Google révèle comment l'IA et l'apprentissage automatique façonnent sa stratégie de développement durable

jijomathai - stock.adobe.com

Google a levé le voile sur la manière dont l'intelligence artificielle (IA) et l'apprentissage automatique (ML) l'aident à aider les consommateurs et les entreprises à réduire l'empreinte environnementale de leurs activités en leur permettant de procéder à des ajustements en temps réel susceptibles de réduire leurs émissions de gaz à effet de serre (GES). ) émissions.

Les détails de son travail dans ce domaine peuvent être trouvés dans le dernier rapport environnemental annuel du géant de la technologie. Couvrant les 12 mois jusqu'au 31 décembre 2022, le document fournit des mises à jour sur la façon dont les efforts du géant de la technologie pour faire fonctionner ses centres de données et ses bureaux avec de l'énergie sans carbone (CFE) 24 heures sur 24 et comment sa tentative de réduire la consommation d'eau par ses opérations se poursuivent.

"Nous avons atteint environ 64 % de CFE 24 heures sur 24 dans tous nos centres de données et bureaux, [et] cette année, nous avons étendu nos rapports CFE pour inclure les bureaux et les centres de données tiers, en plus des centres de données détenus et exploités par Google, ", a déclaré l'entreprise.

« Fin 2022, nos projets de bassins versants sous contrat ont permis de reconstituer 271 millions de gallons d'eau – l'équivalent de plus de 400 piscines olympiques – pour soutenir notre objectif de reconstituer 120 % de l'eau douce que nous avons utilisée.

Le rapport montre également comment, sept ans après s'être déclarée « entreprise axée sur l'IA », cette technologie soutient les propres efforts de l'entreprise en matière d'atténuation du changement climatique.

À ce stade, l’entreprise a déclaré qu’elle utilisait l’IA pour accélérer le développement d’outils de lutte contre le changement climatique capables de fournir « de meilleures informations aux individus, une optimisation opérationnelle pour les organisations et des prévisions et des prévisions améliorées ».

À titre d'exemple, l'entreprise a souligné la manière dont Google Maps utilise l'IA pour aider les utilisateurs à planifier leurs voyages de manière plus respectueuse de l'environnement en minimisant la quantité de carburant et l'énergie de la batterie qu'ils utilisent pour se rendre d'un point A à un point B.

« Les itinéraires écologiques ont permis d'éviter 1,2 tonne d'émissions de carbone estimées depuis le lancement, ce qui équivaut à retirer environ 250 000 voitures à carburant de la route pendant un an », rapporte-t-il.

La technologie s'avère également utile dans les efforts de l'entreprise visant à réduire l'empreinte environnementale de ses modèles d'IA en aidant les centres de données dans lesquels ils sont hébergés à fonctionner de manière plus économe en énergie.

"Nous avons réalisé des investissements importants dans un cloud computing plus propre en faisant de nos centres de données parmi les plus efficaces au monde et en nous approvisionnant davantage en énergie sans carbone", indique le rapport. « Nous aidons nos clients à prendre des décisions en temps réel pour réduire les émissions et atténuer les risques climatiques grâce aux données et à l'IA. »

Pour renforcer ce point, l'entreprise a cité le déploiement de sa fonctionnalité Active Assist auprès des clients Google Cloud, qui utilise l'apprentissage automatique pour identifier les charges de travail inutilisées et potentiellement inutiles afin de pouvoir les arrêter pour économiser de l'argent et réduire en même temps les émissions de carbone de l'organisation. temps.

D’un autre côté, cependant, le rapport reconnaît que l’utilisation accrue de l’IA de cette manière augmente également la quantité de travail effectué par ses centres de données, ce qui suscite des inquiétudes quant à l’impact environnemental et aux habitudes de consommation d’énergie de son IA. charges de travail.

"Avec l'IA à un point d'inflexion, il est difficile de prédire la croissance future de la consommation d'énergie et des émissions issues du calcul de l'IA dans nos centres de données", poursuit le rapport.

« Historiquement, les recherches ont montré qu’à mesure que la demande de calcul d’IA/ML augmentait, l’énergie nécessaire pour alimenter cette technologie augmentait à un rythme beaucoup plus lent que ne le prévoyaient de nombreuses prévisions. Nous avons utilisé des pratiques éprouvées pour réduire considérablement l'empreinte carbone des charges de travail ; ensemble, ces principes ont réduit l'énergie nécessaire à la formation d'un modèle jusqu'à 100 fois et les émissions jusqu'à 1 000 fois.

Le rapport ajoute : « Nous prévoyons de continuer à appliquer ces pratiques testées et de continuer à développer de nouvelles façons de rendre l’informatique IA plus efficace. »