Dirbtinis intelektas ir aplinka. 3 AI sprendimai, padedantys jums sukurti tvarų verslą | AI versle #26

Dirbtinis intelektas taip pat nustato naujas kryptis, siekiant pasiekti aplinkosaugos tikslus, tuo pačiu prisidedant prie verslo efektyvumo. Ar žinojote, kad tinkamas AI taikymas gali revoliucionuoti jūsų įmonės energijos valdymą arba net prisidėti prie biologinės įvairovės išsaugojimo?

Dirbtinis intelektas ir aplinka tvariam verslui

Dirbtinis intelektas padeda kurti tvarų verslą:

• Konceptualioje fazėje – palaikant aplinkai jautrios verslo idėjos kūrimą – pavyzdžiui, konsultuojantis su ChatGPT arba Claude iš Anthropic,
• Įmonės augimo fazėje – kuriant tvarias tiekimo grandines ir padedant kurti sprendimus žaliajam AI,
• Optimizavimo fazėje – analizuojant ir pritaikant esamus sprendimus naudojant programinę įrangą su specializuotais AI modeliais.

Pažvelkime į konkrečius sprendimus, kurie tiesiogiai prisideda prie tvaraus verslo plėtros.

Automatizuokite energijos valdymą su dirbtiniu intelektu

AI gali automatiškai stebėti ir valdyti įmonės energijos suvartojimą, nustatydamas ateities taupymo galimybes. Tai daroma, pavyzdžiui, su Flex2X, sistema, sukurtą JK įsikūrusios Grid Edge. Ši sistema sujungia duomenis, gautus iš esamų jutiklių pastate, tokių kaip temperatūros ar drėgmės jutikliai, su kitais duomenų šaltiniais, tokiais kaip oro sąlygos, ir analizuoja juos su dirbtinio intelekto algoritmais, kurie gali optimizuoti pastato energijos suvartojimą realiuoju laiku.

Šaltinis: Flex2X

Optimizuota žemdirbystė

Dirbtinis intelektas aplinkoje atveria plačią inovacijų sritį tiek įmonėms, kurios kuria novatoriškus sprendimus žemės ūkiui, tiek didelio masto ūkininkavimui, kuriam reikia energiją neefektyvių mašinų darbo ir daug žmogaus pastangų.

Analizuodamas duomenis iš įvairių šaltinių, AI gali padėti žemės ūkio sektoriaus įmonėms priimti geresnius sprendimus dėl laistymo, tręšimo ar augalų ligų kontrolės. Tačiau novatoriškiausi žemės ūkio sprendimai yra tie, kurie sujungia dirbtinį intelektą ir robotiką. Vienas iš tokių sprendimų yra LaserWeeder, sukurtas Carbon Robotics, kuris gali per valandą pašalinti 100 000 piktžolių, tiksliai atskirdamas augalų rūšis. Tai pirmasis ir vienintelis komerciškai prieinamas lazerinis piktžolių šalinimo robotas. Jame yra pažangi technologija:

• gilusis mokymasis AI,
• robotika,
• lazeriai,
• Nvidia galingos grafikos plokštės,
• 42 didelės raiškos kameros tiksliam vaizdų atpažinimui,

LaserWeeder padeda rūpintis biologine įvairove, nes vietoj cheminio pesticidų purškimo, kurie kenkia ekosistemai ir vabzdžiams, jis gali tiksliai pašalinti piktžoles net iš didelių pasėlių plotų.

Šaltinis: CarbonRobotics

AI valdomos tiekimo grandinės

AI gali padėti atsekti produktų kilmę, kas yra raktas kuriant tvarias tiekimo grandines. Efektyvi tiekimo grandinės logistika tuo tarpu gali būti pasiekta per dirbtinį intelektą ir automatizavimą. Pavyzdžiui, Amazon intensyviai investuoja į transporto automatizavimo technologijas, tokias kaip autonominiai sunkvežimiai ir Zoox taksi, vadinami robo-taksiais.

Tuo tarpu TCS Logistics Optimiser/ TCS Crystallus gali optimizuoti įmonės tiekimo grandines realiuoju laiku. Sukurtas Tata Consultancy Services, ši technologija sujungia AI, mašininį mokymąsi ir daiktų internetą (IoT), kad pateiktų sprendimus, kurie pagerina transportavimo laiko, transporto priemonių krovinio ir prieinamumo valdymą.

Šaltinis: IoT Global Awards

Dirbtinio intelekto ir aplinkos kaštai

Pagrindinis dirbtinio intelekto aplinkos kaštas versle yra energijos suvartojimas. Nors tikslus energijos kiekis, reikalingas GPT-4 modelio, kurį naudoja mokama ChatGPT ir BingChat versija, treniruoti, nėra viešai prieinamas, galime pateikti keletą įvertinimų remdamiesi turima informacija.

GPT-4 yra modelis su daugiau nei 175 milijardais parametrų, kurie buvo apmokyti daugiau nei 45 TB duomenų. Mokymo procesas apima duomenų analizę ir modelio parametrų optimizavimą, kas reikalauja daug skaičiavimo galios ir lemia didelį energijos suvartojimą.

Treniruojant GPT-4, buvo naudojamos galingos grafikos procesorių (GPU) ir tenzorių procesorių (TPU) vienetai, kurie taip pat žinomi dėl intensyvaus energijos suvartojimo. Suvartojimas dar labiau padidėja dėl energijos, reikalingos pačiai operacijai.

Žaliasis AI

Nors aplinkos kaštai kuriant AI technologijas yra dideli, būtent dirbtinio intelekto įrankiai leidžia kurti žalesnius sprendimus. Tai apima Žaliąjį AI, modelius, kuriems reikia mažiau energijos ir kitų išteklių veikti.

Būtent “žaliasis AI” orientuojasi į dirbtinio intelekto algoritmų, kurie yra energiją efektyvūs, kūrimą. Pavyzdžiui, nauji suspaudimo metodai gali sumažinti duomenų kiekį, reikalingą AI modelių treniravimui, net iki 90%, žymiai sumažinant energijos suvartojimą. Tarp kitų, OpenAI, kuri investuoja į žalesnių žaliųjų AI modelių kūrimą, dirba su jais.

Dirbtinis intelektas turi daug privalumų. Žaliasis AI naudoja mažiau išteklių, todėl jį gali naudoti mažesnės įmonės, įskaitant tas, kurios veikia besivystančiose šalyse. Tai reiškia, kad jo naudojimas demokratizuojamas ir leidžia daugiau žmonių jį kurti. Taip pat tiems, kurie turi mažiau gerai aprūpintus piniginius išteklius.

Žaliasis AI kontrastuoja su vadinamuoju “raudonuoju AI” – tai yra sprendimai, kurie didina operacijų efektyvumą, nesirūpindami aplinkos kaštais, kuriuos jie generuoja. “Raudonasis AI” generuoja įspūdingus rezultatus, tačiau jo aplinkos pėdsakas yra didelis. Ir su technologijų šuoliu aplinkos poveikis nuolat auga.

AI Žemei

Dirbtinis intelektas ir aplinka taip pat yra apie problemų sprendimą, tokių kaip:

• klimato krizės problemų analizė – dėka AI, galima kurti sudėtingus modelius, kurie atspindi aplinkos pokyčius ir numato jų pasekmes naudojant duomenų kiekius, kurių žmogus niekada negalėtų apdoroti. Puikus pavyzdys yra Argonne nacionalinio laboratorijos darbas su telekomunikacijų įmone AT&T, kur dirbtinis intelektas buvo naudojamas analizuojant klimato modelį kartu su duomenų baze, kurioje yra informacija apie AT&T telekomunikacijų tinklą, siekiant numatyti, kaip klimato kaitos poveikis – pavyzdžiui, jūros lygio kilimas, didelio intensyvumo vėjai ir pakrančių bei vidaus potvyniai – galėtų paveikti operacijas po 30 metų,
• biologinės įvairovės išsaugojimas – pavyzdžiui, Wildlife Insights įrankis yra platforma, kuri naudoja dirbtinį intelektą, kad paverstų spąstų kameros duomenis į naudingą biologinės įvairovės informaciją, įkelia duomenis į Google Cloud, kur AI modeliai automatiškai klasifikuoja vaizdus, kad padėtų stebėti ir saugoti laukinę gamtą visame pasaulyje. Wildlife Insights gali apdoroti 3,6 milijono vaizdų per valandą, su identifikavimo tikslumo rodikliu nuo 80 iki 98,6 procentų.
• Esamų sistemų, kurios suvartoja didelius energijos kiekius, efektyvumo gerinimas, tokių kaip gamyklos, geležinkelių transportas, viešasis transportas ir miesto apšvietimas,
• gedimų prevencija – pavyzdžiui, didelėse pramoninėse gamyklose, hidroelektrinėse ar vėjo jėgainėse. Tai tampa įmanoma naudojant skaitmeninius dvynius (Digital Twins), kurie leidžia numatyti komponentų nusidėvėjimą tam tikroje sistemoje.

Santrauka

Tinkamas dirbtinio intelekto ir aplinkos derinys darbo vietoje gali paveikti daugelį tvaraus verslo aspektų. Nuo dirbtinio intelekto efektyvumo optimizavimo, t.y. žaliojo AI kūrimo, iki energijos valdymo automatizavimo, žemės ūkio optimizavimo ir tvarių tiekimo grandinių kūrimo. Pastarosios, atsižvelgiant į augančius logistikos poreikius, tampa itin svarbios verslo efektyvumui ir atsakomybei.

Dirbtinio intelekto taikymas taip pat kelia rimtų iššūkių, tokių kaip energijos suvartojimas mokymo fazėje ir nuolatinėje AI modelių veikloje. Tačiau dirbtinis intelektas taip pat padeda spręsti šias problemas ir mažinti jo veiklos aplinkos poveikį. Taigi yra erdvės žaliųjų AI sprendimų ir įsitraukimo į tvarias praktikas neįtikėtinu mastu, nuo klimato kaitos analizės iki biologinės įvairovės išsaugojimo.

Jei jums patinka mūsų turinys, prisijunkite prie mūsų užimtų bičių bendruomenės Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.