanavyokusanya, kudhibiti na kushiriki data zao kwa njia tofauti.