19 Ekim’de bir kongre alt komitesi, yapay zekanın yeni üretim kaynaklarının keşfinden elektrik talebine yönelik daha iyi tahminlere kadar enerji sektöründe oynayabileceği rol hakkında ifadeler dinledi. İfadelerin tonu genel olarak iyimserdi.
Electric Power Research Institute’de yapay zeka, kuantum ve nükleer inovasyondan sorumlu kıdemli teknik yönetici Jeremy Renshaw, yapay zekayı kullanarak “kamu hizmetleri, güvenliği, satın alınabilirliği, verimliliği ve çevre dostu enerji üretimini korumak veya iyileştirmek için faydalarından yararlanabilecek.” dedi.
Kurumsal sürdürülebilirlik topluluğunda yapay zekaya duyulan ilgi, geçen hafta VERGE 23’te üç saat süren yapay zeka ve karbonsuzlaştırma eğitimi sırasında salonu dolduran izleyiciler tarafından da kanıtlandı. Tartışılan potansiyel kullanım durumları arasında:
Bina operasyonlarının ve endüstriyel süreçlerin optimizasyonu
Geliştirilmiş hava durumu analizleri ve enerji talebi tahminleri
Lojistik ve filo geçişlerini önceliklendirmek için daha keskin içgörüler
Hızlandırılmış araştırma ve ürün tasarımı
Ancak konuşmacılar, yapay zeka projelerine başlamadan önce, entegre ekipmanın internete bağlı olup olmadığına bakılmaksızın hedeflenen sistemlerin operasyonel sağlığı ve tesis ekiplerinin karbon azaltma hedeflerine ulaşmaya nasıl teşvik edileceği de dahil olmak üzere bazı “ön koşulların” yerine getirilmesi gerektiği konusunda uyarıda bulundular.
Gayrimenkul hizmetleri firması Cushman & Wakefield’ın iş yeri mühendisliği müdürü Andrew Knueppel, “İnsanlar bunun için tanınmıyor ve desteklenmiyorsa, bunun için hedefleriniz yoksa, o zaman bu etkili bir ilerleme kaydedebileceğiniz bir şey olmayacaktır.” dedi.
İşte kurumsal sürdürülebilirlik çabalarının bir parçası olarak yapay zeka projelerini değerlendiren şirketler için dört husus:
1. Otomasyon her derde deva değil
Knueppel, bina yönetimi uygulamaları için yapay zekayı kullanmak isteyen şirketlerin öncelikle mevcut aydınlatma ve ısıtma, havalandırma ve iklimlendirme (HVAC) sistemlerinin verimli çalışmasını sağlamaya odaklanması gerektiğini söyledi.
Knueppel, “Binanızda sıkışmış vanalar veya damperler varsa, kalibre edilmemiş sensörleriniz varsa, yapay zeka bunu sizin için düzeltmeyecektir.” dedi. “Temelde bu kötü verileri alacak ve size kötü çıktılar verecektir. Yapay zekanın okuyamayacağı sıkışık ağlarınız varsa, izole sistemleriniz veya tescilli protokolleriniz varsa, temelde takılıp kalırsınız ve herhangi bir uygulama için kullanmak üzere bu verileri alamazsınız.”
2. Veri söz konusu olduğunda nitelik nicelikten üstündür
National Renewable Energy Laboratory’de yapay zekadan sorumlu kıdemli bilim adamı Charles Tripp, yapay zeka uygulamaları için kullanılan verilerin dikkatle seçilmesinin önemini vurguladı. Tripp, bunun yalnızca potansiyel önyargıları taramakla değil, aynı zamanda modeller için en sağlam ölçütleri seçmekle de ilgili olduğunu söyledi.
“Daha fazla veriye ihtiyacınız varsa, bu verileri toplamanın maliyeti nedir? Ya da bu verileri üretmiş olabilecek üçüncü bir taraftan mı alacaksınız? Sentetik olarak üretiyorsanız, gizlilikle ilgili sorunlar ya da bu verileri elde etmek ve belirli amaçlar için kullanmakla ilgili sözleşme sorunları var mı?”
3. Yapay zeka kullanımı enerji tüketimini artırabilir
Intel’in ürün sürdürülebilirliği sorumlusu Jennifer Huffstetler, Intel’in anketine katılan kurumsal bilgi işlem müdürlerinin yüzde 70’ine yakınının, kurumlarında yapay zeka kullanımıyla ilişkili enerji tüketimi konusunda endişe duyduğunu söyledi. Huffstetler, bunun özellikle ChatGPT gibi binlerce megawatt-saat hesaplama süresi gerektirebilen üretici yapay zeka uygulamalarının eğitimi için geçerli olduğunu söyledi.
Bu da sürdürülebilirlik ekiplerinin planlama aşamasında kurumsal BT departmanlarıyla yakın iş birliği içinde olmalarını zorunlu kılıyor. Tripp’in sözlerinin altını çizen Huffstetler, yapay zekayı sürdürülebilir bir şekilde dağıtmak için dikkate alınması gereken üç temel unsur olduğunu söyledi:
Yazılım algoritmalarının ve üzerinde çalıştıkları donanımın verimliliğini optimize etmek
Bilgi işlem iş yüklerinin yenilenebilir enerji ile çalışan şebekeler üzerinde çalıştırılması
Sadece model için gerekli olan verileri kullanma
4. İnsanları karar alma süreçlerinin dışında bırakmak bir hatadır
Cushman & Wakefield’dan Knueppel, şirketlerin tesis ekiplerinin ve bina sakinlerinin makine öğrenimi sistemlerinin uygun şekilde müdahale etmek için kullandığı algoritmaları anlamalarını sağlamaları gerektiğini söyledi. Bu da küçük adımlarla başlamak ve sonuçları yakından izleyerek doğruluklarını teyit etmek anlamına geliyor.
Kneppel, bir fan veya ekipman parçasının bakım ihtiyacını yanlış tahmin eden bir yapay zeka uygulaması örneğini verdi. Knueppel, “Yapay zekayı bina kontrolü için kullanıyorsanız, yani binadaki her şey yapay zeka tarafından aktif olarak manipüle ediliyorsa ve binada şikayetler alıyorsanız, ki bu her zaman olacaktır, operatörleri binanın neyi neden yaptığını anlayamayacakları bir konuma getirirseniz bunlardan asla kurtulamazsınız.” dedi.
Başka bir deyişle, şeffaflık çok önemli.
