Heim Technologie-Peripheriegeräte KI Die Umweltkosten und Versprechen künstlicher Intelligenz

Die Umweltkosten und Versprechen künstlicher Intelligenz

Apr 08, 2023 pm 04:31 PM
人工智能 数据 气候

Künstliche Intelligenz (KI) tritt in der Popkultur und politischen Analyse häufig in zwei extremen Formen auf. Es könnte entweder der Schlüssel zu einer futuristischen Utopie sein, in der menschliche Intelligenz auf technologisches Können trifft, oder es könnte der erste Schritt zu einem dystopischen Aufstieg der Maschinen sein. Akademiker, Unternehmer und sogar Aktivisten nutzen das gleiche binäre Denken, wenn sie künstliche Intelligenz zur Bekämpfung des Klimawandels einsetzen.

Die Umweltkosten und Versprechen künstlicher Intelligenz

Der einzigartige Fokus der Technologiebranche auf die Rolle der KI bei der Schaffung einer neuen technologischen Utopie verschleiert die Art und Weise, wie KI die Umweltzerstörung verschlimmern kann, wodurch marginalisierte Bevölkerungsgruppen oft direkt geschädigt werden. Um den größtmöglichen Nutzen aus der KI-Technologie im Kampf gegen den Klimawandel zu ziehen, müssen Technologieunternehmen, die den KI-Trend anführen, Lösungen für die Umweltauswirkungen der KI finden und gleichzeitig deren enormen Energieverbrauch anerkennen.

Künstliche Intelligenz kann ein wirksames Instrument im Kampf gegen den Klimawandel sein. Beispielsweise könnten selbstfahrende KI-Autos die Emissionen bis 2050 um 50 % reduzieren, indem sie die effizientesten Routen ermitteln. ​Der Einsatz von KI in der Landwirtschaft führt zu höheren Erträgen; Erdnussbauern in Indien erzielten durch den Einsatz von KI-Technologie eine Einkommenssteigerung von 30 %.

Darüber hinaus kann KI eine schnellere und genauere Analyse von Satellitenbildern ermöglichen und so von Katastrophen betroffene Gebiete identifizieren, die Hilfe benötigen oder den Regenwald zerstören. KI-gesteuerte Datenanalysen können auch dazu beitragen, gefährliche Wettermuster vorherzusagen und die Rechenschaftspflicht zu verbessern, indem sie genau überwachen, ob Regierungen und Unternehmen ihre Emissionsziele einhalten.

Allerdings geraten KI und die Internet- und Kommunikationsbranche im Allgemeinen zunehmend in die Kritik, weil sie zu viel Energie verbrauchen. Nehmen wir als Beispiel die Datenverarbeitung. Die Supercomputer, auf denen hochmoderne Programme für künstliche Intelligenz ausgeführt werden, werden über das öffentliche Stromnetz mit Strom versorgt und von Notstrom-Dieselgeneratoren unterstützt. Das Training eines einzelnen KI-Systems kann mehr als 250.000 Pfund Kohlendioxid ausstoßen.

Tatsächlich verursacht der branchenübergreifende Einsatz von KI-Technologie genauso viele CO2-Emissionen wie die Luftfahrtindustrie. Diese zusätzlichen Emissionen wirken sich unverhältnismäßig stark auf traditionell marginalisierte Gemeinschaften aus, die tendenziell in stark verschmutzten Gebieten leben und anfälliger für die direkten Auswirkungen der Gesundheitsrisiken der Umweltverschmutzung sind.

Kürzlich haben KI-Wissenschaftler und -Ingenieure auf diese Kritik reagiert und erwägen neue Quellen für die Stromversorgung von Datenfarmen. Doch selbst neue, vermeintlich nachhaltigere Energiequellen wie wiederaufladbare Batterien können den Klimawandel verschärfen und den Gemeinden schaden. Die meisten wiederaufladbaren Batterien werden aus Lithium hergestellt, einem Seltenerdmetall, dessen Gewinnung sich negativ auf marginalisierte Gemeinschaften auswirken kann. Aufgrund der wachsenden Nachfrage nach sauberer Energie erfordert die Lithiumgewinnung große Mengen Wasser: Pro Tonne geförderten Lithiums werden 500.000 Gallonen Wasser verbraucht.

In Chile, dem zweitgrößten Lithiumproduzenten der Welt, kommt es häufig zu Konflikten indigener Gemeinschaften wie Copiapó im Norden mit Bergbauunternehmen um Land- und Wasserrechte. Diese Bergbauaktivitäten sind sehr wasserintensiv. Das Energieinstitut berichtet, dass sie im Salar de Atacama 65 Prozent des Wassers der Region verbrauchen. Dieser Wasserverlust schädigt und erschöpft Feuchtgebiete und Wasserquellen dauerhaft, treibt einheimische Pflanzen- und Tierarten an den Rand des Aussterbens und beeinträchtigt die lokale Bevölkerung. Lithium als „saubere“ Energiequelle zu bezeichnen, nur weil es der Umwelt weniger schadet als Diesel oder Kohle, ist eine falsche Dichotomie, die Interessenvertreter davon abhält, nach neueren, umweltfreundlicheren Energiequellen zu streben.

Die Entwicklung der Technologie der künstlichen Intelligenz ist ein Symbol für unglaublichen Fortschritt; Fortschritt ist jedoch keine Einheitslösung, und die Unternehmen, die diese Technologien entwickeln, haben die Verantwortung sicherzustellen, dass marginalisierte Gemeinschaften nicht die Hauptlast des Negativs tragen Auswirkungen der Revolution der künstlichen Intelligenz.

Einige Datenfarmen sind vollständig auf die Nutzung sauberer Energie umgestiegen. Beispielsweise werden Datenfarmen in Island weitgehend mit sauberer Energie betrieben, die aus den Wasserkraft- und Geothermieressourcen der Insel stammt, und das Land ist zu einem beliebten Standort für neue Datenzentren geworden. Diese Rechenzentren benötigen auch keine energieintensiven Ventilatoren oder Klimaanlagen, um sie zu kühlen – das kalte Klima Islands reicht völlig aus. Island eignet sich jedoch hervorragend als Standort für ein Rechenzentrum und die meisten Länder können diese einzigartigen Umweltbedingungen nicht nachbilden.

Big-Data-Unternehmen können die Gefahren von Lithiumbatterien vermeiden, indem sie physische Batterien verwenden. Diese aus Beton gefertigten Batterien speichern potenzielle Gravitationsenergie in erhöhten Betonblöcken, die dann jederzeit genutzt werden kann. Das ist keine weit hergeholte Idee – zwei 35 Tonnen schwere Betonblöcke hängen an einem 246 Fuß hohen Turm in einem Schweizer Tal. Dies sind frühe Prototypen dafür, wie physische Batterien aussehen werden, und zusammen enthalten sie genug Energie, um zweitausend Haushalte (2 Megawatt) mit Strom zu versorgen. Physische Batterien stellen eine potenzielle Alternative zu Lithiumbatterien dar, sind kostengünstiger für die Umwelt und marginalisierte Gemeinschaften und können aus häufig verwendeten Materialien wie Beton hergestellt werden.

Die US-Regierung hat über das Energieministerium und die Defense Advanced Research Projects Agency (DARPA) Milliarden von Dollar in die Verbesserung von Lithiumbatterien investiert, insbesondere durch die Entwicklung von Festkörper-Lithium-Ionen-Batterien, die eine bessere Sicherheit, Energiedichte und mehr bieten können Langlebigkeit. Einige private Unternehmen haben sich verpflichtet, den Einsatz der Lithium-Ionen-Technologie in ihren Einrichtungen auszuweiten, darunter Google, das ein Pilotprogramm ins Leben gerufen hat, um Dieselgeneratoren in einigen Rechenzentren auslaufen zu lassen und sie durch Lithium-Ionen-Batterien zu ersetzen. Diese Investitionen reichen nicht aus, zumal Elektroautohersteller und die US-Regierung Milliarden in neue Batterien investieren. Technologieunternehmen müssen mehr tun, um zur Lösung der durch KI aufgeworfenen Energienutzungs- und Speicherprobleme beizutragen.

Künstliche Intelligenz bietet viele Vorteile für die Lösung der aktuellen Klimakrise, doch die potenziellen Umweltnebenwirkungen sind nicht zu vernachlässigen. Technologieunternehmen werden oft für ihre Kreativität und ihren Einfallsreichtum gelobt, also für die Fähigkeiten, die sie zur Lösung von Problemen im Zusammenhang mit künstlicher Intelligenz einsetzen müssen.

Das obige ist der detaillierte Inhalt vonDie Umweltkosten und Versprechen künstlicher Intelligenz. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

AI Hentai Generator

AI Hentai Generator

Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

R.E.P.O. Energiekristalle erklärten und was sie tun (gelber Kristall)
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Beste grafische Einstellungen
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. So reparieren Sie Audio, wenn Sie niemanden hören können
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Jun 28, 2024 am 03:51 AM

Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Jun 10, 2024 am 11:08 AM

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Sieben coole technische Interviewfragen für GenAI und LLM Sieben coole technische Interviewfragen für GenAI und LLM Jun 07, 2024 am 10:06 AM

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Jun 11, 2024 pm 03:57 PM

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Jul 25, 2024 am 06:42 AM

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Jun 05, 2024 pm 08:51 PM

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen Jul 17, 2024 pm 06:37 PM

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

KI-Startups wechselten gemeinsam ihre Jobs zu OpenAI, und das Sicherheitsteam formierte sich neu, nachdem Ilya gegangen war! KI-Startups wechselten gemeinsam ihre Jobs zu OpenAI, und das Sicherheitsteam formierte sich neu, nachdem Ilya gegangen war! Jun 08, 2024 pm 01:00 PM

Letzte Woche wurde OpenAI inmitten der Welle interner Kündigungen und externer Kritik von internen und externen Problemen geplagt: - Der Verstoß gegen die Schwester der Witwe löste weltweit hitzige Diskussionen aus - Mitarbeiter, die „Overlord-Klauseln“ unterzeichneten, wurden einer nach dem anderen entlarvt – Internetnutzer listeten Ultramans „ Sieben Todsünden“ – Gerüchtebekämpfung: Laut durchgesickerten Informationen und Dokumenten, die Vox erhalten hat, war sich die leitende Führung von OpenAI, darunter Altman, dieser Eigenkapitalrückgewinnungsbestimmungen wohl bewusst und hat ihnen zugestimmt. Darüber hinaus steht OpenAI vor einem ernsten und dringenden Problem – der KI-Sicherheit. Die jüngsten Abgänge von fünf sicherheitsrelevanten Mitarbeitern, darunter zwei der prominentesten Mitarbeiter, und die Auflösung des „Super Alignment“-Teams haben die Sicherheitsprobleme von OpenAI erneut ins Rampenlicht gerückt. Das Fortune-Magazin berichtete, dass OpenA

See all articles