Google verrät, wie KI und maschinelles Lernen seine Nachhaltigkeitsstrategie prägen

jijomathai – stock.adobe.com

Google hat enthüllt, wie künstliche Intelligenz (KI) und maschinelles Lernen (ML) dabei helfen, Verbrauchern und Unternehmen dabei zu helfen, den ökologischen Fußabdruck ihrer Aktivitäten zu verringern, indem sie ihnen ermöglichen, in Echtzeit Anpassungen vorzunehmen, die ihren Treibhausgasausstoß (THG) reduzieren können ) Emissionen.

Einzelheiten zu seiner Arbeit in diesem Bereich finden Sie im neuesten jährlichen Umweltbericht des Technologieriesen. Das Dokument deckt die 12 Monate bis zum 31. Dezember 2022 ab und bietet aktuelle Informationen darüber, wie die Bemühungen des Technologieriesen, seine Rechenzentren und Büros rund um die Uhr mit kohlenstofffreier Energie (CFE) zu betreiben, voranschreiten und wie er versucht, den Wasserverbrauch zu senken Der Betrieb läuft.

„Wir haben rund um die Uhr in allen unseren Rechenzentren und Büros eine CFE von rund 64 % erreicht, [und] in diesem Jahr haben wir unsere CFE-Berichterstattung auf Büros und Rechenzentren von Drittanbietern ausgeweitet, zusätzlich zu den von Google betriebenen Rechenzentren. “, sagte das Unternehmen.

„Bis Ende 2022 haben unsere vertraglich vereinbarten Wassereinzugsgebiete 271 Millionen Gallonen Wasser aufgefüllt – das entspricht mehr als 400 olympischen Schwimmbecken – um unser Ziel zu unterstützen, 120 % des von uns verbrauchten Süßwassers wieder aufzufüllen.“

Der Bericht dokumentiert auch, wie diese Technologie sieben Jahre nach der Selbsterklärung als „KI-First-Unternehmen“ die eigenen Bemühungen des Unternehmens zur Eindämmung des Klimawandels untermauert.

Bislang sagte das Unternehmen, es nutze KI, um die Entwicklung von Werkzeugen zur Bekämpfung des Klimawandels zu beschleunigen, die „bessere Informationen für Einzelpersonen, betriebliche Optimierung für Organisationen und verbesserte Vorhersagen und Prognosen“ liefern können.

Als Beispiel verwies das Unternehmen auf die Art und Weise, wie Google Maps KI nutzt, um Nutzern dabei zu helfen, ihre Fahrten umweltfreundlicher zu planen, indem der Kraftstoff- und Batterieverbrauch auf dem Weg von A nach B minimiert wird.

„Umweltfreundliche Routenführung hat dazu beigetragen, seit der Einführung schätzungsweise 1,2 Tonnen CO2-Emissionen zu vermeiden – das entspricht etwa der Stilllegung von etwa 250.000 kraftstoffbetriebenen Autos für ein Jahr“, heißt es darin.

Die Technologie erweist sich auch bei der Arbeit des Unternehmens als nützlich, den ökologischen Fußabdruck seiner KI-Modelle zu reduzieren, indem es dazu beiträgt, dass die Rechenzentren, in denen sie gehostet werden, energieeffizienter laufen.

„Wir haben erhebliche Investitionen in saubereres Cloud Computing getätigt, indem wir unsere Rechenzentren zu den effizientesten der Welt gemacht und mehr CO2-freie Energie bezogen haben“, heißt es in dem Bericht. „Wir helfen unseren Kunden, in Echtzeit Entscheidungen zu treffen, um Emissionen zu reduzieren und Klimarisiken mit Daten und KI zu mindern.“

Um diesen Punkt zu untermauern, verwies das Unternehmen auf die Einführung seiner Active Assist-Funktion für Google Cloud-Kunden, die maschinelles Lernen nutzt, um ungenutzte und potenziell verschwenderische Arbeitslasten zu identifizieren, damit diese gestoppt werden können, um Geld zu sparen und gleichzeitig die CO2-Emissionen des Unternehmens zu senken Zeit.

Auf der anderen Seite wird in dem Bericht jedoch auch anerkannt, dass ein solcher verstärkter Einsatz von KI auch den Arbeitsaufwand der Rechenzentren erhöht, was Anlass zu Bedenken hinsichtlich der Umweltauswirkungen und der Energieverbrauchsgewohnheiten der KI gibt Arbeitsbelastungen.

„Da sich die KI an einem Wendepunkt befindet, ist es eine Herausforderung, das zukünftige Wachstum des Energieverbrauchs und der Emissionen aus der KI-Berechnung in unseren Rechenzentren vorherzusagen“, heißt es in dem Bericht weiter.

„In der Vergangenheit hat die Forschung gezeigt, dass mit der steigenden Nachfrage nach KI/ML-Rechenleistungen der Energiebedarf für den Betrieb dieser Technologie viel langsamer zugenommen hat, als viele Prognosen vorhergesagt haben. Wir haben erprobte Praktiken eingesetzt, um den CO2-Fußabdruck unserer Arbeitslasten erheblich zu reduzieren. Zusammengenommen haben diese Prinzipien den Energieverbrauch für das Training eines Modells um das bis zu 100-fache und die Emissionen um das bis zu 1.000-fache reduziert.“

Der Bericht fügte hinzu: „Wir planen, diese bewährten Praktiken weiterhin anzuwenden und weiterhin neue Wege zu entwickeln, um KI-Computing effizienter zu gestalten.“