«Grønnere» AI: En presserende oppgave for Sørøst-Asia

Å designe smartere teknologier for kunstig intelligens (KI), kombinert med grønn datainfrastruktur, kan hjelpe Sørøst-Asia med å realisere sine digitale ambisjoner uten å gå på akkord med målene for energiomstilling.

Sørøst-Asias digitale økonomi blomstrer. Med rask vekst innen e-handel, fintech og AI-tjenester opplever regionen en kraftig økning i etterspørselen etter elektrisitet – spesielt fra datasentre.

Disse anleggene er i drift døgnet rundt og krever kjølesystemer med stor kapasitet, noe som legger en kontinuerlig driftsbelastning på det nasjonale strømnettet.

Globalt forventes det at datasentre vil forbruke omtrent 415 TWh strøm innen 2024 – mer enn Indonesias totale forbruk.

Innen 2030 forventes strømforbruket til disse sentrene å overgå Japans nåværende forbruk.

Mens mesteparten av den globale utvidelsen av datasentre skjer i USA, Kina og Europa, tar Sørøst-Asia raskt igjen, og etterspørselen i regionen er anslått å mer enn dobles innen 2030.

Nasjonale estimater har vist en stor utfordring for strømnettet. I Malaysia kan strømbehovet fra datasentre syvdobles innen 2030 og nå omtrent 30 % av landets totale forbruk.

I Indonesia forventes etterspørselen å nesten firedobles, mens den på Filippinene kan hoppe mer enn 18 ganger.

Den økende etterspørselen fra datasentre risikerer også å konkurrere om strøm og vann med boligområder og lokalsamfunn – spesielt i områder med begrensede strømnett og vannforsyning – noe som reiser bredere sosiale og rettferdighetsmessige bekymringer.

Hvis denne økende etterspørselen hovedsakelig dekkes av strømnett som er sterkt avhengige av fossilt brensel, risikerer det å bremse – eller til og med avspore – regionens overgang til ren energi.

Fra og med 2022 vil fossilt brensel, anført av kull, fortsatt gi mer enn 70 % av Sørøst-Asias elektrisitet, til tross for den fortsatte utbyggingen av fornybar energi.

I den sammenhengen ligger en sentral del av løsningen i maskinvareinnovasjon, spesielt gjennom utviklingen av «grønne datasentre».

Disse anleggene benytter avansert teknologi som høyeffektive kjølesystemer, resirkulering av spillvarme, flytting av arbeidsmengde til lavtrafikk og integrering av fornybar energi.

Med disse forbedringene kan datasentre bli mye mer energieffektive, og enda viktigere, de kan tjene som verktøy for å fremme utplassering av ren energi.

Sørøst-asiatiske land beveger seg allerede i denne retningen. Singapores Green Data Center Roadmap 2024 setter bransjeledende standarder for energieffektivitet og tilbyr insentiver for bruk av fornybar energi. Malaysia forbereder seg på å lansere et rammeverk for bærekraftige datasentre innen utgangen av 2025.

I tillegg til maskinvareforbedringer kan andre kraftige spaker utnyttes på programvarelaget.

En løsning er å designe smartere og mer effektiv AI ved å bygge applikasjoner som gir lignende resultater, men med mindre beregningsarbeid, og dermed redusere behovet for både infrastruktur og energi.

I praksis kan dette oppnås ved å distribuere mindre, oppgavespesifikke AI-modeller i stedet for store, generelle modeller; bruke mindre, men høyere kvalitetsdatasett under modelltrening; bruke modellkomprimeringsteknikker som beskjæring og kvantisering for å redusere beregningsbelastningen; og bruke mer effektive algoritmer for både trening og inferens.

Disse tiltakene har et betydelig potensial for å forbedre programvareeffektiviteten og redusere energiforbruket. Google sier for eksempel at Gemini-modellen deres, som kombinerer mer effektive programvarearkitekturer og algoritmer med maskinvareforbedringer, bruker betydelig mindre energi enn mange tidligere offentlige estimater.

I tillegg er det også viktig å skape et riktig støttende miljø.

I årevis har AI-utviklere – fra ingeniører som bygger plattformmodeller til applikasjonsutviklere – vanligvis blitt belønnet for nøyaktighet, hastighet og funksjonalitet, ikke energieffektivitet.

Dette begynner å endre seg ettersom økende beregningskostnader og tokenkostnader tvinger effektivitet inn i diskusjonen, men de fleste tiltakene forblir spontane.

Uten et tydelig politisk signal om å ta hensyn til energieffektivitet i utviklingen av AI-applikasjoner, kan fremgangen stagnere og energikrevende programvare kan få overtaket hvis energikostnadene faller eller prioriteringer endres.

Det er her myndigheter og bedrifter kan komme sammen. I stedet for å direkte regulere AI-design, kan beslutningstakere skape et muliggjørende miljø ved å fremme standarder for rapportering om energiforbruket til AI-applikasjoner.

Bedrifter kan på sin side samarbeide ved å dele data, teste lette applikasjoner og presentere beste praksis innen algoritmeoptimalisering.

Offentlige myndigheter bør også vurdere å prioritere essensielle sosiale behov fremfor ikke-essensiell bruk, og sørge for at strømnettet fortsetter å tjene samfunnets bredere interesser etter hvert som etterspørselen etter AI øker.

(TTXVN/Vietnam+)

Kilde: https://www.vietnamplus.vn/xanh-hoa-ai-nhiem-vu-cap-bach-cho-dong-nam-a-post1061088.vnp