Qaçınılması vacib olan 5 böyük süni intellekt xətası

Süni intellekt (Al) həllərinin sürətlə mənimsənilməsi bir çox sahələri köklü şəkildə dəyişdirərkən, müəssisələr bu texnologiyaları ətraf mühitə təsirini kifayətincə nəzərə almadan tətbiq etməyə çalışır. Bu isə həm qlobal ekoloji hədəfləri, həm də şirkətlərin uzunmüddətli dayanıqlılığını riskə atan, çox vaxt görməzlikdən gəlinən bir böhran yaradır.

Bəs bu vəziyyətin qarşısını almaq üçün nə edilməlidir, daha doğrusu nə edilməməlidir? 

Valyuta.az xarici mediaya istinadən xəbər verir ki, süni intellekt strategiyaları hazırlanarkən ətraf mühitə təsiri artıran beş əsas xətadan qaçmaq mümkündür:

1. Sadə işlər üçün nəhəng modellərdən istifadə etmək

Bir çox şirkət “böyük daha yaxşıdır” düşüncəsi ilə ən iri və ən yeni modellərə yönəlir. Halbuki kiçik dil modelləri ilə də eyni nəticəni əldə etmək mümkün olan işlərdə nəhəng modellərdən istifadə ciddi enerji sərfiyyatına səbəb olur. Böyük modellərdə çıxarım prosesi optimallaşdırılmış kiçik modellərlə müqayisədə sorğu başına 10–100 dəfə çox enerji tələb edə bilər.

Məsələn, sadə e-poçt təsnifatı üçün yüz milyardlarla parametrli modeldən istifadə həm lazımsız, həm də yüksək ekoloji xərc yaradır. Buna görə müəssisələr real ehtiyaclarını qiymətləndirməli və daha kiçik, daha səmərəli bir modelin kifayət edib-etməyəcəyini də nəzərdən keçirməlidir.

2. Enerji səmərəli infrastrukturun nəzərə alınmaması

AI iş yüklərini infrastrukturun enerji səmərəliliyini və karbon intensivliyini nəzərə almadan işlətmək böyük xəta sayılır. Bir modeli fosil yanacaqla çalışan məlumat mərkəzində işlətmək, onu bərpaolunan enerji ilə işləyən mərkəzdə işlətməkdən 10 dəfə çox karbon izi yarada bilər. Üstəlik, veri niceleme və budama kimi optimizasiya üsulları tətbiq edilmədikdə modellər çıxarım zamanı lazımsız yüksək enerji sərf edirlər.

Məsuliyyətli qurumlar bulud təminatçılarının bərpaolunan enerji öhdəliklərini yoxlamalı, model quruluşlarını təkcə dəqiqlik üçün deyil, həm də enerji səmərəliliyi üçün optimallaşdırmalıdır.

3. Data idarəçiliyi və yaddaşı nəzərdən qaçırmaq

Veri süni intellektin əsasını təşkil edir, amma məlumatın düzgün idarə olunmaması əlavə enerji sərfiyyatı yaradır. Bir çox şirkət “sonra lazım olar” düşüncəsi ilə hədsiz böyük veriləri sınırsız şəkildə saxlayır. Lakin köhnəlmiş, lazımsız və ya təkrarlanan verilərin saxlanması və idarə olunması üçün davamlı enerji sərf edilir.

Müəssisələr məlumatların dəyərini mütəmadi qiymətləndirən, saxlanma siyasətlərini müəyyən edən və sıxışdırma texnikalarından istifadə edən idarəetmə strategiyaları tətbiq etməlidir. Xam məlumatların daimi saxlanıb-saxlanılmayacağı və ya eyni nəticəni verəcək daha kiçik data dəstlərinin yetərli olub-olmayacağı qiymətləndirilməlidir.

4. İnsan faktoruna kifayət qədər sərmayə qoymamaq

Süni intellektin tətbiqi prosesində dəyişimin düzgün idarə olunmaması əməkdaşlarda müqavimət yaradır və ümumi səmərəliliyi aşağı salır. İşçilər işlərini itirməkdən qorxduqda və ya AI alətlərindən istifadədə bacarıqları yetərsiz olduqda, mənimsəmə dərinliyi azalır və təkrarlanan işlər enerji israfına səbəb olur.

Qurumlar süni intellekti insanların daha kreativ və dəyər yaradan işlərə fokuslanmasını təmin edən bir işgüzar tərəfdaş kimi təqdim etməlidir. Açıq kommunikasiya və geniş təlim proqramları həm ekoloji, həm də iqtisadi cəhətdən daha dayanıqlı AI yatırımlarını mümkün edir.

5. Süni intellektin ekoloji təsirini ölçməmək

“Ölçmədiyini idarə edə bilməzsən” prinsipi AI üçün də keçərlidir. Çox az müəssisə süni intellekt sistemlərinin enerji sərfiyyatı və ya karbon emissiyası barədə aydın görünürlüyə malikdir. Bu məlumat olmayanda isə optimizasiya imkanlarını müəyyənləşdirmək çətinləşir.

Bu səbəblə şirkətlər ilk gündən etibarən enerji sərfiyyatı, karbon izi azaldılması və bərpaolunan enerji istifadəsi kimi ekoloji göstəriciləri əməliyyatlarına daxil etməlidir. Ənənəvi performans metriklərinə əlavə olaraq bu səmərəlilik indikatorlarının izlənməsi davamlı inkişafı mümkün edir və daha səmərəli AI tətbiqlərinə edilən yatırımları konkret məlumatlarla dəstəkləyir.

Paşa Məmmədli