Veri analizinin karbon ayak izini en aza indirme, veri merkezleri için sürdürülebilirliği en üst düzeye çıkarma

Yöneticiler, çevresel etkilerini azaltmak için her zamankinden daha fazla baskıyla karşı karşıya. Bu, küresel ısınmaya katkılarından dolayı özellikle veri merkezleri için geçerlidir. Dünyadaki tüm veri merkezleri bir ülke olsaydı, dünyanın en büyük beşinci enerji tüketicisi olarak sıralanırlardı. 2020’deveri merkezleri küresel elektrik talebinin yaklaşık %1’ini tüketti ve tüm CO2 emisyonlarının %0,3’üne katkıda bulundu.

Günümüzde şirketlerin karbon ayak izleri konusunda şeffaflık sağlamaları gerekiyor ve veri merkezlerinin verimlilik sıralamasını iyileştirme yarışı devam ediyor. Var liste PUE (fiyat kullanım etkinliği) tarafından sıralanan dünya çapındaki veri merkezlerinin sayısı ve Yeşil Barış karbon ayak izine göre bir temiz teknoloji endüstrisi merkezleri sıralaması oluşturdu.

Daha yeşil kod ihtiyacı

Veri merkezlerinin sürdürülebilirlik girişimlerinin çoğu, soğutma için yenilenebilir enerji kullanmaya veya güç tüketimini azaltmak için soğutma sistemlerini optimize etmeye dayanmaktadır. Ancak, veri analitiği için çevresel kontrolleri sürdürmek için gereken enerjinin yanı sıra, yazılımın kendisinin de tüketilen elektrik miktarı üzerinde önemli bir etkisi vardır. Ne kadar? Biraz.

Mevcut araştırmaya göre, büyük bir makine öğrenimi (ML) modeli, örneğin: meena, 242.231 mil giden bir binek araçla aynı miktarda enerji tüketir. Amherst’teki Massachusetts Üniversitesi’ndeki araştırmacılar, büyük bir derin öğrenme modelinin eğitiminin 626.000 beş arabanın ömür boyu emisyonlarına eşit CO2 pound.

Sonuç olarak, daha verimli kod oluşturmaya artan bir ilgi ve bağlılık vardır. bu Yeşil Yazılım Vakfı (GSF), VMware, Microsoft, Accenture ve GitHub gibi üyeleriyle daha az enerji tüketen yazılımlar tasarlamak, tasarlamak ve kodlamak gibi bir misyona sahiptir.

Sürdürülebilir makine öğrenimi için ipuçları

AI/ML modelleri için daha çevreci algoritmaların nasıl yazılacağı hakkında birkaç akademik makale var, ancak burada birkaç temel ipucu var.

Bilgi işlem kaynaklarını azaltmanın bir yolu, eğitim deneylerinin sayısını en aza indirmektir. Geliştiricilerin yapay zeka yeteneklerini uygulamalara yerleştirmek için yalnızca kendi verilerini getirmesi gereken, modelleri geliştirmek ve eğitmek için gereken süreyi önemli ölçüde azaltan, önceden eğitilmiş yüzlerce makine öğrenimi modeli veya planı vardır.

Performansı optimize etmenin en iyi yolu hakkında kararlar almak için algoritmanın karbon ayak izini görmek de önemlidir. Birkaç üniversiteden araştırmacılar bu amaç için araçlar yarattılar. Örneğin, Yeşil Algoritmalar bulut bilişim karbon ayak izinizi hesaplar. Başka bir örnek KodKarbonPython kod tabanına entegre olan ve kodu yürütmek için kullanılan bilgi işlem kaynakları tarafından üretilen CO2 miktarını tahmin eden bir yazılım paketidir.

Otomasyon, eğitim çalışma süresini azaltmak için de kullanılabilir. Doğruluğu korurken deney sayısını ve/veya analiz edilen veri miktarını en aza indirmek mümkündür. Daha verimli veri örneklemesi tek başına model çalışma süresini 5,8 kat hızlandırabilir.

Hesaplamaları fiilen yapmak için kullanılan yazılım, gerekli bilgi işlem kaynaklarının sayısını azaltmaya da yardımcı olabilir. Enerji tüketimini azaltmak için bellek ve depolama kullanımını optimize edebilen büyük miktarda veriyi işlemek için özel olarak tasarlanmış veritabanları vardır. Bu veritabanları ayrıca, analiz edilen veri miktarını sınırlamanın gerekli olmaması avantajına sahiptir, bu da çalışma süresini hızlandırmaya çalışarak modelin doğruluğundan ödün verilmesi riskini azaltır.

Model çalışma süresini azaltmak, enerji verimliliğini artırmanın yanı sıra, dolandırıcılık tespiti, siber güvenlik çözümleri, kalite kontrol vb. gibi iş açısından kritik uygulamalar için toplam öngörü süresini azaltır. Daha verimli kod yalnızca çevre için daha iyi olmakla kalmaz, aynı zamanda iyidir iş için.

Daha fazla potansiyel müşteri, bir şirketin yeşil stratejilerine bağlılığı konusunda şeffaflık istiyor ve bir “yeşil” kod standardına sahip olmak önemli bir ilk adım olabilir. Çalışanlar, çevreye duyarlı kararlar veren, çevreye duyarlı bir şirkette çalışmak isterler. Gelecekte, bulut satıcıları, aşırı veya gereksiz olarak kabul edilen işleme cezaları ile bir iş yükünün karbon ayak izinin görünürlüğünü gerektirebilir.

Daha iyi iş kararları almak için anlam çıkarmak için gereken çok sayıda hesaplamayla, sosyal sorumluluk sahibi olmak sadece güzel bir şey değil, bir zorunluluk haline geldi.

Ohad Shalev stratejik bir analisttir. kare.