في عصرٍ تتسارع فيه وتيرة الابتكارات التكنولوجية، أصبح الذكاء الاصطناعي (Artificial Intelligence - AI) والتعلم الآلي (Machine Learning - ML) أدواتً قوية لدعم وتحسين المهام الإنسانية المعقدة. ولكن في ظل مزاياها، يزداد التركيز على آثارها البيئية، خاصةً بسبب متطلبات الطاقة العالية والانبعاثات الكربونية المرتبطة بها.

يتطرق بحث حديث إلى فكرة "الذكاء الاصطناعي الأخضر" (Green AI) و"التعلم العميق الأخضر" (Green DL) وما يرتبط بهما من تقنيات تحسين تهدف إلى تقليل التأثير البيئي لنماذج الذكاء الاصطناعي. حيث قام الباحثون بإجراء مراجعة شاملة للدراسات المتعلقة بهذين الموضوعين، وقدموا مقارنة لعدة أدوات قياس الكربون المستخدمة لتقدير الانبعاثات الناتجة عن الخوارزميات.

من خلال تجربة عملية أجريت باستخدام إعداد تجريبي قائم على الوحدة المعالجة المركزية، تمت دراسة ستة نماذج تعلم عميق (Deep Learning - DL) لتصنيف متعدد التسميات. وكانت الغاية من هذه الدراسة هي قياس ومقارنة الانبعاثات الكربونية العامة الناتجة وتحديد المراحل الأكثر تأثيراً في الدورة الحياتية لنموذج التعلم العميق.

نتائج الدراسة أشارت إلى أن مرحلة التدريب هي المصدر الرئيسي للانبعاثات. وتوضح النتائج أيضا أن زيادة تعقيد الهيكلية لا تترجم دائماً إلى تحسين دقيق قابل للنسب، مما يبرز أهمية تحقيق التوازن بين الأداء المتوقع وتكاليفه البيئية.

هذه النتائج تعزز الحاجة إلى دمج اعتبارات الاستدامة في اختيار النماذج وتصميم أنظمة الذكاء الاصطناعي.

ما رأيكم في هذا التوجه نحو الاستدامة في التكنولوجيا؟ شاركونا آراءكم في التعليقات!