Green AI

La crisi climàtica sense precedents obliga a tots els països, i especialment aquells que formen part de les Nacions Unides, atès que són signataris de l’Agenda 2030 per al desenvolupament sostenible, a impulsar estratègies i iniciatives per combatre-la. No és, però, tan sols una qüestió d’ètica o responsabilitat. Diversos estudis mostren que la sostenibilitat és clau per a l’èxit de les iniciatives privades[1],[2], ja que cada cop la legislació és més estricta i els inversors i consumidors finals són més conscients i crítics.

La intel·ligència artificial verda, en anglès Green AI, és un paradigma emergent que té com a finalitat respondre i integrar els criteris de responsabilitat mediambiental i sostenibilitat en els sistemes d’intel·ligència artificial. Aquest paradigma reconeix els esforços globals cap a la sostenibilitat i integra, tant les mètriques clàssiques de qualitat dels algoritmes, la precisió i la rapidesa, com mètriques que fan referència a la petjada ecològica, com es pot veure en el recent article on es descriu el model Llama2[3], i on es dedica una secció sencera a discutir les seves emissions.

És fonamental abordar com la indústria de la Intel·ligència Artificial pot contribuir a l’avenç de l’Agenda 2030. Tot i que la resposta pot semblar evident, podem identificar dues àrees clau: a) la reducció de les emissions originades per la mateixa generació d’IA i b) la col·laboració en afrontar reptes mediambientals, en aquest article, ens proposem explorar, contextualitzar i exemplificar amb detall cadascuna d’aquestes.

És evident que la IA pot jugar un paper determinant en l’èxit dels Objectius de Desenvolupament Sostenible (ODS) oferint respostes a reptes específics. De fet, la Generalitat de Catalunya, en el seu informe de juliol del 2019[4], ja recull exemples de com la IA pot contribuir a l’assoliment de cadascun dels 17 ODSs recollits en l’Agenda 2030.

Hi ha una infinitat d’exemples per il·lustrar el potencial de la IA en aquest àmbit. Podríem parlar, per exemple, de l’acord entre Microsoft i la Generalitat de Catalunya[5], que aborda la gestió de les conques hidrogràfiques per garantir el compliment de la legislació catalana, el recompte d’animals salvatges mitjançant l’ús de drons o la detecció intel·ligent de la contaminació en plantes de tractament d’aigües residuals. Un altre exemple és un projecte dut a terme per NTT Data i ProDrone per identificar i localitzar una planta invasora que és altament tòxica tant per a les persones com pels animals[6].

Tanmateix, si bé és cert que la IA pot ser un impuls en el camí cap a la sostenibilitat, no podem obviar que també forma part del problema[7]. La Universitat de Massachusetts va ser una de les primeres institucions en alertar sobre aquesta qüestió, estimant que només el procés d’entrenament d’un model d’aprenentatge profund (Deep Learning) de processament de llenguatge natural (NLP) emetia cinc vegades més CO2 que el consum mitjà d’un cotxe al llarg de tota la seva vida útil[8]. És més, d’acord a estudis recents, amb l’actual ritme de d’adopció de la IA, la quota mundial  de consum d’energia en centres de dades passarà del 2% el 2019 al 10% el 2025[9]. D’altres estudis afirmen que el consum d’energia global s’incrementarà de 190TWh en el 2018 fins al 3000TWh en el 2030[10].

La Green Software Foundation[11], de la qual des de NTT en formem part des del 2021, és una organització sense ànim de lucre fundada per la Linux Foundation que té com a objectiu principal la reducció del 45% de les emissions produïdes per les Tecnologies de la Informació i la Comunicació (TIC). Des de la fundació s’han assenyalat tres àrees d’acció per a la reducció d’emissions, les quals són aplicables en l’àmbit de la IA:

• La primera és l’optimització dels Clouds o centres de dades. Un dels principals reptes en aquest àmbit és reduir l’ús dels sistemes de refrigeració, que consumeixen fins al 40% de l’energia. Per exemple, a NTT DATA hem testejat el sistema d’immersió per a la refrigeració, el qual ha aconseguit estalviar fins al 97%[12] el consum energètic dedicat a la refrigeració. Un altre exemple és el de Google, que ha utilitzat tècniques d’aprenentatge automàtic amb el mateix objectiu, obtenint millores de fins al 40%[13].
• La segona àrea és la optimització del propi hardware, com els servidors del Cloud o els diferents components dels equips personals. És necessari desenvolupar dissenys especialitzats a executar workflows d’IA. Un exemple clar és l’evolució de les Unitats Centrals de Processament (CPU) genèriques cap a les Unitats de Processament Gràfic (GPUs) especialitzades i, fa uns cinc anys, l’aparició de les Unitats de Processament de Tensors (TPUs), dissenyades per Google específicament per accelerar els processos de ML.
• Finalment, la tercera àrea, consisteix en optimitzar el software mitjançant i) tècniques de compressió de models per reduir el temps d’entrenament i el d’execució, així com, de retruc, reduir l’ús de la memòria, ii) l’ús de llenguatges de programació pre-compilats, com C++ o Java, que tenen major velocitat de processament que el popular Python, i poden, per tant, reduir el cost energètic de la seva execució i iii) utilitzar formats per les dades que optimitzin el seu processament i el seu emmagatzemant, com per exemple Parquet, un format orientat a columnes que és molt més eficient que el CSV.

El cert és que els usos de la IA per a donar resposta a reptes en el marc de la sostenibilitat són infinits i, segurament a hores d’ara, inimaginables. No obstant això, és crucial que la seva producció i la seva explotació siguin també sostenibles. Com és habitual davant de reptes globals, només amb una conjunció de la recerca, de la iniciativa pública i privada, on intervinguin el conjunt de l’ecosistema de la producció de hardware i de software i amb una aposta clara pel desenvolupament de la IA des d’una perspectiva mediambiental, la IA podrà esdevenir realment verda i una veritable eina en l’assoliment dels ODSs.

[1] https://online.hbs.edu/blog/post/business-sustainability-strategies

[2] https://www.forbes.com/sites/forbesbusinesscouncil/2021/02/10/why-corporate-strategies-should-be-focused-on-sustainability/?sh=6daed0a27e9f

[3] Touvron, Hugo, et al. “Llama 2: Open Foundation and Fine-Tuned Chat Models.” https://ai.meta.com/research/publications/llama-2-open-foundation-and-fine-tuned-chat-models/ (2023).

[4]http://www.accio.gencat.cat/web/.content/bancconeixement/documents/informes_sectorials/informe-tecnologic-inteligencia-artificial.pdf

[5] https://news.microsoft.com/es-es/2022/08/04/microsoft-y-la-generalitat-de-catalunya-colaboran-en-la-puesta-en-marcha-de-tres-proyectos-de-inteligencia-artificial-para-la-mejora-de-la-sostenibilidad-medioambiental/

[6] https://nttdata-solutions.com/us/services/innovation-consulting/giant-hogweed-case/

[7] CIDAI Masterclass: NTT DATA Generative AI & LLMs: https://www.youtube.com/watch?v=4zyuoIIA_rw&t=2312s

[8] https://arxiv.org/abs/1906.02243

[9]https://observer.com/2019/08/artificial -intelligence -bitcoin -cloud -computing -climate -change/

[10] https://dl.ndl.go.jp/view/prepareDownload?itemId=info%3Andljp%2Fpid%2F11546567&contentNo=1

[11] https://greensoftware.foundation/

[12] https://www.nttdata.com/jp/ja/news/release/2022/060601/

[13] https://www.deepmind.com/blog/deepmind-ai-reduces-google-data-centre-cooling-bill-by-40