האחראי החדש לזיהום האוויר: הקוד שאנחנו כותבים

אימון מודל אחד של למידת מכונה גורם לפליטה של 284 טון דו-תחמוצת הפחמן לאטמוספירה. אבל החדשות הטובות הן שיש דרכים להפחית את הנזקים הסביבתיים של עידן ה-AI   

מקור: Unsplash

מאת: אוהד שלו

מנהלים כיום בחברות רב-לאומיות מתמודדים עם לחץ גובר והולך להפחית את ההשפעה שלהם על הסביבה, במיוחד בתחום הדאטה סנטרים – שהשפעתם על התחממות כדור הארץ גדולה. אבל אל תטעו. לא מדובר רק ברצון הטוב שלהם או של בעלי המניות, אלא גם ברגולוציה שהולכת ומקשיחה בעיקר עבור חברות ציבוריות בשוק האמריקאי. לו כל הדאטה סנטרים היו מדינה, היא הייתה מדורגת כצרכנית האנרגיה החמישית בגודלה מבין כל המדינות. בשנת 2020 למשל צרכו מרכזי המחשוב הללו כ-1% מצריכת החשמל הגלובלית ותרמו כ-0.3% מפליטות דו-תחמוצת הפחמן.

כיום חברות נדרשות לשקיפות אודות טביעת הרגל הפחמנית שלהן, ומתקיים מירוץ בין הדאטה סנטרים לשיפור הדירוג שלהן במדד היעילות. ארגונים כמו Green Peace תורמים גם הם את החלק שלהם ומפרסמים רשימות שמדרגות דאטה סנטרים על פי היקף פליטות הפחמן שלהם, והיעילות האנרגטית שלהם (PUE – Power Usage Effectiveness).

הצורך בקוד ירוק יותר

רבות מיוזמות הקיימות של הדאטה סנטרים מבוססות על אימוץ אנרגיה מתחדשת לצורך קירור או אופטימיזציה של מערכות קירור שמטרתן להפחית את צריכת האנרגיה. עם זאת, לבד מהאנרגיה הנדרשת לשמור על הבקרה האקלימית, לתוכנה עצמה יש השפעה משמעותית על היקף החשמל הנצרך עבור אנליטיקה של נתונים. כמה? די הרבה.

על פי מחקר עדכני, מודל למידת מכונה אחד, כמו Meena לדוגמה, צורך אנרגיה בהיקף דומה  למכונית נוסעים שנסעה 390,000 ק"מ. חוקרים מאוניברסיטת מסצ'וסטס העריכו שאימון מודל אחד של למידת מכונה גורם לפליטת 284 טון דו-תחמוצת הפחמן – שווה ערך לפליטות של 5 מכוניות לאורך כל שנות השימוש בהן.

לאור זאת, גוברים המאמצים והעניין ביצירת קוד יעיל יותר. ארגון Green Software Foundation, שבין החברות הפעילות בו VMware, Microsoft ,Accenture ו-GitHub, הציב לעצמו מטרה לתכנן ולבנות ארכיטקטורה ולכתוב קוד תוכנה שתצרוך פחות אנרגיה.

טיפים ללמידת מכונה בת קיימא

פורסמו כבר מספר מאמרים העוסקים בסוגיה כיצד לכתוב אלגוריתמים עבור מודלים של AI ולמידת מכונה אך יש מספר עצות בסיסיות בנושא. דרך אחת לצמצם את משאבי המחשוב היא להפחית למינימום את מספר אימוני המודל. יש כיום מצאי של מאות מודלים של למידת מכונה או תוכניות שאומנו מראש, וכל שנדרש ממפתחים הוא להביא את הדאטה שלהם כד להזריק יכולות AI לאפליקציות. חלופה זו מפחיתה באופן משמעותי את הזמן הנדרש לפתח ולאמן את המודלים וכמובן גם את צריכת האנרגיה.

בנוסף, חשוב גם שתהיה שקיפות מלאה בכל הנוגע לטביעת הרגל הפחמנית של האלגוריתם, כדי לקבל החלטות על הדרך הטובה ביותר להגיע לאופטימיזציה של הביצועים. חוקרים ממספר אוניברסיטאות בנו כלים למטרה זו. כך לדוגמה, Green-algorithms מחשבת את טביעת הרגל הפחמנית של כל תהליך ניתוח נתונים בהתאם לחומרה, זמן הריצה והמיקום הגיאוגרפי של חוות השרתים. CodeCrabon היא חבילת תוכנה קלה, שמשתלבת באופן פשוט בקוד הבסיס של פייתון, ומעריכה את היקף הפחמן הדו-חמצני שפולטים משאבי המחשוב שנדרשו להרצת הקוד.

עוד עצה היא שימוש באוטומציה, כדי להפחית את משך הרצת האימון. אפשר להקטין את מספר הניסויים ואת היקף הדאטה המנותח ללא פשרה בין השניים.

התוכנה המשמשת בפועל לעיבודים יכולה אף היא לצמצם את היקף המשאבים הנדרשים. ישנם בסיסי נתונים שתוכננו ספציפית לעיבוד דאטה בהיקף מאסיבי והם מנצלים באופן אופטימלי את צריכת הזיכרון ואחסון כדי לצמצם את צריכת האנרגיה. יתרון נוסף של בסיסי הנתונים הללו הוא שאין צורך להגביל את היקף הנתונים המנותחים – והדבר מצמצם את הסיכון של פגיעה בדיוק המודל עקב הניסיון להאיץ את משך ההרצה.

צמצום משך הזמן של הרצת המודל, נוסף על שיפור היעילות האנרגטית מקטין את משך הזמן הנדרש להפקת תובנות עסקיות קריטיות כמו זיהוי הונאות, פתרונות אבטחת סייבר, בקרת איכות ועוד. קוד יעיל יותר הוא טוב יותר לא רק לסביבה אלא טוב יותר גם לעסקים.

הפחתת טביעת הרגל הפחמנית היא באחריות החברה

לקוחות פוטנציאליים דורשים שקיפות בכל הנוגע למחויבות של חברה לאסטרטגיות הירוקות שלה ואימוץ סטנדרט של קוד "ירוק" יכול להיות צעד ראשון חשוב בכיוון זה. עובדים רוצים לעבוד בחברה שיש לה רגישות אקולוגית ומחליטה החלטות אחראיות בנושאי סביבה. בעתיד, ספקי ענן עשויים לדרוש שקיפות לטביעת הרגל הפחמנית של עומסי עיבוד ויטילו קנסות על עיבודים שיתפשו כמוגזמים או לא חיוניים.

בשעה שנדרשים חישובים על היקף גדול יותר של מידע כדי לקבל החלטות עסקיות טובות יותר, אחריות חברתית-סביבתית היא לא רק דבר טוב, אלא ממש צורך חיוני.

הכותב הוא אנליסט אסטרטגי בחברת Sqream

כתב אורח

אנחנו מארחים מפעם לפעם כותבים טכנולוגים אורחים, המפרסמים כתבות בתחומי התמחות שלהם. במידה ואתם מעוניינים לפרסם פוסט בשמכם, פנו אלינו באמצעות טופס יצירת קשר באתר.

הגב

9 תגובות על "האחראי החדש לזיהום האוויר: הקוד שאנחנו כותבים"

avatar
Photo and Image Files
 
 
 
Audio and Video Files
 
 
 
Other File Types
 
 
 

* היי, אנחנו אוהבים תגובות!
תיקונים, תגובות קוטלות וכמובן תגובות מפרגנות - בכיף.
חופש הביטוי הוא ערך עליון, אבל לא נוכל להשלים עם תגובות שכוללות הסתה, הוצאת דיבה, תגובות שכוללות מידע המפר את תנאי השימוש של Geektime, תגובות שחורגות מהטעם הטוב ותגובות שהן בניגוד לדין. תגובות כאלו יימחקו מייד.

סידור לפי:   חדש | ישן | הכי מדורגים
פליצה
Guest

גם קוד לא יעיל

תומר
Guest

השפעתם על ההתחממות אפסית כפי שהשפעת הפחמן הדו חמצני על ההתחממות קטן ביותר עד אפסי ואף אסימפטוטי. כמה שטיפת מח הציבור עובר על האקלים, לא יאומן.

רון
Guest

והנה הבחור שחכם יותר מכל המדענים בעולם!

אכן
Guest

אתה עובד באקווה סקיורטי במקרה?

Pitbull
Guest

זה אמיתי מה שאני קורא? נגמר על מה לכתוב? אתם רציניים? וואו מחשבים צורכים חשמל מי ידע את זה, חוץ מזה שמה אתם משווים את התמורה של מודל בינה מלאכותית גדול לעומת מכונית? פה כבר נפלה הטענה שלכם טיפשים, הגיע הזמן להתקדם לרכב חשמלי אם כבר

בבלובה
Guest

אפשר לפתור את הבעיה הזאת בשניה.
מעבר למודל חשמל מבוסס פאנלים סולארים.. קיים, עובד, ונגיש בכל העולם..
אבל המחיר עדיין גבוהה, אם הממשלות היו מסבסדות את זה בצורה רצינית.. היה הרבה יותר שווה

Karmapolice
Guest

זאת סוגייה של חשמל לא של תוכנה

קצת שכל
Guest

יש דאטהסטנרים שיושבים על מקורות אנרגיה מתחדשות, יצאתם פיתה…

אלון
Guest

המספרים לא מתחברים
280 טון = 390 אלף קילומטר
0.7 קילו לקילומטר….
כלומר הרכב מוציא יותר מסה של גז מצריכת הדלק שלו

נשמע לי סטרטאפ

wpDiscuz

תגיות לכתבה: