Sustainable AI & Green Tech

หลักการและการเลือกใช้

Sustainable AI ประเมินผลกระทบตลอดวงจร ไม่ใช่ดูพลังงาน inference อย่างเดียว ต้องกำหนดขอบเขต training อุปกรณ์ network storage และอายุใช้งาน Software Carbon Intensity เชื่อมพลังงาน ความเข้มคาร์บอนไฟฟ้า และ embodied emissions ต่อหน่วยงานที่ระบุ

ความยั่งยืนต้องถามว่าทำงานที่มีคุณภาพด้วยผลกระทบเท่าใด ไม่เพียงใช้โมเดลเล็ก Functional unit คือหน่วยงานที่ใช้เทียบ เช่น ผลอ่านถูกและสดหนึ่งรายการ Emission factor คือค่าปัจจัยที่ใช้ประมาณการปล่อยตามแหล่งพลังงาน ส่วน embodied emissions คือผลจากการผลิตและวงจรอุปกรณ์ที่กำหนด ต้องแยกจากไฟขณะใช้ และบอกขอบเขตเพื่อไม่ให้ผู้อ่านเข้าใจว่าลดการคำนวณหนึ่งส่วนหมายถึงลดทั้งโรงงาน

วิศวกรกำหนดรายการพลังงานของ training inference network และ storage ที่รวมในการศึกษา พร้อมอายุอุปกรณ์และวิธีจัดสรรผลต่อหน่วยงาน SCI เป็นแนวคิดเชื่อมองค์ประกอบเหล่านี้ตามกติกา ไม่ใช่คะแนนรับรอง ต้องแยก measured ที่วัดได้จาก estimated ที่ประมาณตามสมมติฐาน ใช้ factor ที่มีแหล่ง ปี และพื้นที่ พร้อมความไม่แน่นอน ไม่นำตัวเลขต่างขอบเขตมาเทียบเหมือนวัดสิ่งเดียวกัน

ตัวอย่างในบริบทอุตสาหกรรม

ตัวอย่างเชิงออกแบบ: เปรียบเทียบอ่านเกจทุกเฟรมกับ sampling ตามความจำเป็น โดยคงคุณภาพและ deadline เดิม การลด compute ไม่อาจเรียกว่า “ลดคาร์บอนโรงงาน” หากยังไม่ประเมินขอบเขตทั้งหมด

สมมติระบบเลือกอ่านบางเฟรมและใช้พลังงานส่วนคำนวณน้อยลง แต่กล้อง เครือข่าย และเครื่องยังเปิดเท่าเดิม ผลรวมอาจไม่ลดตามสัดส่วนที่คาด ต้องวัดขอบเขตเดิมทั้งสองวิธีและตรวจว่าเหตุสำคัญไม่พลาด หากผลอ่านลดจนต้องให้คนตรวจเพิ่ม ก็ต้องบอกภาระนั้น ไม่เปรียบจำนวนการคำนวณอย่างเดียวแล้วอ้างว่าความยั่งยืนดีขึ้นโดยไม่รักษาคุณภาพงาน

วิศวกรใช้ workload เดียวกันพร้อม functional unit ที่ยืนยันว่าผลยังถูกและสด วัดพลังงานตามวิธีอุปกรณ์ที่ปลอดภัยโดยไม่แก้ระบบไฟเอง แล้วบันทึกช่วงเวลาและสิ่งที่รวม หากต้องซื้อเครื่องใหม่ ต้องประเมินอายุใช้งานและ embodied impact ตามข้อมูลที่มี ไม่กล่าวว่าของใหม่ประหยัดกว่าแน่นอน การเปลี่ยน retention ต้องดูผลต่อการเก็บและความสามารถตรวจย้อนหลังร่วม ไม่ลบหลักฐานจำเป็นเพื่อชนะคะแนนพลังงาน

ขั้นตอนศึกษาและทดลอง

วิธีประเมินและนิยามผล

รายงานพลังงานต่อหน่วยงานกับสมมติฐานคาร์บอนและ uncertainty แยก measured จาก estimated และไม่หักการประหยัดสมมติที่ไม่มีหลักฐาน

พลังงานต่อหน่วยต้องมีตัวหารที่ตรงกับงานสำเร็จ ไม่ใช้จำนวนภาพที่รับซึ่งอาจอ่านไม่ได้ทั้งหมด ควรรายงานคุณภาพและเวลาควบคู่ พร้อมฐานเปรียบเทียบที่มีภาระเดียวกัน การแปลงเป็นคาร์บอนต้องระบุ factor และขอบเขต ไม่ให้ค่าประมาณดูเหมือนการวัดตรง และไม่หักประโยชน์จากการลดของเสียหรือการหยุดงานที่ยังไม่มีข้อมูลยืนยันแยก เพราะอาจนับซ้ำหรือเกินหลักฐาน

วิศวกรตรวจการทำซ้ำและความไวต่อสมมติฐาน เช่น อายุอุปกรณ์ ปริมาณงาน และ factor ที่เลือก พร้อมแยกช่วงฝึกกับใช้งาน หากผลลดเฉพาะ GPU แต่รวมระบบไม่เปลี่ยน ต้องรายงานตามจริง เอกสาร SCI และ GHG Protocol เป็นแนวกำหนดขอบเขตและวิธีประเมิน ไม่ใช่ certification หรือคำยืนยันว่าผลิตภัณฑ์ลดคาร์บอนแล้ว การสรุปต้องบอกสิ่งที่วัดและสิ่งที่ยังไม่ได้รวมอย่างชัดเจน

ข้อจำกัดและกรณีผิดพลาด

ใช้ GPU น้อยลงอาจไม่ลดไฟทั้งระบบตามสัดส่วน ค่าเฉลี่ย emission factor ไม่แทนทุกเวลา และการซื้ออุปกรณ์ใหม่มี embodied impact

การใช้ทรัพยากรคำนวณกับการใช้ไฟมีความสัมพันธ์ที่ต้องวัด ไม่ใช่สัดส่วนตรงทุกเครื่อง งานรอหรืออุปกรณ์ร่วมยังใช้ไฟ ค่า factor เฉลี่ยช่วยประมาณขอบเขตหนึ่งแต่ไม่บอกทุกช่วงเวลาที่ใช้ ต้องระบุสมมติฐานและความไม่แน่นอน ไม่เปลี่ยน factor ให้ได้ผลที่ต้องการหลังเห็นข้อมูล หรือกล่าวว่าการเลือก edge cloud หรือโมเดลเล็กย่อมยั่งยืนกว่าโดยไม่มีการเทียบครบเส้นทาง

การลดความละเอียดหรือความถี่อาจประหยัดบางส่วนแต่ทำให้เข็มบางหรือเหตุสั้นหาย ต้องรักษาเกณฑ์คุณภาพและ deadline เดิมก่อนเทียบ ส่วนอุปกรณ์ใหม่มีต้นทุนวงจรที่ต้องพิจารณา ตัวอย่างนี้เป็นวิธีศึกษา ไม่ยืนยันผลลดพลังงาน คาร์บอน หรือการรับรองด้านสิ่งแวดล้อมของผลิตภัณฑ์ปัจจุบัน และข้อมูลประโยชน์ธุรกิจที่ยังเป็นสมมติไม่ควรเขียนเหมือนผลจริงของลูกค้าหรือโรงงานใด

รายการตรวจสอบก่อนนำไปใช้

• กำหนดขอบเขตและ baseline หรือไม่
• มีแหล่ง factor ตรวจสอบได้หรือไม่
• คุณภาพงานหลังลด compute ยังผ่านหรือไม่

เอกสารอ้างอิงและอ่านต่อ

• Green Software Foundation — Software Carbon Intensity
• GHG Protocol — Corporate Standard