Upimaji wa Matumizi ya Nishati na Uwiano wa Kaboni kwa Huduma za IoT zinazoendeshwa na Akili Bandia

Yaliyomo

1. Utangulizi

Unganishaji wa Akili Bandia (AI) na huduma za Internet ya Vitu (IoT) unabadilisha usindikaji wa ukingoni kuwa Akili ya Ukingoni, na kujenga changamoto mpya za upimaji wa matumizi ya nishati na uwiano wa kaboni. Zana za sasa za kupima IoT hazina uwezo kamili wa kulinganisha nishati na uzalishaji wa kaboni, na kuwakosa watengenezaji data muhimu kuhusu athari za kimazingira.

2. Msingi wa Utafiti

2.1 Mabadiliko ya Akili ya Ukingoni

Vifaa vya IoT vimebadilika kutoka kwa vitu rahisi vya mwisho hadi vifaa vilivyoendelea na viwasha vya kati vinavyoweza kuunga mkazo mzigo wa AI. Kipimo na usambazaji wa huduma za IoT zinazoendeshwa na AI zinaendelea kuongezeka, huku Gartner ikitabiri kuwa asilimia 75 ya data ya biashara itatengenezwa na kusindika ukingoni ifikapo mwaka 2025.

2.2 Changamoto za Matumizi ya Nishati

Mahitaji ya kihisabati ya AI yanaongezeka kwa kasi, yakizidi mara mbili kila miezi 4 ikilinganishwa na kipindi cha Sheria ya Moore cha miezi 24. Kituo cha data kwa sasa hutumia takriban TWh 200 kwa mwaka, huku Google ikiripoti asilimia 15 ya matumizi ya nishati yanahusishwa na mzigo wa AI/ML.

3. Mfumo wa Kiteknolojia

3.1 Mbinu ya Kuunda Mfumo wa Nishati

Mfumo wa matumizi ya nishati kwa huduma za IoT zinazoendeshwa na AI unazingatia vipengele vya kihisabati na vya mawasiliano. Jumla ya matumizi ya nishati $E_{jumla}$ inaweza kuonyeshwa kama:

$E_{jumla} = E_{hisabati} + E_{mawasiliano} + E_{bila}{kazi}$

Ambapo $E_{hisabati}$ inawakilisha nishati inayotumiwa wakati wa kuhitimisha na kufundisha mfano wa AI, $E_{mawasiliano}$ inahusisha nishati ya usafirishaji wa data, na $E_{bila}{kazi}$ inashughulikia matumizi ya msingi ya nishati.

3.2 Mahesabu ya Uzalishaji wa Kaboni

Uzalishaji wa kaboni unahesabiwa kulingana na matumizi ya nishati na vipengele vya ukubwa wa kaboni wa kikanda:

$CO_2 = \sum_{i=1}^{n} E_i \times CI_i$

Ambapo $E_i$ ni nishati inayotumiwa katika eneo $i$, na $CI_i$ ni ukubwa wa kaboni wa mtandao wa nishati katika eneo hilo.

4. Matokeo ya Majaribio

Tathmini ya majaribio inaonyesha tofauti kubwa katika matumizi ya nishati kwenye miundo tofauti ya mifano ya AI na hali ya utumizi. Mfumo wa kupimia ulifunua kuwa:

• Mifano ya msingi wa CNN ilitumia nishati asilimia 23 chini ya miundo sawa ya Transformer
• Matumizi ya ukingoni yalipunguza ucheleweshaji kwa asilimia 47 lakini yaliongeza matumizi ya nishati kwa asilimia 18 ikilinganishwa na matumizi ya wingu pekee
• Mbinu za kupima kiwango cha mfano zilipata akiba ya nishati ya asilimia 35 na hasara ndogo ya usahihi

5. Utekelezaji wa Msimbo

Hapa chini kuna utekelezaji rahisi wa Python kwa makadirio ya matumizi ya nishati:

class Kifaa cha Kufuatilia Nishati:
    def __init__(self, ukubwa_wa_kaboni=0.5):
        self.ukubwa_wa_kaboni = ukubwa_wa_kaboni  # kgCO2/kWh
        
    def kadiria_nishati(self, ukubwa_wa_mfano, muda_wa_kuhitimisha, nguvu_ya_kifaa):
        """Kadiria matumizi ya nishati kwa kuhitimisha AI"""
        nishati_kwh = (nguvu_ya_kifaa * muda_wa_kuhitimisha) / 3600000
        uzalishaji_wa_kaboni = nishati_kwh * self.ukubwa_wa_kaboni
        return {
            'nishati_kwh': nishati_kwh,
            'kaboni_kg': uzalishaji_wa_kaboni,
            'ukubwa_wa_mfano': ukubwa_wa_mfano
        }
    
    def boresha_matumizi(self, miundo, maeneo):
        """Uboreshaji wa matumizi ya mfano unaozingatia kaboni"""
        usanidi_bora = None
        kaboni_duni = float('inf')
        
        for mfano in miundo:
            for eneo in maeneo:
                kaboni = self.hesabu_uwiano_wa_kaboni(mfano, eneo)
                if kaboni < kaboni_duni:
                    kaboni_duni = kaboni
                    usanidi_bora = (mfano, eneo)
        
        return usanidi_bora, kaboni_duni

6. Matumizi ya Baadaye

Utafiti unaonyesha mwelekeo kadhaa mazuri ya baadaye:

• Upangaji Unaozingatia Kaboni: Usambazaji wa mzigo unaobadilika kulingana na data halisi ya ukubwa wa kaboni
• Uboreshaji wa Kujifunza Kwa Pamoja: Mafunzo ya AI yaliyosambazwa kwa ufanisi wa nishati kwenye vifaa vya ukingoni
• Uundaji wa Pamoja wa Vifaa na Programu: Viwasha maalum kwa AI ya ukingoni yenye ufanisi wa nishati
• Vigezo Vya Kawaida: Vipimo vya nishati na kaboni kwa kiwango cha tasnia kwa huduma za IoT zinazoendeshwa na AI

7. Marejeo

1. Trihinas, D., et al. "Kuelekea Upimaji wa Matumizi ya Nishati na Uwiano wa Kaboni kwa Huduma za IoT zinazoendeshwa na Akili Bandia." IEEE IC2E 2022.
2. Strubell, E., et al. "Jambo la Kuzingatia la Nishati na Sera kwa Kujifunza Kina katika NLP." ACL 2019.
3. Schwartz, R., et al. "Kijani AI." Mawasiliano ya ACM 2020.
4. Zhu, J., et al. "CycleGAN: Tafsiri ya Picha hadi Picha isiyo na jozi kwa kutumia Mitandao ya Kupingana Yenye Mzunguko Unaofanana." ICCV 2017.
5. Tume ya Ulaya. "Mpango wa Kijani wa EU." 2020.