AI i środowisko - 3 rozwiązania dla biznesu

Sztuczna inteligencja (AI) zmienia nie tylko środowisko biznesowe, lecz również naturalne. To pierwsze wymaga podejścia odpowiedzialnego, to drugie – zrównoważonego. Korzystanie z możliwości sztucznej inteligencji wymaga bowiem dużych ilości energii. Dlatego jedno z największych wyzwań brzmi: jak budować zrównoważony biznes, a zarazem nadążać za rewolucją AI?

Sztuczna inteligencja i środowisko - omówione zagadnienia:

Sztuczna inteligencja wyznacza także nowe drogi do osiągnięcia celów ekologicznych, jednocześnie przyczyniając się do wzrostu efektywności przedsiębiorstw. Czy wiesz, że odpowiednie zastosowanie AI może zrewolucjonizować zarządzanie energią w Twojej firmie czy nawet przyczynić się do ochrony bioróżnorodności?

Rozwiązania AI dla zrównoważonego biznesu

Sztuczna inteligencja pomaga budować zrównoważony biznes:

w fazie koncepcyjnej – wspierając tworzenie pomysłu na biznes uwzględniający aspekt środowiskowy – korzystając na przykład z konsultacji z ChatemGPT czy Claude od Anthropic,
w fazie rozwoju firmy – na przykład przez tworzenie zrównoważonych łańcuchów dostaw, i pomagając tworzyć rozwiązania dla zielonej AI,
w fazie optymalizacji – dzięki analizie i dostosowywaniu istniejących rozwiązań za pomocą oprogramowania korzystającego z dedykowanych modeli AI.

Przyjrzyjmy się konkretnym rozwiązaniom, które przyczyniają się bezpośrednio do rozwoju zrównoważonego biznesu.

Automatyzacja zarządzania energią dzięki sztucznej inteligencji

AI może automatycznie monitorować i zarządzać zużyciem energii w firmie, identyfikując obszary, w których można wprowadzić oszczędności. Służy do tego na przykład Flex2X, system opracowany przez firmę Grid Edge z Wielkiej Brytanii. System ten łączy dane uzyskane z istniejących sensorów w budynku, na przykład czujników temperatury czy wilgotności, z innymi źródłami danych, takimi jak warunki pogodowe, i analizuje je za pomocą algorytmów sztucznej inteligencji, które mogą optymalizować zużycie energii budynku w czasie rzeczywistym.

Zoptymalizowane rolnictwo

Zastosowanie sztucznej inteligencji otwiera szerokie pole do innowacji zarówno dla firm tworzących innowacyjne rozwiązania dla rolnictwa, jak i dla wielkopowierzchniowych upraw, które wymagały pracy nieefektywnych energetycznie maszyn oraz dużego wysiłku ze strony ludzi.

Dzięki analizie danych z różnych źródeł, AI może pomóc firmom działającym w sektorze rolnictwa w podejmowaniu lepszych decyzji dotyczących nawadniania, nawożenia czy kontroli chorób roślin. Najbardziej innowacyjne są jednak rozwiązania z dziedziny rolnictwa łączące sztuczną inteligencję i robotykę. Jednym z takich rozwiązań jest LaserWeeder stworzony przez firmę Carbon Robotics, który potrafi usunąć 100 000 chwastów w godzinę precyzyjnie rozróżniając gatunki roślin. Jest to pierwszy i jedyny dostępny komercyjnie robot do usuwania chwastów za pomocą lasera. Wykorzystuje zaawansowane technologie:

głębokie uczenie AI,
robotykę,
lasery,
potężne karty graficzne Nvidia,
42 kamery o wysokiej rozdzielczości do precyzyjnego rozpoznawania obrazu,

LaserWeeder pomaga dbać o bioróżnorodność, ponieważ zamiast stosowania chemicznych środków ochrony roślin, które szkodzą ekosystemowi i owadom, potrafi punktowo usuwać chwasty nawet z wielkich powierzchni upraw.

Łańcuchy dostaw sterowane przez AI

AI może pomóc w śledzeniu pochodzenia produktów, co jest kluczowe dla budowy zrównoważonych łańcuchów dostaw. Wydajną logistykę w łańcuchu dostaw można natomiast osiągnąć dzięki sztucznej inteligencji i automatyzacji. Przykładowo, Amazon intensywnie inwestuje w technologie automatyzacji transportu, takie jak autonomiczne ciężarówki i taksówki Zoox nazywane robo-taxi.

Tymczasem do optymalizacji łańcuchów dostaw w firmie w czasie rzeczywistym można wykorzystać TCS Logistics Optimiser/ TCS Crystallus. Narzędzie stworzone przez Tata Consultancy Services wykorzystujące sztuczną inteligencję i uczenie maszynowe zintegrowane z rozwiązaniami z dziedziny Internetu Rzeczy (IoT) do zarządzania czasem transportu, ładownością pojazdu i optymalizacją dostępności.

Koszty środowiskowe AI

Głównym kosztem środowiskowym związanym z wykorzystaniem AI w biznesie jest zużycie energii. Chociaż dokładne dane dotyczące energii potrzebnej do wytrenowania modelu GPT-4, którego używa płatna wersja ChataGPT oraz BingChat, nie są publicznie dostępne, możemy zrobić pewne oszacowania na podstawie dostępnych informacji.

GPT-4 to model z ponad 175 miliardami parametrów, który został wytrenowany na ponad 45 TB danych. Proces trenowania obejmuje analizę danych i optymalizację parametrów modelu, co wymaga dużej mocy obliczeniowej i prowadzi do wysokiego zużycia energii.

Do trenowania GPT-4 używano potężnych jednostek przetwarzania grafiki (GPU) i jednostek przetwarzania tensorów (TPU), które także są znane z intensywnego zużycia energii. Zużycie jest dodatkowo zwiększane przez energię potrzebną do samego działania.

Zielona AI

Choć koszt środowiskowy rozwijania technologii AI jest duży, to właśnie narzędzia z dziedziny sztucznej inteligencji pozwalają tworzyć bardziej ekologiczne rozwiązania. W tym Zieloną AI, modele, które potrzebują do działania mniej energii i innych zasobów.

To właśnie “zielona AI” skupia się na opracowywaniu algorytmów sztucznej inteligencji, które są efektywne energetycznie. Na przykład, nowe metody kompresji mogą zredukować ilość danych potrzebnych do treningu modeli AI nawet o 90%, co znacząco zmniejsza zużycie energii. Pracuje nad nimi między innymi OpenAI, które inwestuje w rozwój bardziej ekologicznych modeli zielonej AI.

Sztuczna inteligencja ma wiele zalet. Zielona AI, zużywa mniej zasobów, może być zatem używana przez mniejsze firmy, także te działające w krajach rozwijających się. Oznacza to demokratyzację jej stosowania i dopuszczenie większej liczby osób do jej tworzenia. Także tych o mniej zasobnych portfelach.

Zielona AI jest przeciwstawiana tak zwanej “czerwonej AI” – czyli rozwiązaniom, które zwiększają wydajność działania nie oglądając się na koszty środowiskowe, które generują. “Czerwona AI” generuje spektakularne wyniki, jednak jej ślad ekologiczny jest duży. A w związku ze skokowym rozwojem technologii, wpływ na środowisko nieustannie rośnie.

AI dla Ziemi

Sztuczna inteligencja jest także wykorzystywana do rozwiązywania problemów ekologicznych, takich jak:

analiza kwestii związanych z kryzysem klimatycznym – dzięki AI można opracowywać złożone modele odzwierciedlające zmiany w środowisku naturalnym i przewidywać ich konsekwencje korzystając z ilości danych, jakich nigdy nie byłby w stanie przetworzyć człowiek. Świetnym przykładem jest współpraca z firmą telekomunikacyjną AT&T z Argonne National Laboratory, gdzie sztuczna inteligencja została wykorzystana do analizy modelu klimatycznego w połączeniu z bazą danych zawierającą informacje o sieci telekomunikacyjnej AT&T, aby przewidzieć, w jaki sposób skutki zmian klimatycznych – takie jak wzrost poziomu morza, wiatry o dużej intensywności oraz powodzie na wybrzeżach i w głębi lądu mogą wpłynąć na działalność operacyjną za 30 lat,
ochrona bioróżnorodności – przykładowo, narzędzie Wildlife Insights jest platformą, która wykorzystuje sztuczną inteligencję do przetwarzania danych z kamer pułapkowych na użyteczne informacje o bioróżnorodności, przesyła dane do Google Cloud, gdzie modele AI automatycznie klasyfikują obrazy w celu ułatwienia monitorowania i ochrony dzikiej przyrody na całym świecie. Wildlife Insights może przetworzyć 3,6 miliona zdjęć w ciągu godziny, przy współczynniku dokładności identyfikacji od 80 do 98,6%.
poprawa wydajności istniejących systemów zużywających duże ilości energii, takich jak fabryki, transport kolejowy, komunikacja publiczna czy oświetlenie miejskie,
zapobieganie awariom – na przykład w dużych zakładach przemysłowych, elektrowniach wodnych czy wiatrowych. Jest to możliwe dzięki wykorzystaniu cyfrowych bliźniaków (Digital Twins), które pozwalają na przewidywanie zużywania się komponentów w konkretnym systemie.

Podsumowanie

Odpowiednie wykorzystanie AI i praca nad coraz bardziej zieloną AI może wpłynąć na wiele aspektów zrównoważonego biznesu i środowiska. Od optymalizacji działania sztucznej inteligencji, czyli tworzenia zielonej AI, przez automatyzację zarządzania energią, zoptymalizowane rolnictwo, aż do tworzenia zrównoważonych łańcuchów dostaw. To ostatnie w kontekście rosnących potrzeb logistycznych staje się kluczowe dla efektywności i odpowiedzialności przedsiębiorstw.

Zastosowanie sztucznej inteligencji niesie ze sobą również poważne wyzwania, takie jak zużycie energii w fazie treningu i bieżącego funkcjonowania modeli AI. Do rozwiązywania tych problemów i zmniejszenia wpływu na środowisko jej własnego działania wykorzystywana jest jednak także sztuczna inteligencja. Jest tu więc miejsce na rozwiązania z dziedziny zielonej AI oraz zaangażowanie w zrównoważone praktyki na niespotykaną dotąd skalę, od analizy zmian klimatycznych po ochronę bioróżnorodności.

Jeśli podobają Ci się treści, które tworzymy, sprawdź również: Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest.

Autor: Marta Matylda Kania
Założycielka Superpowered by AI. Opracowuje dla biznesu procesy tworzenia treści przez generatywną sztuczną inteligencję. Interesuje się przyszłością AI w biznesie, pisze zaawansowane prompty i prowadzi szkolenia z ChataGPT dla firm.
Zobacz wszystkie posty