Cloud AI & Sustainability

Καθώς οι οργανισμοί αναπτύσσουν και καταναλώνουν υπηρεσίες τεχνητής νοημοσύνης σε συνεργασία με παρόχους cloud, οι περιβαλλοντικές τους υποχρεώσεις έρχονται στο προσκήνιο.

| Η αυστραλιανή κυβέρνηση εισήγαγε πρόσφατα νομοθεσία για την ίδρυση της Αρχής Net Zero Οικονομίας, για να υποστηρίξει τον net zero μετασχηματισμό σε ολόκληρη την οικονομία της χώρας.

Το cloud AI μπορεί να επιταχύνει την παροχή δυνατοτήτων τεχνητής νοημοσύνης (AI), ωστόσο οι απαιτήσεις ιδιαίτερα του Generative AI (GenAI) μπορούν να καταναλώσουν τεράστιες ποσότητες ενέργειας και πόρων. Έτσι, εκτός από την αξιολόγηση των παρόχων cloud σχετικά με τις δυνατότητές τους σε τεχνητή νοημοσύνη, η στάση τους για τη βιωσιμότητα είναι κορυφαία προτεραιότητα.

Κατά την ανάπτυξη εφαρμογών GenAI, υπάρχει μια σειρά από πρακτικές βιωσιμότητας και βελτιστοποίησης που μπορούν να μειώσουν πολλές από τις περιβαλλοντικές επιπτώσεις των πλατφορμών cloud AI.

Πρακτικές για βιώσιμο cloud AI

1. Βήμα πρώτο: η συνεργασία αποκλειστικά με παρόχους cloud με αποδεδειγμένη δέσμευση για βιωσιμότητα. Οι οργανισμοί μπορούν να χρησιμοποιήσουν υπηρεσίες GenAI που προέρχονται από το cloud και τροφοδοτούνται από ανανεώσιμες πηγές ενέργειας. Οι πάροχοι βιώσιμου cloud μοιράζονται στατιστικά στοιχεία για τις ανανεώσιμες πηγές ενέργειας για κάθε περιοχή και datacenter.

2. Έλεγχος μη εξουσιοδοτημένης ή ακούσιας χρήσης δικαιωμάτων και κλιμάκωσης πόρων: μπορεί να μειώσει την κατανάλωση πόρων cloud. Επιπλέον, οι πάροχοι χρησιμοποιούν όλο και πιο εξειδικευμένο hardware για workloads, ενεργειακά βελτιωμένα και για AI.

3. Ελαχιστοποίηση της κίνησης δεδομένων: Η μετακίνηση μεγάλου όγκου δεδομένων μεταξύ datacenter προκαλεί αυξημένη χρήση δικτύου και κατανάλωση ενέργειας. Μπορεί να επιτευχθεί με το να είναι τα δεδομένα στο ίδιο μέρος με τις διαδικασίες και τις εφαρμογές AI. 

4. Μια βιώσιμη στρατηγική αποθήκευσης και διαχείρισης δεδομένων περιλαμβάνει:

- την διαγραφή δεδομένων που δεν έχουν καμία αξία για τον οργανισμό,

- την επιλογή των αποτελεσματικών τεχνολογιών αποθήκευσης για διαφορετικές μορφές δεδομένων,

- την αποθήκευση εκτός σύνδεσης όταν είναι δυνατόν,

- την εφαρμογή πολιτικών διακυβέρνησης δεδομένων,

- την αποθήκευση δεδομένων κοντά στις εφαρμογές και τις διαδικασίες,

- την ελαχιστοποίηση της αντιγραφής δεδομένων.

5. Οι εφαρμογές ενσωματώνουν όλο και περισσότερο τις δυνατότητες GenAI: Κατά το σχεδιασμό εφαρμογών, οι δραστηριότητες εξαγωγής συμπερασμάτων AI καταναλώνουν περισσότερη ενέργεια από την εκπαίδευση μοντέλων AI.

Η χρήση τεχνικών GenAI, όπως η πρόσβαση σε μεγάλα γλωσσικά μοντέλα (LLMs), που βασίζoνται σε API (application programming interface) είναι επίσης ένα αποτελεσματικό μέτρο. Οι πάροχοι cloud επενδύουν δισεκατομμύρια σε βασικά LLM για να υποστηρίξουν λύσεις GenAI γενικής χρήσης. Η λήψη ενός προεκπαιδευμένου μοντέλου machine learning βοηθά στην επίτευξη υψηλότερης ακρίβειας χρησιμοποιώντας τα υπάρχοντα LLM.

6. Άλλες τεχνικές, όπως το prompt engineering, μπορούν να οδηγήσουν σε βελτιωμένη χρήση των πόρων, με λιγότερη ενέργεια.

Πηγή: computerweekly.com

Στην Cloud Concept στόχο αποτελεί η αδιάλειπτη τεχνική υποστήριξη των αναγκών σας, η προσφορά managed υπηρεσιών υψηλού επιπέδου και η παροχή πρόσβασης σε χρήσιμες προτάσεις για την αποδοτική διαχείριση των δεδομένων σας.

Ακολουθήστε μας σε LinkedIn, Facebook & Instagram ή εγγραφείτε στο Newsletter μας, για να μένετε ενημερωμένοι!