We moeten de ontwikkeling van Artificiële Intelligentie op een meer energiebewuste manier gaan aanpakken.

Ik ben me er als onderzoeker bewust van geworden dat we de ontwikkeling van artificiële intelligentie (AI) heel anders moeten aanpakken. En dan specifiek vanwege de exponentieel toenemende energiebehoefte ervan.

Wagens die autonoom parkeren, verbeterde analyses van medische beelden en algoritmes die je favoriete muziek aanbevelen: je moet al een uitgesproken technologiescepticus zijn om de relevantie van deze toepassingen en het bestaansrecht van AI nog in vraag te stellen. Artificiële intelligentie is zo populair dat het vanuit duurzaamheidsperspectief problematisch is geworden.

Een voorbeeld: als je een digitale thuisassistent zoals Siri, Google Assistant of Alexa het commando zou geven om een lamp te doven omdat je op die manier energie wil besparen, kan je maar beter twee keer nadenken. De rekenkracht die de AI nodig heeft om dit commando om te zetten in de juiste actie verbruikt namelijk evenveel energie als wanneer je de lamp een uur zou laten branden. Deze buitensporige relatie tussen het inzetten van AI en de ecologische impact ervan dwingt ons tot het fundamenteel herbekijken van hoe we AI ontwikkelen.

Ik realiseer me dit sinds ik de grafieken zag over het aantal berekeningen dat nodig is om een AI-systeem te trainen. Vijftig jaar lang zagen we daarin een tweejaarlijkse verdubbeling. Maar sinds 2012 vertonen die grafieken een knik en neemt het aantal benodigde berekeningen elk jaar met een tien- tot vijftienvoud toe. In het begin merk je deze versnelde groei niet meteen op, dus het is echt pas sinds enkele jaren dat ik hierover anders ben gaan nadenken.

 

Het laatste decennium versnelde de toename van het aantal berekeningen om een AI-systeem te trainen. Dit heeft een onaanvaardbaar energieverbruik tot gevolg en verplicht ons om fundamenteel anders om te gaan met de ontwikkeling van AI.

Aan het begin van mijn carrière, zo’n twintig jaar geleden, ging het er vooral om hoe goed en accuraat we AI-systemen konden maken. De buitenwereld had toen zelfs het idee dat AI nooit snel genoeg zou worden voor dagelijkse toepassingen. Ondertussen zijn de beschikbare rekenkracht en hoeveelheid data zodanig toegenomen dat het tegendeel is bewezen. Maar daar staat ook een gigantische kost tegenover: niet alleen financieel maar ook ecologisch. Deense wetenschappers berekenden twee jaar geleden dat de equivalente CO2-uitstoot voor het trainen van een AI-gebaseerde spraakanalyse even groot was als wanneer je met een wagen 700.000 km zou rijden. Dat is de afstand van de aarde naar de maan en terug. Door de exponentiële toename in energieverbruik, zou het trainen van de huidige generatie van dit AI-systeem dan een equivalent hebben van meer dan zeventig miljoen kilometer. Bij de ontwikkeling en implementatie van AI moet het dus niet langer gaan over accuraatheid, maar over energie-efficiëntie.

In het onderzoek hebben we deze omslag al ingezet en werken we op verschillende fronten aan meer energiezuinige technologie. Een van de belangrijkste pistes is om alle componenten in een vroeger stadium samen te ontwikkelen: de sensoren die de data genereren, de communicatiechips en processoren en die de data versturen en verwerken en de AI-algoritmes die gebruik maken van al deze hardware. Op dit moment worden die grotendeels afzonderlijk geoptimaliseerd. Dat levert niet automatisch maximaal resultaat op zodra je de afzonderlijke componenten dan samenbrengt. Met een geïntegreerde aanpak, denken we een factor duizend te kunnen winnen in energieverbruik.

En dan is de vraag hoe deze kennis en technologieontwikkeling zich vertalen in toepassingen met het juiste effect. Vergelijk het met ledverlichting. Hoewel leds enkele grootteordes energiezuiniger kan zijn dan traditionele lampen, spaar je er uiteindelijk niets mee uit als je ze plots in veel grotere aantallen gaat uitrollen. En je krijgt ook niet minder files door een baanvak extra aan te leggen op de snelweg. De oplossing voor deze situatie is niet eenvoudig en vraagt om een multidisciplinaire aanpak. Daarbij moet de AI-sector haar uitgangspunten fundamenteel herdenken. Die bewustwording begin ik bij de industrie al te zien. Voorspelling: een van de volgende generaties smartphones zal niet meer zal aangeprezen worden als ‘de meest krachtige’, maar als ‘de meest milieuvriendelijke’.

 

1 bijdrage
 
Jaarlijkse vraag: We moeten de ontwikkeling van Artificiële Intelligentie op een meer energiebewuste manier gaan aanpakken.