Prema istraživanju McKinsey Global Institutea, procjenjuje se da će umjetna inteligencija stvarati dodatnih 13 trilijuna američkih dolara vrijednosti godišnje do 2030. godine.
Čak i danas tehnologije umjetne inteligencije generiraju ogroman prihod, ali to je uglavnom u području softvera.
Postoji nekoliko područja u kojima će umjetna inteligencija biti vrlo utjecajna, ali oko nje postoji i mnogo nepotrebne pompe. Thales pridonosi na tim područjima svojim zelenim radom.
Tijekom proteklih desetljeća, umjetna inteligencija (AI) je prešla put od znanstvene fantastike do znanstvene činjenice. Sada je sastavni dio naše sadašnjosti i počinjemo uviđati utjecaj koji ima na radna mjesta, gospodarstvo i tehnologiju koju koristimo svaki dan. Ali što je s utjecajem na okoliš? Kako možemo iskoristiti AI za izgradnju zelenije i održivije budućnosti?
Praćenje klime
Umjetna inteligencija ima ključnu ulogu u promatranju i razumijevanju klimatskih fenomena koji su ključni za borbu protiv klimatskih promjena. Najočitija primjena je poboljšanje mogućnosti obrade slike satelita, koji će moći bolje analizirati i predviđati klimatske pojave.
Zelena mobilnost
Međutim, AI ne daje značajan doprinos ekološkim pitanjima samo na nebu i iznad njega. Naš partner Thales također je razvio složene, ekološki odgovorne sustave za željeznički prijevoz koji koriste AI temeljen na učenju i znanju te troše manje energije.
Sustavi za savjetovanje vozača i upravljanje prometom, zajedno sa sustavima za upravljanje automatskim radom podzemne željeznice i autonomnih vlakova, optimiziraju potrošnju energije kroz pažljivo definirane strategije vožnje i izračunavanjem optimalnih profila ubrzanja i kočenja u stvarnom vremenu.
Ovi sustavi također omogućuju predviđanje incidenata na mreži, čime se smanjuju neočekivani zastoji vlakova uzrokovani primjerice preprekama na tračnicama. Sustavi nadzora stanica također analiziraju potrošnju energije u stvarnom vremenu, sa senzorima koji određuju precizne energetske potrebe prema protoku putnika, osiguravajući da potrošnja energije odgovara zahtjevima.
Potrošnja energije i IoT
Moderni sustavi, primjerice u području interneta stvari (IoT - Internet of Things), prikupljaju ogromne količine najrazličitijih vrsta podataka. Tradicionalno, ti se podaci obrađuju u središnjem računalu ili oblaku, a zatim se rezultati šalju natrag u aplikaciju na terenu. Međutim, ne samo da to dovodi do sigurnosnih problema, nego nije ni troškovno ni energetski učinkovito.
Thalesova stručnost omogućila je razvoj platforme za jednostavnu integraciju distribuiranih AI algoritama na terenu, koji obrađuju većinu podataka u blizini aplikacije – takozvano rubno računalstvo – i prenose samo rezultate obrade, čuvajući podatke iza sigurnog vatrozida uz značajno smanjenje potrošnje energije.
Lateralno razmišljanje: eko-dizajn i štedljiva umjetna inteligencija
Međutim, održiva tehnologija ne odnosi se samo na vidljive učinke, poput smanjenja potrošnje energije ili emisije ugljika. Također uključuje promatranje čitavih procesa – od koncepcije do rada – kako bi se vidjelo gdje se stvarna promjena može dogoditi.
Kao stručnjak za rješenja za podršku kritičnim odlukama, Thales je prva tvrtka koja je razvila "štedljivu" umjetnu inteligenciju temeljenu na algoritmima koji zahtijevaju male količine energije. Thalesovi stručnjaci daju prednost simboličkoj ili hibridnoj umjetnoj inteligenciji temeljenoj na znanju, koja je daleko energetski učinkovitija. Pozornost se prebacuje s velikih podataka na pametne podatke, dajući prednost kvaliteti u odnosu na kvantitetu, te na poboljšanje dizajna i implementacije elektronike kako bi se ponudili elektronički sklopovi koji troše vrlo malo energije.
AI budućnosti: neuromorfno računalstvo
Što je sljedeća velika stvar? Iako je još uvijek u povojima, neuromorfno računalstvo moglo bi biti tehnologija koja će napraviti potpunu revoluciju umjetne inteligencije.
Većina ljudi koji se danas bave umjetnom inteligencijom koncentriraju se na algoritme koji pomažu u postizanju određenog rezultata. Algoritmi umjetne inteligencije možda su inspirirani radom ljudskog mozga i njegovih neuronskih mreža, ali se temelje na virtualnim neuronskim mrežama koje rade na konvencionalnim računalnim čipovima.
Neuromorfni čip, s druge strane, fizička je reprodukcija neuronske mreže. U svom radu crpimo inspiraciju iz organizacije i strukture mozga — a posebno iz načina na koji su neuronske mreže organizirane kao uzastopni slojevi neurona u korteksu — kako bismo razvili procesore koji mogu pokretati te algoritme vrlo učinkovito i s mnogo manje energije.
Znanost nam pomaže izgraditi sigurniji zeleniji svijet i pravednije društvo!
