環境コストと人工知能の可能性
人工知能 (AI) は、大衆文化や政治分析において 2 つの極端な形で現れることがよくあります。それは人間の知性と技術力が出会う未来のユートピアへの鍵を表す可能性もあれば、機械によるディストピアの台頭への第一歩である可能性もあります。学者、起業家、さらには活動家も、気候変動と戦うために人工知能を適用する際に同じ二項対立の考え方を採用しています。
テクノロジー業界は、新たな技術的ユートピアの創造における AI の役割だけに重点を置いているため、AI が環境破壊をさらに悪化させる方法、多くの場合、社会から疎外された人々に直接的に害を及ぼす可能性がある方法が曖昧になっています。気候変動との戦いで AI テクノロジーを最大限に活用するには、その膨大なエネルギー消費を認識しつつ、AI トレンドをリードするテクノロジー企業は、AI が環境に与える影響に対する解決策を模索する必要があります。
人工知能は、気候変動との戦いにおいて強力なツールとなり得ます。たとえば、AI 自動運転車は、最も効率的なルートを決定することで、2050 年までに排出量を 50% 削減できる可能性があります。農業における AI の使用により収量が向上し、インドのラッカセイ農家は AI テクノロジーの使用により収入の 30% 増加を達成しました。
さらに、人工知能は衛星画像をより迅速かつ正確に分析し、支援が必要な災害地域や熱帯雨林の被害を特定できます。 AI を活用したデータ分析は、政府や企業が排出目標を遵守しているかどうかを正確に監視することで、危険な気象パターンを予測し、説明責任を向上させるのにも役立ちます。
しかし、人工知能とより広範なインターネットおよび通信業界は、エネルギーを使いすぎているとしてますます批判にさらされています。データ処理を例に挙げます。最先端の人工知能プログラムの実行に使用されるスーパーコンピューターは、公共送電網から電力を供給され、バックアップのディーゼル発電機によって支えられています。単一の AI システムをトレーニングすると、250,000 ポンドを超える二酸化炭素が排出される可能性があります。
実際、あらゆる分野で AI テクノロジーを使用すると、航空業界と同じくらいの CO2 排出量が発生します。これらの追加排出は、歴史的に疎外されたコミュニティに過度の影響を与えます。コミュニティは高度に汚染された地域に住む傾向があり、汚染による健康被害の直接的な影響に対してより脆弱です。
最近、AI の科学者やエンジニアはこれらの批判に応え、データ ファームを強化するための新しいソースを検討しています。しかし、充電式電池など、表面上はより持続可能であるように見える新しいエネルギー源でさえ、気候変動を悪化させ、地域社会に損害を与える可能性があります。ほとんどの充電式電池は、希土類金属であるリチウムを使用して作られており、その抽出は疎外されたコミュニティに悪影響を与える可能性があります。クリーン エネルギーへの需要の高まりにより、リチウムの抽出には大量の水が必要となり、抽出されたリチウム 1 トンあたり 500,000 ガロンの水を消費します。
世界第2位のリチウム生産国であるチリでは、北部のコピアポなどの先住民族コミュニティが土地や水の権利をめぐって鉱山会社と頻繁に衝突している。これらの採掘活動は非常に水を大量に消費しており、エネルギー協会の報告によると、アタカマ塩湖ではこの地域の水の 65 パーセントが採掘活動によって消費されています。この水の損失は、湿地と水源に損害を与え、永久に枯渇させ、在来の動植物種を絶滅の危機に追い込み、地元住民に影響を与えます。リチウムがディーゼルや石炭よりも環境への害が少ないという理由だけでリチウムを「クリーンな」エネルギー源と説明することは、利害関係者がより新しく環境に優しいエネルギー源を追求することを妨げる誤った二分法です。
人工知能テクノロジーの開発は驚くべき進歩の象徴ですが、進歩は万能ではなく、これらのテクノロジーを開発する企業には、社会から疎外されたコミュニティが不利益を被らないようにする責任があります。人工知能革命の悪影響の矢面に立たされている。
一部のデータ ファームは完全にクリーン エネルギーに切り替えています。たとえば、アイスランドのデータ ファームは主に島の水力発電と地熱資源から供給されるクリーン エネルギーで稼働しており、この国は新しいデータ センターの人気の高い場所となっています。また、これらのデータセンターは、エネルギーを大量に消費するファンやエアコンを冷却する必要がなく、アイスランドの寒い気候でも大丈夫です。ただし、アイスランドはデータ処理センターを設置するのに独特に適しており、ほとんどの国ではこの独特の環境条件を再現できません。
ビッグデータ企業は、物理的なバッテリーを使用することで、リチウム バッテリーの落とし穴を回避できます。コンクリートで作られたこれらのバッテリーは、高いコンクリートブロックに重力位置エネルギーを蓄え、いつでも利用することができます。それは突飛なアイデアではありません。スイスの渓谷にある高さ 76 フィートの塔に 35 トンのコンクリート ブロック 2 つが吊り下げられています。これらは物理的なバッテリーがどのようなものかを示す初期のプロトタイプであり、これらを合わせると 2,000 世帯 (2 メガワット) に電力を供給するのに十分なエネルギーを保持します。物理電池はリチウム電池の代替となる可能性があり、環境や社会的に疎外されたコミュニティへの負担が少なく、コンクリートなどの一般的に使用される材料から作ることができます。
米国政府は、エネルギー省と国防高等研究計画局 (DARPA) を通じて、リチウム電池の改良、特に従来のリチウムよりも耐久性の高い全固体リチウムイオン電池の開発に数十億ドルを投資してきました。 - イオン電池: 電池は、より優れた安全性、エネルギー密度、寿命を実現します。一部の民間企業は自社施設でのリチウムイオン技術の利用拡大を約束しており、その中には一部のデータセンターでディーゼル発電機を段階的に廃止し、リチウムイオン電池に置き換える試験プログラムを立ち上げたグーグルも含まれる。特に電気自動車メーカーと米国政府が新しいバッテリーに数十億ドルを投資しているため、これらの投資は不十分です。テクノロジー企業は、AI によって引き起こされるエネルギー使用と貯蔵の問題を解決するために、さらに取り組む必要があります。
人工知能は現在の気候危機を解決するために多くの利点をもたらしますが、潜在的な環境への副作用を無視することはできません。テクノロジー企業は、その創造性と創意工夫、つまり人工知能に関連する問題を解決するために適用する必要があるスキルで称賛されることがよくあります。
以上が環境コストと人工知能の可能性の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

70B モデルでは、数秒で 1,000 個のトークンを生成でき、これはほぼ 4,000 文字に相当します。研究者らは Llama3 を微調整し、高速化アルゴリズムを導入しました。ネイティブ バージョンと比較して、速度は 13 倍高速になりました。速いだけでなく、コード書き換えタスクのパフォーマンスは GPT-4o をも上回ります。この成果は、人気の AI プログラミング成果物 Cursor を開発したチーム、anysphere によるもので、OpenAI も投資に参加しました。有名な高速推論アクセラレーション フレームワークである Groq では、70BLlama3 の推論速度は 1 秒あたり 300 トークンを超える程度であることを知っておく必要があります。 Cursor の速度により、ほぼ瞬時に完全なコード ファイル編集を実現すると言えます。カースと言うと良い奴だと言う人もいる
