תכנון טכנולוגיות בינה מלאכותית (AI) חכמות יותר, בשילוב עם תשתית נתונים ירוקה, יכול לסייע לדרום מזרח אסיה לממש את שאיפותיה הדיגיטליות מבלי לפגוע ביעדי המעבר האנרגטי שלה.
הכלכלה הדיגיטלית של דרום מזרח אסיה פורחת. עם הצמיחה המהירה במסחר אלקטרוני, פינטק ושירותי בינה מלאכותית, האזור חווה עלייה בביקוש לחשמל - במיוחד ממרכזי נתונים.
מתקנים אלה פועלים 24/7 ודורשים מערכות קירור בעלות קיבולת גדולה, מה שמטיל עומס תפעולי מתמשך על רשת החשמל הארצית.
ברחבי העולם, מרכזי נתונים צפויים לצרוך כ-415 טרה-וואט-שעה של חשמל עד 2024 - יותר מהצריכה הכוללת של אינדונזיה.
עד שנת 2030, צריכת החשמל של מרכזים אלה צפויה לעלות על הצריכה הנוכחית של יפן.
בעוד שרוב התרחבות מרכזי הנתונים העולמיים מתרחשת בארה"ב, סין ואירופה, דרום מזרח אסיה מדביקה את הפער במהירות, כאשר הביקוש באזור צפוי להכפיל את עצמו ביותר מפי שניים עד 2030.
הערכות לאומיות הראו אתגר משמעותי לרשת החשמל. במלזיה, ביקוש החשמל ממרכזי נתונים עשוי לגדול פי שבעה עד 2030, ולהגיע לכ-30% מסך הצריכה של המדינה.
באינדונזיה, הביקוש צפוי כמעט לגדול פי ארבעה, בעוד שבפיליפינים הוא עשוי לזנק ביותר מפי 18.
העלייה בביקוש ממרכזי נתונים מסכנת גם תחרות על חשמל ומים עם אזורי מגורים וקהילות - במיוחד באזורים עם רשתות חשמל מוגבלות ואספקת מים מוגבלת - מה שמעלה חששות חברתיים ושוויוניים רחבים יותר.
אם הביקוש הגובר הזה יסופק בעיקר על ידי רשתות חשמל התלויות במידה רבה בדלקים מאובנים, הדבר עלול להאט - או אפילו לטרפד - את המעבר לאנרגיה נקייה באזור.
נכון לשנת 2022, דלקים מאובנים, ובראשם פחם, עדיין יספקו יותר מ-70% מהחשמל של דרום מזרח אסיה, למרות המשך ההתרחבות של אנרגיה מתחדשת.
בהקשר זה, חלק מרכזי בפתרון טמון בחדשנות חומרה, במיוחד באמצעות פיתוח "מרכזי נתונים ירוקים".
מתקנים אלה משתמשים בטכנולוגיות מתקדמות כגון מערכות קירור יעילות גבוהה, מיחזור חום פסולת, העברת עומסי עבודה לשעות שפל ושילוב אנרגיה מתחדשת.
בעזרת שיפורים אלה, מרכזי נתונים יכולים להפוך ליעילים הרבה יותר באנרגיה, וחשוב מכך, הם יכולים לשמש כמנופים לקידום פריסת אנרגיה נקייה.
מדינות דרום מזרח אסיה כבר נעות בכיוון זה. מפת הדרכים של סינגפור למרכזי נתונים ירוקים לשנת 2024 קובעת סטנדרטים מובילים בתעשייה ליעילות אנרגטית ומציעה תמריצים לשימוש באנרגיה מתחדשת. מלזיה מתכוננת להשיק מסגרת למרכזי נתונים בני קיימא עד סוף 2025.
מלבד שיפורי חומרה, ניתן למנף מנופים רבי עוצמה אחרים בשכבת התוכנה.
פתרון אחד הוא לתכנן בינה מלאכותית חכמה ורזה יותר, על ידי בניית יישומים המספקים תוצאות דומות אך עם פחות מאמץ חישובי, ובכך להפחית את הצורך הן בתשתית והן באנרגיה.
בפועל, ניתן להשיג זאת על ידי פריסת מודלים קטנים יותר של בינה מלאכותית וספציפיים למשימה במקום מודלים מגושמים למטרות כלליות; שימוש במערכי נתונים קטנים יותר אך באיכות גבוהה יותר במהלך אימון המודל; יישום טכניקות דחיסת מודלים כמו גיזום וכימות כדי להפחית את העומס החישובי; ויישום אלגוריתמים יעילים יותר הן לאימון והן להסקת מסקנות.
לצעדים אלה יש פוטנציאל משמעותי לשיפור יעילות התוכנה ולצמצום צריכת האנרגיה. לדוגמה, גוגל טוענת שמודל ג'מיני שלה, המשלב ארכיטקטורות תוכנה ואלגוריתמים יעילים יותר עם שיפורי חומרה, צורך פחות אנרגיה משמעותית בהשוואה להערכות פומביות קודמות רבות.
בנוסף, חשוב גם ליצור סביבה תומכת נכונה.
במשך שנים, מפתחי בינה מלאכותית - החל מהנדסים שבונים מודלים של פלטפורמות ועד ליוצרי יישומים - תוגמלו בדרך כלל על דיוק, מהירות ופונקציונליות, ולא על יעילות אנרגטית.
זה מתחיל להשתנות ככל שעלויות החישוב והעלויות האסימוניות הגואות כופות יעילות לתוך הדיון, אך רוב המאמצים נותרים ספונטניים.
ללא איתות מדיניות ברור שישלב יעילות אנרגטית בפיתוח יישומי בינה מלאכותית, ההתקדמות עלולה לקפוא על שמריה ותוכנה עתירת אנרגיה עלולה לצבור יתרון אם עלויות האנרגיה ירדו או סדרי העדיפויות ישתנו.
כאן ממשלות וחברות יכולות להתאחד. במקום לווסת ישירות את תכנון הבינה המלאכותית, קובעי מדיניות יכולים ליצור סביבה תומכת על ידי קידום סטנדרטים לדיווח על צריכת האנרגיה של יישומי בינה מלאכותית.
מצידן, חברות יכולות לשתף פעולה על ידי שיתוף נתונים, בדיקת יישומים קלים והצגת שיטות עבודה מומלצות באופטימיזציה של אלגוריתמים.
על רשויות ציבוריות לשקול גם מתן עדיפות לצרכים חברתיים חיוניים על פני שימושים לא חיוניים, תוך הבטחה שהרשת תמשיך לשרת את האינטרסים הרחבים יותר של החברה ככל שביקוש הבינה המלאכותית יגדל.
מקור: https://www.vietnamplus.vn/xanh-hoa-ai-nhiem-vu-cap-bach-cho-dong-nam-a-post1061088.vnp
תגובה (0)