តើ AI ប៉ះពាល់ដល់បរិស្ថានយ៉ាងដូចម្តេច?

ចម្លើយខ្លី៖ បញ្ញាសិប្បនិម្មិត (AI) ប៉ះពាល់ដល់បរិស្ថានជាចម្បងតាមរយៈការប្រើប្រាស់អគ្គិសនីនៅក្នុងមជ្ឈមណ្ឌលទិន្នន័យ (ទាំងការបណ្តុះបណ្តាល និងការសន្និដ្ឋានប្រចាំថ្ងៃ) រួមជាមួយនឹងទឹកសម្រាប់ត្រជាក់ បូករួមទាំងផលប៉ះពាល់ជាក់ស្តែងនៃការផលិតផ្នែករឹង និងកាកសំណល់អេឡិចត្រូនិច។ ប្រសិនបើការប្រើប្រាស់មានទ្រង់ទ្រាយធំដល់រាប់ពាន់លានសំណួរ ការសន្និដ្ឋានអាចលើសពីការបណ្តុះបណ្តាល។ ប្រសិនបើបណ្តាញអគ្គិសនីស្អាតជាង និងប្រព័ន្ធមានប្រសិទ្ធភាព ផលប៉ះពាល់ធ្លាក់ចុះ ខណៈពេលដែលអត្ថប្រយោជន៍អាចកើនឡើង។

ចំណុចសំខាន់ៗ៖

អគ្គិសនី ៖ តាមដានការប្រើប្រាស់កុំព្យូទ័រ; ការបំភាយឧស្ម័នថយចុះ នៅពេលដែលបន្ទុកការងារដំណើរការលើបណ្តាញអគ្គិសនីស្អាតជាងមុន។

ទឹក ៖ ជម្រើសនៃការត្រជាក់ផ្លាស់ប្តូរផលប៉ះពាល់; វិធីសាស្រ្តដែលមានមូលដ្ឋានលើទឹកមានសារៈសំខាន់បំផុតនៅក្នុងតំបន់ដែលខ្វះខាត។

ផ្នែករឹង ៖ បន្ទះឈីប និងម៉ាស៊ីនមេ មានផលប៉ះពាល់យ៉ាងសំខាន់។ ពន្យារអាយុកាលប្រើប្រាស់ និងផ្តល់អាទិភាពដល់ការជួសជុលឡើងវិញ។

ស្ទុះងើបឡើងវិញ ៖ ប្រសិទ្ធភាពអាចបង្កើនតម្រូវការសរុប។ វាស់វែងលទ្ធផល មិនត្រឹមតែការកើនឡើងក្នុងមួយភារកិច្ចនោះទេ។

ចំណុច​ប្រតិបត្តិការ ៖ វាស់​ទំហំ​គំរូ​ឲ្យ​បាន​ត្រឹមត្រូវ បង្កើន​ប្រសិទ្ធភាព​ការ​សន្និដ្ឋាន និង​រាយការណ៍​ម៉ែត្រ​ក្នុង​មួយ​សំណើ​ដោយ​មាន​តម្លាភាព។

អត្ថបទដែលអ្នកប្រហែលជាចង់អានបន្ទាប់ពីអត្ថបទនេះ៖

🔗 តើ AI អាក្រក់សម្រាប់បរិស្ថានទេ?
ស្វែងយល់ពីផលប៉ះពាល់កាបូនរបស់ AI ការប្រើប្រាស់អគ្គិសនី និងតម្រូវការមជ្ឈមណ្ឌលទិន្នន័យ។.

🔗 ហេតុអ្វីបានជា AI អាក្រក់សម្រាប់សង្គម?
សូមក្រឡេកមើលភាពលំអៀង ការរំខានដល់ការងារ ព័ត៌មានមិនពិត និងវិសមភាពសង្គមកាន់តែរីករាលដាល។.

🔗 ហេតុអ្វីបានជា AI អាក្រក់? ផ្នែកងងឹតនៃ AI
យល់ដឹងពីហានិភ័យដូចជាការឃ្លាំមើល ការរៀបចំ និងការបាត់បង់ការគ្រប់គ្រងរបស់មនុស្ស។.

🔗 តើ AI បានទៅឆ្ងាយពេកហើយឬនៅ?
ការជជែកពិភាក្សាអំពីក្រមសីលធម៌ បទប្បញ្ញត្តិ និងកន្លែងដែលនវានុវត្តន៍គួរគូសបន្ទាត់។.

---

របៀបដែល AI ប៉ះពាល់ដល់បរិស្ថាន៖ រូបថតរហ័ស ⚡🌱

ប្រសិនបើអ្នកចាំបានតែចំណុចមួយចំនួនប៉ុណ្ណោះ សូមធ្វើវាដូចខាងក្រោម៖

• បញ្ញាសិប្បនិម្មិត (AI) ប្រើប្រាស់ថាមពល - ភាគច្រើននៅក្នុងមជ្ឈមណ្ឌលទិន្នន័យដែលដំណើរការ GPU/CPU សម្រាប់ការហ្វឹកហ្វឺន និងសម្រាប់ "ការសន្និដ្ឋាន" ប្រចាំថ្ងៃ (ដោយប្រើគំរូ)។ IEA៖ ថាមពល និងបញ្ញាសិប្បនិម្មិត

• ថាមពលអាចមានន័យថាការបំភាយឧស្ម័ន - អាស្រ័យលើល្បាយបណ្តាញអគ្គិសនីក្នុងស្រុក និងកិច្ចសន្យាថាមពល។ IEA៖ ថាមពល និង AI

• បញ្ញាសិប្បនិម្មិត (AI) អាចប្រើប្រាស់ទឹកក្នុងបរិមាណដ៏ច្រើនគួរឱ្យភ្ញាក់ផ្អើល - ជាចម្បងសម្រាប់ការត្រជាក់នៅក្នុងការរៀបចំមជ្ឈមណ្ឌលទិន្នន័យមួយចំនួន។ Li et al. (2023): ធ្វើឱ្យបញ្ញាសិប្បនិម្មិត (AI) មិនសូវ "ស្រេកទឹក" (PDF) US DOE FEMP: ឱកាសប្រសិទ្ធភាពទឹកត្រជាក់សម្រាប់មជ្ឈមណ្ឌលទិន្នន័យសហព័ន្ធ

• បញ្ញាសិប្បនិម្មិត (AI) ពឹងផ្អែកលើវត្ថុរូបវន្ត - បន្ទះឈីប ម៉ាស៊ីនមេ ឧបករណ៍បណ្តាញ ថ្ម អគារ... ដែលមានន័យថា ការជីកយករ៉ែ ការផលិត ការដឹកជញ្ជូន និងទីបំផុតកាកសំណល់អេឡិចត្រូនិក។ US EPA៖ ឧស្សាហកម្មស៊ីមីកុងដុក ទ័រ ITU៖ ការត្រួតពិនិត្យកាកសំណល់អេឡិចត្រូនិកសកលឆ្នាំ ២០២៤

• បញ្ញាសិប្បនិម្មិត (AI) អាចកាត់បន្ថយផលប៉ះពាល់បរិស្ថាននៅកន្លែងផ្សេងទៀត - ដោយការបង្កើនប្រសិទ្ធភាពផ្នែកភស្តុភារកម្ម ការរកឃើញការលេចធ្លាយ ការកែលម្អប្រសិទ្ធភាព ការបង្កើនល្បឿនការស្រាវជ្រាវ និងធ្វើឱ្យប្រព័ន្ធមិនសូវខ្ជះខ្ជាយ។ IEA៖ បញ្ញាសិប្បនិម្មិតសម្រាប់ការបង្កើនប្រសិទ្ធភាពថាមពល និងនវានុវត្តន៍

ហើយបន្ទាប់មកមានផ្នែកដែលមនុស្សភ្លេច៖ មាត្រដ្ឋាន ។ សំណួរ AI មួយអាចមានទំហំតូច ប៉ុន្តែរាប់ពាន់លាននៃពួកវាគឺជាសត្វខុសគ្នាទាំងស្រុង… ដូចជាបាល់ព្រិលតូចមួយដែលក្លាយជាការរអិលបាក់ដីទំហំសាឡុង។ (ពាក្យប្រៀបធៀបនោះខុសបន្តិច ប៉ុន្តែអ្នកយល់ហើយ។) IEA៖ ថាមពល និង AI

---

ផលប៉ះពាល់បរិស្ថានរបស់ AI មិនមែនជារឿងតែមួយទេ - វាជាគំនរមួយ 🧱🌎

នៅពេលដែលមនុស្សឈ្លោះប្រកែកគ្នាអំពី AI និងនិរន្តរភាព ពួកគេច្រើនតែនិយាយគ្នាហួសហេតុពេក ពីព្រោះពួកគេកំពុងចង្អុលទៅស្រទាប់ផ្សេងៗគ្នា៖

១) គណនាអគ្គិសនី

• ការហ្វឹកហ្វឺនគំរូធំៗអាចទាមទារឱ្យចង្កោមធំៗដំណើរការយ៉ាងលំបាកក្នុងរយៈពេលយូរ។ IEA៖ ថាមពល និង AI

• ការសន្និដ្ឋាន (ការប្រើប្រាស់ប្រចាំថ្ងៃ) អាចក្លាយជាផលប៉ះពាល់ធំជាងនេះតាមពេលវេលា ពីព្រោះវាកើតឡើងឥតឈប់ឈរ គ្រប់ទីកន្លែង។ IEA៖ ថាមពល និង AI

២) ការចំណាយលើមជ្ឈមណ្ឌលទិន្នន័យ

• ម៉ាស៊ីនត្រជាក់ ការបាត់បង់ថាមពលចែកចាយ ប្រព័ន្ធបម្រុងទុក ឧបករណ៍បណ្តាញ។ LBNL (2024): របាយការណ៍ប្រើប្រាស់ថាមពលមជ្ឈមណ្ឌលទិន្នន័យសហរដ្ឋអាមេរិក (PDF)

• ការគណនាដូចគ្នាអាចមានផលប៉ះពាល់ខុសៗគ្នានៅនឹងកន្លែងអាស្រ័យលើប្រសិទ្ធភាព។ ក្រឡាចត្រង្គបៃតង៖ PUE—ការពិនិត្យដ៏ទូលំទូលាយនៃម៉ែត្រិច

៣) ទឹក និង កំដៅ

• គ្រឹះស្ថានជាច្រើនប្រើប្រាស់ទឹកដោយផ្ទាល់ ឬដោយប្រយោលដើម្បីគ្រប់គ្រងកំដៅ។ US DOE FEMP៖ ឱកាសប្រសិទ្ធភាពទឹកត្រជាក់សម្រាប់មជ្ឈមណ្ឌលទិន្នន័យសហព័ន្ធ Li et al. (2023): ធ្វើឱ្យ AI មិនសូវ "ស្រេកទឹក" (PDF)

• កំដៅខ្ជះខ្ជាយអាចយកមកប្រើប្រាស់ឡើងវិញបាន ឬវាអាច... ទុកជាខ្យល់ក្តៅ។ (មិនល្អទេ)។

៤) ខ្សែសង្វាក់ផ្គត់ផ្គង់ផ្នែករឹង

• ការជីកយករ៉ែ និងចម្រាញ់វត្ថុធាតុដើម។.

• ការផលិតបន្ទះឈីប និងម៉ាស៊ីនមេ (ប្រើប្រាស់ថាមពលច្រើន)។ US EPA៖ imec ឧស្សាហកម្មស៊ីមីកុងដុកទ័រ ៖ ការកាត់បន្ថយផលប៉ះពាល់បរិស្ថានក្នុងការផលិតបន្ទះឈីប

• ការដឹកជញ្ជូន, ការវេចខ្ចប់, ការធ្វើឱ្យប្រសើរឡើង, ការជំនួស។.

៥) ផលប៉ះពាល់នៃឥរិយាបថ និងការស្ទុះងើបឡើងវិញ

• បញ្ញាសិប្បនិម្មិត (AI) ធ្វើឱ្យកិច្ចការមានតម្លៃថោក និងងាយស្រួលជាងមុន ដូច្នេះមនុស្សធ្វើកិច្ចការទាំងនោះបានកាន់តែច្រើន។ OECD (2012): អត្ថប្រយោជន៍ច្រើននៃការកែលម្អប្រសិទ្ធភាពថាមពល (PDF)

• ការកើនឡើងនៃប្រសិទ្ធភាពអាចត្រូវបានលេបត្របាក់ដោយតម្រូវការកើនឡើង។ នេះជាផ្នែកដែលធ្វើឱ្យខ្ញុំដកដង្ហើមធំបន្តិច។ OECD (2012): អត្ថប្រយោជន៍ច្រើននៃការកែលម្អប្រសិទ្ធភាពថាមពល (PDF)

ដូច្នេះនៅពេលដែលនរណាម្នាក់សួរថាតើ AI ប៉ះពាល់ដល់បរិស្ថានយ៉ាងដូចម្តេច ចម្លើយត្រង់គឺ៖ វាអាស្រ័យលើស្រទាប់ណាដែលអ្នកកំពុងវាស់ និងអ្វីដែល "AI" មានន័យនៅក្នុងស្ថានភាពនោះ។.

---

ការបណ្តុះបណ្តាល ទល់នឹង ការសន្និដ្ឋាន៖ ភាពខុសគ្នាដែលផ្លាស់ប្តូរអ្វីៗគ្រប់យ៉ាង 🧠⚙️

មនុស្សចូលចិត្តនិយាយអំពីការបណ្តុះបណ្តាល ពីព្រោះវាស្តាប់ទៅដូចជារឿងល្ខោន - "គំរូមួយបានប្រើថាមពល X"។ ប៉ុន្តែការសន្និដ្ឋានគឺជាយក្សស្ងាត់។ IEA: ថាមពល និង AI

ការហ្វឹកហាត់ (ការសាងសង់ដ៏ធំ)

ការបណ្តុះបណ្តាលគឺដូចជាការសាងសង់រោងចក្រមួយ។ អ្នកត្រូវចំណាយថ្លៃដើមជាមុន៖ ការគណនាច្រើន ពេលវេលាដំណើរការយូរ ការដំណើរការសាកល្បង និងកំហុសច្រើន (ហើយបាទ/ចាស៎ ការធ្វើម្តងទៀតជាច្រើននៃ "អូ៎ ដែលមិនដំណើរការ សូមព្យាយាមម្តងទៀត")។ ការបណ្តុះបណ្តាលអាចត្រូវបានធ្វើឱ្យប្រសើរឡើង ប៉ុន្តែវានៅតែអាចមានសារៈសំខាន់។ IEA៖ ថាមពល និង AI

ការសន្និដ្ឋាន (ការប្រើប្រាស់ប្រចាំថ្ងៃ)

ការសន្និដ្ឋានគឺដូចជារោងចក្រដែលដំណើរការជារៀងរាល់ថ្ងៃ សម្រាប់មនុស្សគ្រប់គ្នា ក្នុងទ្រង់ទ្រាយធំ៖

• ឆាតបូតឆ្លើយសំណួរ

• ការបង្កើតរូបភាព

• ចំណាត់ថ្នាក់ស្វែងរក

• អនុសាសន៍

• ការបំលែងសំឡេងទៅជាអត្ថបទ

• ការរកឃើញការក្លែងបន្លំ

• សហអ្នកបើកយន្តហោះនៅក្នុងឯកសារ និងឧបករណ៍សរសេរកូដ

ទោះបីជាសំណើនីមួយៗមានទំហំតូចក៏ដោយ បរិមាណប្រើប្រាស់អាចធ្វើឱ្យការបណ្តុះបណ្តាលថយចុះ។ វាជាស្ថានភាពបុរាណ "ចំបើងមួយគឺគ្មានអ្វីសោះ ចំបើងមួយលានគឺជាបញ្ហា"។ IEA៖ ថាមពល និង AI

កំណត់ចំណាំតូចមួយ - កិច្ចការ AI មួយចំនួនមានទម្ងន់ធ្ងន់ជាងកិច្ចការផ្សេងទៀត។ ការបង្កើតរូបភាព ឬវីដេអូវែងៗ ច្រើនតែប្រើប្រាស់ថាមពលច្រើនជាងការចាត់ថ្នាក់អត្ថបទខ្លីៗ។ ដូច្នេះការដាក់ “AI” ចូលទៅក្នុងធុងតែមួយ គឺដូចជាការប្រៀបធៀបកង់ទៅនឹងកប៉ាល់ដឹកទំនិញ ហើយហៅវាទាំងពីរថា “ការដឹកជញ្ជូន”។ IEA៖ ថាមពល និង AI

---

មជ្ឈមណ្ឌលទិន្នន័យ៖ ថាមពល ម៉ាស៊ីនត្រជាក់ និងរឿងរ៉ាវទឹកស្ងប់ស្ងាត់នោះ 💧🏢

មជ្ឈមណ្ឌលទិន្នន័យមិនមែនជារឿងថ្មីទេ ប៉ុន្តែបញ្ញាសិប្បនិម្មិត (AI) ផ្លាស់ប្តូរអាំងតង់ស៊ីតេ។ ឧបករណ៍បង្កើនល្បឿនដំណើរការខ្ពស់អាចទាញថាមពលច្រើននៅក្នុងកន្លែងចង្អៀត ដែលប្រែទៅជាកំដៅ ដែលត្រូវតែគ្រប់គ្រង។ LBNL (2024): របាយការណ៍ប្រើប្រាស់ថាមពលមជ្ឈមណ្ឌលទិន្នន័យសហរដ្ឋអាមេរិក (PDF) IEA: ថាមពល និងបញ្ញាសិប្បនិម្មិត

មូលដ្ឋានគ្រឹះនៃការត្រជាក់ (សាមញ្ញ ប៉ុន្តែជាក់ស្តែង)

• ម៉ាស៊ីនត្រជាក់ ៖ កង្ហារ ខ្យល់ត្រជាក់ ការរចនាផ្លូវក្តៅ/ផ្លូវត្រជាក់។ US DOE FEMP៖ ប្រសិទ្ធភាពថាមពលនៅក្នុងមជ្ឈមណ្ឌលទិន្នន័យ

• ត្រជាក់ដោយរាវ ៖ មានប្រសិទ្ធភាពជាងនៅក្នុងការរៀបចំក្រាស់ៗ ប៉ុន្តែអាចពាក់ព័ន្ធនឹងហេដ្ឋារចនាសម្ព័ន្ធផ្សេងៗគ្នា។ ASHRAE (TC 9.9): ការលេចចេញ និងការពង្រីកត្រជាក់ដោយរាវនៅក្នុងមជ្ឈមណ្ឌលទិន្នន័យសំខាន់ៗ (PDF)

• ត្រជាក់ដោយហួត ៖ អាចកាត់បន្ថយការប្រើប្រាស់អគ្គិសនីនៅក្នុងអាកាសធាតុមួយចំនួន ប៉ុន្តែជារឿយៗបង្កើនការប្រើប្រាស់ទឹក។ US DOE FEMP៖ ឱកាសប្រសិទ្ធភាពទឹកត្រជាក់សម្រាប់មជ្ឈមណ្ឌលទិន្នន័យសហព័ន្ធ

នោះជាការសម្របសម្រួល៖ ពេលខ្លះអ្នកអាចបន្ថយការប្រើប្រាស់អគ្គិសនីដោយពឹងផ្អែកលើប្រព័ន្ធត្រជាក់ដែលមានមូលដ្ឋានលើទឹក។ អាស្រ័យលើការខ្វះខាតទឹកក្នុងស្រុក នោះអាចល្អ… ឬវាអាចជាបញ្ហាពិតប្រាកដ។ Li et al. (2023): ធ្វើឱ្យ AI មិនសូវ "ស្រេកទឹក" (PDF)

លើសពីនេះ ផលប៉ះពាល់បរិស្ថានអាស្រ័យយ៉ាងខ្លាំងទៅលើ៖

• កន្លែងដែលមជ្ឈមណ្ឌលទិន្នន័យស្ថិតនៅ (ការបំភាយឧស្ម័នបណ្តាញមានភាពខុសប្លែកគ្នា) អាំងតង់ស៊ីតេកាបូន API (GB) IEA៖ ថាមពល និង AI

• របៀបដែលវាដំណើរការប្រកបដោយប្រសិទ្ធភាព (ការប្រើប្រាស់មានសារៈសំខាន់ខ្លាំងណាស់) ក្រឡាចត្រង្គបៃតង៖ PUE—ការពិនិត្យដ៏ទូលំទូលាយនៃម៉ែត្រ

• ថាតើកំដៅខ្ជះខ្ជាយត្រូវបានប្រើប្រាស់ឡើងវិញឬអត់

• ជម្រើស​ផ្គត់ផ្គង់​ថាមពល (ថាមពល​កកើតឡើងវិញ កិច្ចសន្យា​រយៈពេល​វែង។ល។)

និយាយដោយត្រង់ទៅ៖ ការសន្ទនាជាសាធារណៈច្រើនតែចាត់ទុក «មជ្ឈមណ្ឌលទិន្នន័យ» ដូចជាប្រអប់ខ្មៅមួយ។ វាមិនមែនជារឿងអាក្រក់ វាមិនមែនជារឿងវេទមន្តទេ។ វាជាហេដ្ឋារចនាសម្ព័ន្ធ។ វាមានឥរិយាបទដូចជាហេដ្ឋារចនាសម្ព័ន្ធ។.

---

បន្ទះឈីប និងផ្នែករឹង៖ ផ្នែកដែលមនុស្សរំលងព្រោះវាមិនសូវទាក់ទាញ 🪨🔧

បញ្ញាសិប្បនិម្មិត (AI) រស់នៅលើផ្នែករឹង។ ផ្នែករឹងមានវដ្តជីវិត ហើយផលប៉ះពាល់នៃវដ្តជីវិតអាចមានទំហំធំ។ US EPA៖ ឧស្សាហកម្មស៊ីមីកុងដុក ITU៖ ការត្រួតពិនិត្យកាកសំណល់អេឡិចត្រូនិចសកលឆ្នាំ ២០២៤

កន្លែងដែលផលប៉ះពាល់បរិស្ថានលេចឡើង

• ការទាញយកសម្ភារៈ ៖ ការជីកយករ៉ែ និងចម្រាញ់លោហធាតុ និងវត្ថុធាតុដើមដ៏កម្រ។

• ការផលិត ៖ ការផលិតឧបករណ៍អេឡិចត្រូនិកមានភាពស្មុគស្មាញ និងប្រើប្រាស់ថាមពលច្រើន។ US EPA៖ imec ឧស្សាហកម្មឧបករណ៍អេឡិចត្រូនិក ៖ ការកាត់បន្ថយផលប៉ះពាល់បរិស្ថានក្នុងការផលិតបន្ទះឈីប

• ការដឹកជញ្ជូន ៖ ខ្សែសង្វាក់ផ្គត់ផ្គង់សកលផ្លាស់ទីគ្រឿងបន្លាស់គ្រប់ទីកន្លែង។

• វដ្តជំនួសខ្លីៗ ៖ ការធ្វើឱ្យប្រសើរឡើងយ៉ាងឆាប់រហ័សអាចបង្កើនកាកសំណល់អេឡិចត្រូនិច និងការបំភាយឧស្ម័នដែលបង្កប់។ ITU៖ ការត្រួតពិនិត្យកាកសំណល់អេឡិចត្រូនិចសកលឆ្នាំ ២០២៤

កាកសំណល់អេឡិចត្រូនិក និងម៉ាស៊ីនមេ "ល្អឥតខ្ចោះ"

គ្រោះថ្នាក់ជាច្រើនចំពោះបរិស្ថានមិនមែនមកពីឧបករណ៍មួយដែលមានស្រាប់នោះទេ - វាមកពីការជំនួសវាមុនអាយុ ពីព្រោះវាលែងមានប្រសិទ្ធភាពចំណាយទៀតហើយ។ បញ្ញាសិប្បនិម្មិត (AI) បង្កើនល្បឿននៃរឿងនេះ ពីព្រោះការលោតផ្លោះនៃការអនុវត្តអាចមានទំហំធំ។ ការល្បួងឱ្យធ្វើឱ្យផ្នែករឹងស្រស់ឡើងវិញគឺជាការពិត។ ITU៖ ការត្រួតពិនិត្យកាកសំណល់អេឡិចត្រូនិចសកលឆ្នាំ ២០២៤

ចំណុចជាក់ស្តែងមួយ៖ ការពង្រីកអាយុកាលផ្នែករឹង ការកែលម្អការប្រើប្រាស់ និងការជួសជុលឡើងវិញអាចមានសារៈសំខាន់ដូចការកែប្រែម៉ូដែលទំនើបៗដែរ។ ពេលខ្លះ GPU ដែលបៃតងបំផុតគឺជា GPU ដែលអ្នកមិនគួរទិញ។ (នោះស្តាប់ទៅដូចជាពាក្យស្លោក ប៉ុន្តែវាក៏… ជាការពិតដែរ។)

---

របៀបដែល AI ប៉ះពាល់ដល់បរិស្ថាន៖ រង្វិលជុំអាកប្បកិរិយា "មនុស្សភ្លេចរឿងនេះ" 🔁😬

នេះជាផ្នែកសង្គមដ៏ឆ្គងមួយ៖ បញ្ញាសិប្បនិម្មិត (AI) ធ្វើឱ្យអ្វីៗកាន់តែងាយស្រួល ដូច្នេះមនុស្សធ្វើអ្វីៗបានកាន់តែច្រើន។ នោះអាចជារឿងអស្ចារ្យ - ផលិតភាពកាន់តែច្រើន ភាពច្នៃប្រឌិតកាន់តែច្រើន ការចូលប្រើប្រាស់កាន់តែច្រើន។ ប៉ុន្តែវាក៏អាចមានន័យថាការប្រើប្រាស់ធនធានកាន់តែច្រើនផងដែរ។ OECD (2012): អត្ថប្រយោជន៍ច្រើននៃការកែលម្អប្រសិទ្ធភាពថាមពល (PDF)

ឧទាហរណ៍៖

• ប្រសិនបើ AI ធ្វើឱ្យការបង្កើតវីដេអូមានតម្លៃថោក មនុស្សនឹងបង្កើតវីដេអូបានកាន់តែច្រើន។.

• ប្រសិនបើ AI ធ្វើឱ្យការផ្សាយពាណិជ្ជកម្មកាន់តែមានប្រសិទ្ធភាព ការផ្សាយពាណិជ្ជកម្មកាន់តែច្រើននឹងត្រូវបានបម្រើ និងរង្វិលជុំនៃការចូលរួមកាន់តែច្រើនបង្វិល។.

• ប្រសិនបើ AI ធ្វើឱ្យការដឹកជញ្ជូនទំនិញកាន់តែមានប្រសិទ្ធភាព ពាណិជ្ជកម្មអេឡិចត្រូនិកអាចធ្វើមាត្រដ្ឋានបានកាន់តែពិបាក។.

នេះមិនមែនជាហេតុផលដើម្បីភ័យស្លន់ស្លោនោះទេ។ វាជាហេតុផលដើម្បីវាស់ស្ទង់លទ្ធផល មិនមែនគ្រាន់តែប្រសិទ្ធភាពនោះទេ។.

ពាក្យប្រៀបធៀបដ៏មិនល្អឥតខ្ចោះ ប៉ុន្តែគួរឱ្យអស់សំណើច៖ ប្រសិទ្ធភាព AI គឺដូចជាការផ្តល់ទូរទឹកកកធំជាងដល់ក្មេងជំទង់ម្នាក់ - មែនហើយ ការផ្ទុកអាហារមានភាពប្រសើរឡើង ប៉ុន្តែដូចម្ដេចខ្លះទូរទឹកកកនឹងទទេម្តងទៀតក្នុងមួយថ្ងៃ។ មិនមែនជាពាក្យប្រៀបធៀបដ៏ល្អឥតខ្ចោះទេ ប៉ុន្តែ... អ្នកបានឃើញវាកើតឡើងហើយ 😅

---

ចំណុចល្អ៖ បញ្ញាសិប្បនិម្មិតអាចជួយបរិស្ថានបានយ៉ាងពិតប្រាកដ (នៅពេលដែលមានគោលដៅត្រឹមត្រូវ) 🌿✨

ឥឡូវនេះសម្រាប់ផ្នែកដែលត្រូវបានគេមើលស្រាល៖ បញ្ញាសិប្បនិម្មិត (AI) អាចកាត់បន្ថយការបំភាយឧស្ម័ន និងកាកសំណល់នៅក្នុងប្រព័ន្ធដែលមានស្រាប់ដែល… និយាយឱ្យត្រង់ទៅ មិនឆើតឆាយ។ IEA៖ បញ្ញាសិប្បនិម្មិតសម្រាប់ការបង្កើនប្រសិទ្ធភាពថាមពល និងនវានុវត្តន៍

តំបន់ដែល AI អាចជួយបាន

• បណ្តាញថាមពល ៖ ការព្យាករណ៍បន្ទុក ការឆ្លើយតបតម្រូវការ ការរួមបញ្ចូលថាមពលកកើតឡើងវិញដែលអាចប្រែប្រួលបាន។ IEA៖ បញ្ញាសិប្បនិម្មិតសម្រាប់ការបង្កើនប្រសិទ្ធភាពថាមពល និងនវានុវត្តន៍

• អគារ ៖ ការគ្រប់គ្រង HVAC ដ៏ឆ្លាតវៃជាងមុន ការថែទាំព្យាករណ៍ ការប្រើប្រាស់ថាមពលផ្អែកលើការកាន់កាប់។ IEA៖ ឌីជីថលូបនីយកម្ម

• ការដឹកជញ្ជូន ៖ ការបង្កើនប្រសិទ្ធភាពផ្លូវ ការគ្រប់គ្រងកងនាវា ការកាត់បន្ថយចម្ងាយទទេ។ IEA៖ បញ្ញាសិប្បនិម្មិតសម្រាប់ការបង្កើនប្រសិទ្ធភាពថាមពល និងនវានុវត្តន៍

• ការផលិត ៖ ការរកឃើញកំហុស ការកែតម្រូវដំណើរការ ការកាត់បន្ថយកាកសំណល់។

• កសិកម្ម ៖ ប្រព័ន្ធធារាសាស្រ្តដ៏ជាក់លាក់ ការរកឃើញសត្វល្អិត ការបង្កើនប្រសិទ្ធភាពជី។

• ការត្រួតពិនិត្យបរិស្ថាន ៖ ការរកឃើញការលេចធ្លាយឧស្ម័នមេតាន ការតាមដានសញ្ញានៃការកាប់បំផ្លាញព្រៃឈើ ការគូសផែនទីគំរូជីវចម្រុះ។ UNEP៖ របៀបដែល MARS ដំណើរការ ការឃ្លាំមើលព្រៃឈើសកល៖ ការជូនដំណឹងអំពីការកាប់បំផ្លាញព្រៃឈើ GLAD វិទ្យាស្ថាន Alan Turing៖ បញ្ញាសិប្បនិម្មិត និងប្រព័ន្ធស្វយ័តសម្រាប់វាយតម្លៃជីវចម្រុះ

• សេដ្ឋកិច្ចរង្វង់ ៖ ការតម្រៀប និងការកំណត់អត្តសញ្ញាណកាន់តែប្រសើរឡើងនៅក្នុងចរន្តកែច្នៃឡើងវិញ។

ចំណុចសំខាន់៖ ការជួយដោយ AI មិនទូទាត់ដោយស្វ័យប្រវត្តិនូវផលប៉ះពាល់របស់ AI នោះទេ។ វាអាស្រ័យលើថាតើ AI ពិតជាត្រូវបានដាក់ពង្រាយ ប្រើប្រាស់ពិតប្រាកដ និងថាតើវានាំឱ្យមានការកាត់បន្ថយពិតប្រាកដជាជាងគ្រាន់តែជាផ្ទាំងគ្រប់គ្រងកាន់តែប្រសើរឡើងឬអត់។ ប៉ុន្តែបាទ/ចាស៎ សក្តានុពលគឺពិតប្រាកដ។ IEA៖ AI សម្រាប់ការបង្កើនប្រសិទ្ធភាពថាមពល និងនវានុវត្តន៍

---

តើ​អ្វី​ទៅ​ដែល​ធ្វើ​ឱ្យ​ AI ជំនាន់​ល្អ​មួយ​ដែល​មិន​ប៉ះពាល់​ដល់​បរិស្ថាន? ✅🌍

នេះ​ជា​ផ្នែក “យល់ព្រម ដូច្នេះ​តើ​យើង​គួរ​ធ្វើ​ដូចម្តេច”។ ការ​រៀបចំ​ AI ដែល​មាន​ទំនួល​ខុស​ត្រូវ​ចំពោះ​បរិស្ថាន​ល្អ​ជា​ធម្មតា​មាន៖

• តម្លៃករណីប្រើប្រាស់ច្បាស់លាស់ ៖ ប្រសិនបើគំរូមិនផ្លាស់ប្តូរការសម្រេចចិត្ត ឬលទ្ធផលទេ វាគ្រាន់តែជាការគណនាដ៏ប្រណិតប៉ុណ្ណោះ។

• ការវាស់វែងរួមបញ្ចូលនៅក្នុង ៖ ថាមពល ការប៉ាន់ស្មានកាបូន ការប្រើប្រាស់ និងរង្វាស់ប្រសិទ្ធភាពដែលត្រូវបានតាមដានដូច KPI ផ្សេងទៀត។ CodeCarbon៖ វិធីសាស្រ្ត

• ម៉ូដែលដែលមានទំហំត្រឹមត្រូវ ៖ ប្រើម៉ូដែលតូចៗនៅពេលដែលម៉ូដែលតូចៗដំណើរការ។ វាមិនមែនជាការបរាជ័យខាងសីលធម៌ក្នុងការមានប្រសិទ្ធភាពនោះទេ។

• ការរចនាការសន្និដ្ឋានប្រកបដោយប្រសិទ្ធភាព ៖ ការរក្សាទុកក្នុងឃ្លាំងសម្ងាត់ ការចាត់ថ្នាក់ ការវាស់បរិមាណ ការទាញយកមកវិញ និងគំរូជំរុញល្អៗ។ Gholami et al. (2021): ការស្ទង់មតិវិធីសាស្រ្តវាស់បរិមាណ (PDF) Lewis et al. (2020): ការបង្កើតបន្ថែមដោយការទាញយកមកវិញ

• ការយល់ដឹងអំពីផ្នែករឹង និងទីតាំង ៖ ដំណើរការបន្ទុកការងារដែលបណ្តាញអគ្គិសនីស្អាតជាងមុន និងហេដ្ឋារចនាសម្ព័ន្ធមានប្រសិទ្ធភាព (នៅពេលដែលអាចធ្វើទៅបាន)។ API អាំងតង់ស៊ីតេកាបូន (GB)

• អាយុកាលផ្នែករឹងយូរជាងមុន ៖ បង្កើនការប្រើប្រាស់ ការប្រើប្រាស់ឡើងវិញ និងការជួសជុលឡើងវិញ។ ITU៖ ការត្រួតពិនិត្យកាកសំណល់អេឡិចត្រូនិចសកលឆ្នាំ ២០២៤

• ការរាយការណ៍ដោយត្រង់ៗ ៖ ជៀសវាងភាសាដែលបង្ហាញពីការលាងសម្អាតបរិស្ថាន និងការអះអាងមិនច្បាស់លាស់ដូចជា “AI មិនប៉ះពាល់ដល់បរិស្ថាន” ដោយគ្មានតួលេខ។

ប្រសិនបើអ្នកនៅតែតាមដានពីរបៀបដែល AI ប៉ះពាល់ដល់បរិស្ថាន នេះជាចំណុចដែលចម្លើយឈប់មានលក្ខណៈទស្សនវិជ្ជា ហើយក្លាយជាដំណើរការ៖ វាប៉ះពាល់ដល់វាដោយផ្អែកលើជម្រើសរបស់អ្នក។.

---

តារាងប្រៀបធៀប៖ ឧបករណ៍ និងវិធីសាស្រ្តដែលកាត់បន្ថយផលប៉ះពាល់យ៉ាងពិតប្រាកដ 🧰⚡

ខាងក្រោមនេះគឺជាតារាងរហ័ស និងជាក់ស្តែងមួយ។ វាមិនល្អឥតខ្ចោះទេ ហើយបាទ/ចាស៎ ក្រឡាមួយចំនួនមានមតិផ្ទាល់ខ្លួនបន្តិច… ពីព្រោះនោះជារបៀបដែលការជ្រើសរើសឧបករណ៍ពិតប្រាកដដំណើរការ។.

ឧបករណ៍ / វិធីសាស្រ្ត	ទស្សនិកជន	តម្លៃ	ហេតុអ្វីបានជាវាដំណើរការ
បណ្ណាល័យតាមដានកាបូន/ថាមពល (ឧបករណ៍ប៉ាន់ស្មានពេលវេលាដំណើរការ)	ក្រុម ML	សេរី	ផ្តល់នូវភាពមើលឃើញ - ដែលជាពាក់កណ្តាលនៃសមរភូមិ ទោះបីជាការប៉ាន់ស្មានមានភាពមិនច្បាស់លាស់បន្តិចក៏ដោយ…	កូដកាបូន
ការត្រួតពិនិត្យថាមពលផ្នែករឹង (តេឡេម៉ែត្រី GPU/CPU)	អ៊ីនហ្វ្រា + ML	ឥតគិតថ្លៃ	វាស់ស្ទង់ការប្រើប្រាស់ពិតប្រាកដ; ល្អសម្រាប់ការវាស់ស្ទង់ដំណើរការ (មិនឆើតឆាយ ប៉ុន្តែមាស)
ការចម្រាញ់គំរូ	វិស្វករ ML	ឥតគិតថ្លៃ (ចំណាយពេលវេលា 😵)	គំរូសិស្សតូចៗច្រើនតែផ្គូផ្គងការអនុវត្តជាមួយនឹងការចំណាយលើការសន្និដ្ឋានតិចជាង។	Hinton et al. (2015): ការចម្រាញ់ចំណេះដឹងនៅក្នុងបណ្តាញសរសៃប្រសាទ
បរិមាណនីយកម្ម (ការសន្និដ្ឋានដែលមានភាពជាក់លាក់ទាបជាង)	ML + ផលិតផល	ឥតគិតថ្លៃ	កាត់បន្ថយភាពយឺតយ៉ាវ និងការប្រើប្រាស់ថាមពល; ពេលខ្លះមានការសម្របសម្រួលគុណភាពតិចតួច ពេលខ្លះគ្មាន	Gholami et al. (2021): ការស្ទង់មតិវិធីសាស្រ្តបរិមាណ (PDF)
ការរក្សាទុកក្នុងឃ្លាំងសម្ងាត់ + ការសន្និដ្ឋានជាបាច់	ផលិតផល + វេទិកា	ឥតគិតថ្លៃ	កាត់បន្ថយការគណនាដែលលែងត្រូវការ; ជាពិសេសងាយស្រួលសម្រាប់ការណែនាំដដែលៗ ឬសំណើស្រដៀងគ្នា
ការបង្កើតឡើងវិញដោយបង្កើន (RAG)	ក្រុមកម្មវិធី	លាយ	កាត់បន្ថយ "អង្គចងចាំ" សម្រាប់ការទាញយក; អាចកាត់បន្ថយតម្រូវការសម្រាប់បង្អួចបរិបទដ៏ធំ	Lewis et al. (2020): ជំនាន់ទាញយកបន្ថែម
ការកំណត់ពេលវេលាការងារតាមអាំងតង់ស៊ីតេកាបូន	ហេដ្ឋារចនាសម្ព័ន្ធ/ប្រតិបត្តិការ	លាយ	ប្តូរការងារដែលអាចបត់បែនបានទៅជាបង្អួចអគ្គិសនីដែលស្អាតជាង - ទាមទារការសម្របសម្រួល	API អាំងតង់ស៊ីតេកាបូន (GB)
ការផ្តោតលើប្រសិទ្ធភាពមជ្ឈមណ្ឌលទិន្នន័យ (ការប្រើប្រាស់ ការបង្រួបបង្រួម)	ភាពជាអ្នកដឹកនាំផ្នែកព័ត៌មានវិទ្យា	បានបង់ប្រាក់ (ជាធម្មតា)	ដងថ្លឹង​ដ៏​ទាក់ទាញ​បំផុត ប៉ុន្តែ​ជា​ញឹកញាប់​បំផុត - ឈប់​ដំណើរការ​ប្រព័ន្ធ​ពាក់កណ្តាល​ទទេ	ក្រឡាចត្រង្គបៃតង៖ PUE
គម្រោងប្រើប្រាស់កំដៅឡើងវិញ	សម្ភារៈបរិក្ខារ	វាអាស្រ័យ	ប្រែក្លាយកំដៅខ្ជះខ្ជាយទៅជាតម្លៃ; មិនតែងតែអាចធ្វើទៅបានទេ ប៉ុន្តែនៅពេលដែលវាអាចធ្វើទៅបាន វាពិតជាស្រស់ស្អាតណាស់។
«តើយើងត្រូវការ AI នៅទីនេះទេ?»	មនុស្សគ្រប់គ្នា	ឥតគិតថ្លៃ	ការពារការគណនាគ្មានន័យ។ ការបង្កើនប្រសិទ្ធភាពដ៏មានឥទ្ធិពលបំផុតគឺនិយាយថាទេ (ពេលខ្លះ)

ចំណាំមើលថាបាត់អ្វី? «ទិញស្ទីគ័រពណ៌បៃតងវេទមន្តមួយ»។ មួយនោះមិនមានទេ 😬

---

សៀវភៅណែនាំជាក់ស្តែង៖ កាត់បន្ថយផលប៉ះពាល់នៃ AI ដោយមិនចាំបាច់បំផ្លាញផលិតផល 🛠️🌱

ប្រសិនបើអ្នកកំពុងសាងសង់ ឬទិញប្រព័ន្ធ AI នេះគឺជាលំដាប់លំដោយជាក់ស្តែងដែលដំណើរការក្នុងការអនុវត្ត៖

ជំហានទី 1: ចាប់ផ្តើមជាមួយនឹងការវាស់វែង

• តាមដានការប្រើប្រាស់ថាមពល ឬប៉ាន់ស្មានវាជាប់លាប់។ CodeCarbon: វិធីសាស្រ្ត

• វាស់វែងក្នុងមួយការហ្វឹកហាត់ និងក្នុងមួយសំណើសុំសន្និដ្ឋាន។.

• ការប្រើប្រាស់​ត្រួតពិនិត្យ - ធនធាន​ដែល​ទំនេរ​មាន​វិធី​លាក់ខ្លួន​នៅ​ក្នុង​ការមើលឃើញ​យ៉ាងច្បាស់។ ក្រឡាចត្រង្គ​បៃតង៖ PUE

ជំហានទី 2: កំណត់ទំហំគំរូឱ្យសមស្របទៅនឹងការងារ

• ប្រើម៉ូដែលតូចៗសម្រាប់ការចាត់ថ្នាក់ ការស្រង់ចេញ និងការបញ្ជូន។.

• ទុកម៉ូដែលធ្ងន់សម្រាប់កាបូបរឹង។.

• សូមពិចារណាអំពី “ការ​បង្កើត​ជា​លំដាប់​គំរូ”៖ គំរូ​តូច​ជាមុនសិន គំរូ​ធំជាង​នេះ​លុះត្រាតែ​ចាំបាច់។.

ជំហានទី 3: បង្កើនប្រសិទ្ធភាពនៃការសន្និដ្ឋាន (នេះជាកន្លែងដែលមាត្រដ្ឋានខាំ)

• ការ​រក្សាទុក​ក្នុង​ឃ្លាំងសម្ងាត់ ៖ រក្សាទុកចម្លើយសម្រាប់សំណួរដដែលៗ (ជាមួយនឹងការគ្រប់គ្រងភាពឯកជនដោយប្រុងប្រយ័ត្ន)។

• ការ​រៀបចំ​ជា​បាច់ ៖ សំណើ​ជា​ក្រុម​ដើម្បី​បង្កើន​ប្រសិទ្ធភាព​ផ្នែក​រឹង។

• លទ្ធផលខ្លីជាង ៖ លទ្ធផលវែងជាងចំណាយច្រើនជាង - ពេលខ្លះអ្នកមិនត្រូវការអត្ថបទទេ។

• វិន័យ​នៃ​ការ​ណែនាំ ៖ ការ​ណែនាំ​មិន​សណ្តាប់ធ្នាប់​បង្កើត​ផ្លូវ​គណនា​វែង​ជាង… ហើយ​មែនហើយ ថូខឹន​កាន់​តែ​ច្រើន។

ជំហានទី 4: កែលម្អអនាម័យទិន្នន័យ

នេះស្តាប់ទៅមិនទាក់ទងគ្នាទេ ប៉ុន្តែវាមិនមែនជា៖

• សំណុំទិន្នន័យស្អាតជាងមុនអាចកាត់បន្ថយការបណ្តុះបណ្តាលឡើងវិញ។.

• សំឡេងតិចមានន័យថា ការពិសោធន៍តិច និងការខ្ជះខ្ជាយពេលវេលាតិចជាងមុន។.

ជំហានទី 5: ចាត់ទុកផ្នែករឹងដូចជាទ្រព្យសម្បត្តិ មិនមែនជារបស់ដែលអាចចោលបាននោះទេ

• ពង្រីកវដ្តនៃការធ្វើឱ្យស្រស់ឡើងវិញតាមដែលអាចធ្វើទៅបាន។ ITU៖ ការត្រួតពិនិត្យកាកសំណល់អេឡិចត្រូនិចសកលឆ្នាំ ២០២៤

• ប្រើប្រាស់​ផ្នែករឹង​ចាស់ៗ​ឡើងវិញ​សម្រាប់​បន្ទុកការងារ​ស្រាលជាងមុន។.

• ជៀសវាងការផ្គត់ផ្គង់ "តែងតែដល់កម្រិតកំពូល"។.

ជំហានទី 6: ជ្រើសរើសការដាក់ពង្រាយដោយឈ្លាសវៃ

• ដំណើរការការងារដែលអាចបត់បែនបាននៅកន្លែងដែលថាមពលស្អាតជាងប្រសិនបើអ្នកអាចធ្វើបាន។ Carbon Intensity API (GB)

• កាត់បន្ថយការចម្លងដែលមិនចាំបាច់។.

• រក្សាគោលដៅភាពយឺតយ៉ាវឱ្យមានភាពប្រាកដនិយម (ភាពយឺតយ៉ាវទាបបំផុតអាចបង្ខំឱ្យមានការដំឡើងមុខងារបើកជានិច្ចដែលគ្មានប្រសិទ្ធភាព)។.

ហើយមែនហើយ… ពេលខ្លះជំហានដ៏ល្អបំផុតគឺគ្រាន់តែ៖ កុំដំណើរការម៉ូដែលធំបំផុតដោយស្វ័យប្រវត្តិសម្រាប់រាល់សកម្មភាពរបស់អ្នកប្រើប្រាស់ម្នាក់ៗ។ ទម្លាប់នោះគឺស្មើនឹងការទុកភ្លើងទាំងអស់ឱ្យបើក ពីព្រោះការដើរទៅកុងតាក់គឺជាការរំខាន។.

---

ទេវកថាទូទៅ (និងអ្វីដែលនៅជិតការពិតជាង) 🧠🧯

ទេវកថា៖ «បញ្ញាសិប្បនិម្មិត (AI) តែងតែអាក្រក់ជាងកម្មវិធីប្រពៃណី»

ការពិត៖ បញ្ញាសិប្បនិម្មិត (AI) អាចប្រើប្រាស់កុំព្យូទ័រច្រើន ប៉ុន្តែវាក៏អាចជំនួសដំណើរការដោយដៃដែលគ្មានប្រសិទ្ធភាព កាត់បន្ថយកាកសំណល់ និងបង្កើនប្រសិទ្ធភាពប្រព័ន្ធផងដែរ។ វាអាស្រ័យលើស្ថានភាព។ IEA៖ បញ្ញាសិប្បនិម្មិតសម្រាប់ការបង្កើនប្រសិទ្ធភាពថាមពល និងនវានុវត្តន៍

ទេវកថា៖ «ការបណ្តុះបណ្តាលគឺជាបញ្ហាតែមួយគត់»

ការពិត៖ ការសន្និដ្ឋានក្នុងទ្រង់ទ្រាយធំអាចគ្របដណ្ដប់លើពេលវេលា។ ប្រសិនបើផលិតផលរបស់អ្នកផ្ទុះឡើងក្នុងការប្រើប្រាស់ នេះក្លាយជារឿងសំខាន់។ IEA៖ ថាមពល និង AI

ទេវកថា៖ «ថាមពលកកើតឡើងវិញដោះស្រាយបញ្ហាភ្លាមៗ»

ការពិត៖ អគ្គិសនីស្អាតជួយបានច្រើន ប៉ុន្តែមិនលុបបំបាត់ផលប៉ះពាល់ផ្នែករឹង ការប្រើប្រាស់ទឹក ឬផលប៉ះពាល់នៃការងើបឡើងវិញនោះទេ។ ទោះជាយ៉ាងណាក៏ដោយ នៅតែសំខាន់។ IEA៖ ថាមពល និង AI

ទេវកថា៖ «ប្រសិនបើវាមានប្រសិទ្ធភាព វានឹងមាននិរន្តរភាព»

ការពិត៖ ប្រសិទ្ធភាពដោយគ្មានការគ្រប់គ្រងតម្រូវការនៅតែអាចបង្កើនផលប៉ះពាល់សរុប។ នោះគឺជាអន្ទាក់នៃការងើបឡើងវិញ។ OECD (2012): អត្ថប្រយោជន៍ច្រើននៃការកែលម្អប្រសិទ្ធភាពថាមពល (PDF)

---

អភិបាលកិច្ច តម្លាភាព និងមិនលេងសើចនឹងវា 🧾🌍

ប្រសិនបើអ្នកជាក្រុមហ៊ុនមួយ នេះជាកន្លែងដែលទំនុកចិត្តត្រូវបានបង្កើតឡើង ឬបាត់បង់។.

• រាយការណ៍​អំពី​រង្វាស់​ដែល​មាន​អត្ថន័យ ៖ ក្នុង​មួយ​សំណើ ក្នុង​មួយ​អ្នក​ប្រើប្រាស់ ក្នុង​មួយ​ភារកិច្ច - មិន​ត្រឹម​តែ​ជា​ចំនួន​សរុប​ដ៏​ធំ​គួរ​ឲ្យ​ខ្លាច​នោះ​ទេ។ LBNL (2024): របាយការណ៍​ប្រើប្រាស់​ថាមពល​មជ្ឈមណ្ឌល​ទិន្នន័យ​សហរដ្ឋអាមេរិក (PDF)

• ជៀសវាងការអះអាងមិនច្បាស់លាស់ ៖ “AI បៃតង” មានន័យគ្មានអ្វីសោះបើគ្មានលេខ និងព្រំដែន។

• ពិចារណាពីទឹក និងផលប៉ះពាល់ក្នុងតំបន់ ៖ កាបូនមិនមែនជាអថេរបរិស្ថានតែមួយគត់នោះទេ។ Li et al. (2023): ធ្វើឱ្យ AI មិនសូវ "ស្រេកទឹក" (PDF)

• ការរចនាសម្រាប់ការអត់ធ្មត់ ៖ ការឆ្លើយតបខ្លីជាងមុនលំនាំដើម របៀបចំណាយទាប ការកំណត់ "អេកូ" ដែលពិតជាធ្វើអ្វីមួយ។

• សូមគិតអំពីសមធម៌ ៖ ការប្រើប្រាស់ធនធានយ៉ាងច្រើននៅកន្លែងដែលមានទឹកខ្វះខាត ឬបណ្តាញអគ្គិសនីដែលផុយស្រួយមានផលវិបាកហួសពីសៀវភៅបញ្ជីរបស់អ្នក។ ក្រសួងធនធានទឹកសហរដ្ឋអាមេរិក FEMP៖ ឱកាសប្រសិទ្ធភាពទឹកត្រជាក់សម្រាប់មជ្ឈមណ្ឌលទិន្នន័យសហព័ន្ធ

នេះជាផ្នែកមួយដែលមនុស្សបង្វិលភ្នែករបស់ពួកគេ ប៉ុន្តែវាសំខាន់។ បច្ចេកវិទ្យាដែលមានទំនួលខុសត្រូវមិនត្រឹមតែនិយាយអំពីវិស្វកម្មឆ្លាតវៃនោះទេ។ វាក៏និយាយអំពីការមិនធ្វើពុតថាការសម្របសម្រួលមិនមានដែរ។.

---

សេចក្តីសង្ខេបចុងក្រោយ៖ សេចក្តីសង្ខេបសង្ខេបអំពីរបៀបដែល AI ប៉ះពាល់ដល់បរិស្ថាន 🌎✅

របៀបដែល AI ប៉ះពាល់ដល់បរិស្ថាន គឺអាស្រ័យលើបន្ទុកបន្ថែម៖ អគ្គិសនី ទឹក (ពេលខ្លះ) និងតម្រូវការផ្នែករឹង។ IEA៖ ថាមពល និង AI Li et al. (2023): ធ្វើឱ្យ AI មិនសូវ "ស្រេកទឹក" (PDF) វាក៏ផ្តល់ជូននូវឧបករណ៍ដ៏មានឥទ្ធិពលដើម្បីកាត់បន្ថយការបំភាយឧស្ម័ន និងកាកសំណល់នៅក្នុងវិស័យផ្សេងទៀត។ IEA៖ AI សម្រាប់ការបង្កើនប្រសិទ្ធភាពថាមពល និងការច្នៃប្រឌិត លទ្ធផលសុទ្ធអាស្រ័យលើមាត្រដ្ឋាន អនាម័យបណ្តាញ ជម្រើសប្រសិទ្ធភាព និងថាតើ AI កំពុងដោះស្រាយបញ្ហាពិតប្រាកដ ឬគ្រាន់តែបង្កើតភាពថ្មីថ្មោងសម្រាប់ជាប្រយោជន៍នៃភាពថ្មីថ្មោង។ IEA៖ ថាមពល និង AI

ប្រសិនបើអ្នកចង់បានអ្វីដែលសាមញ្ញបំផុត និងជាក់ស្តែងបំផុត៖

• វាស់។.

• ទំហំត្រឹមត្រូវ។.

• បង្កើនប្រសិទ្ធភាពនៃការសន្និដ្ឋាន។.

• ពង្រីកអាយុកាលផ្នែករឹង។.

• ត្រូវ​និយាយ​ដោយ​ត្រង់ៗ​អំពី​ការ​ដោះដូរ។.

ហើយប្រសិនបើអ្នកមានអារម្មណ៍ថាមានសម្ពាធខ្លាំង នេះជាការពិតដែលធ្វើឱ្យអ្នកស្ងប់ចិត្ត៖ ការសម្រេចចិត្តប្រតិបត្តិការតូចៗ ដែលត្រូវបានធ្វើម្តងទៀតរាប់ពាន់ដង ជាធម្មតាអាចយកឈ្នះលើសេចក្តីថ្លែងការណ៍ស្តីពីនិរន្តរភាពដ៏ធំមួយ។ ដូចជាការដុសធ្មេញរបស់អ្នកដែរ។ មិនមែនជារឿងអស្ចារ្យទេ ប៉ុន្តែវាដំណើរការ… 😄🪥

សំណួរដែលសួរញឹកញាប់

តើ AI ប៉ះពាល់ដល់បរិស្ថានយ៉ាងដូចម្តេចក្នុងការប្រើប្រាស់ប្រចាំថ្ងៃ មិនមែនគ្រាន់តែមន្ទីរពិសោធន៍ស្រាវជ្រាវធំៗនោះទេ?

ផលប៉ះពាល់ភាគច្រើនរបស់ AI បានមកពីអគ្គិសនីដែលផ្តល់ថាមពលដល់មជ្ឈមណ្ឌលទិន្នន័យដែលដំណើរការ GPU និង CPU ទាំងក្នុងអំឡុងពេលហ្វឹកហាត់ និង "ការសន្និដ្ឋាន" ប្រចាំថ្ងៃ។ សំណើតែមួយអាចមានលក្ខណៈមធ្យម ប៉ុន្តែក្នុងទ្រង់ទ្រាយធំ សំណើទាំងនោះប្រមូលផ្តុំយ៉ាងលឿន។ ផលប៉ះពាល់ក៏អាស្រ័យលើទីតាំងនៃមជ្ឈមណ្ឌលទិន្នន័យ ថាតើបណ្តាញអគ្គិសនីក្នុងស្រុកស្អាតប៉ុណ្ណា និងថាតើហេដ្ឋារចនាសម្ព័ន្ធត្រូវបានដំណើរការប្រកបដោយប្រសិទ្ធភាពប៉ុណ្ណា។.

តើការបណ្តុះបណ្តាលគំរូ AI អាក្រក់សម្រាប់បរិស្ថានជាងការប្រើប្រាស់វាទេ (ការសន្និដ្ឋាន)?

ការបណ្តុះបណ្តាលអាចជាការផ្ទុះឡើងដ៏ធំមួយនៃការគណនាជាមុន ប៉ុន្តែការសន្និដ្ឋានអាចក្លាយជាផលប៉ះពាល់ធំជាងតាមពេលវេលា ពីព្រោះវាដំណើរការឥតឈប់ឈរ និងក្នុងទ្រង់ទ្រាយធំ។ ប្រសិនបើឧបករណ៍មួយត្រូវបានប្រើប្រាស់ដោយមនុស្សរាប់លាននាក់ជារៀងរាល់ថ្ងៃ សំណើដដែលៗអាចលើសពីថ្លៃដើមបណ្តុះបណ្តាលម្តង។ នោះហើយជាមូលហេតុដែលការបង្កើនប្រសិទ្ធភាពជារឿយៗផ្តោតលើប្រសិទ្ធភាពនៃការសន្និដ្ឋាន។.

ហេតុអ្វីបានជា AI ប្រើប្រាស់ទឹក ហើយតើវាតែងតែជាបញ្ហាមែនទេ?

បញ្ញាសិប្បនិម្មិត (AI) អាចប្រើប្រាស់ទឹកជាចម្បង ដោយសារតែមជ្ឈមណ្ឌលទិន្នន័យមួយចំនួនពឹងផ្អែកលើការត្រជាក់ដែលមានមូលដ្ឋានលើទឹក ឬដោយសារតែទឹកត្រូវបានប្រើប្រាស់ដោយប្រយោលតាមរយៈការផលិតអគ្គិសនី។ នៅក្នុងអាកាសធាតុមួយចំនួន ការត្រជាក់ដោយហួតអាចកាត់បន្ថយការប្រើប្រាស់អគ្គិសនី ខណៈពេលដែលបង្កើនការប្រើប្រាស់ទឹក ដែលបង្កើតជាការសម្របសម្រួលពិតប្រាកដមួយ។ ថាតើវា "អាក្រក់" ដែរឬទេ គឺអាស្រ័យលើការខ្វះខាតទឹកក្នុងស្រុក ការរចនាប្រព័ន្ធត្រជាក់ និងថាតើការប្រើប្រាស់ទឹកត្រូវបានវាស់វែង និងគ្រប់គ្រងឬអត់។.

តើ​ផ្នែក​ណាខ្លះ​នៃ​ផលប៉ះពាល់​បរិស្ថាន​របស់ AI ដែល​បានមកពី​ផ្នែករឹង និង​កាកសំណល់​អេឡិចត្រូនិក?

បញ្ញាសិប្បនិម្មិត (AI) ពឹងផ្អែកលើបន្ទះឈីប ម៉ាស៊ីនមេ ឧបករណ៍បណ្តាញ អគារ និងខ្សែសង្វាក់ផ្គត់ផ្គង់ - ដែលមានន័យថា ការជីកយករ៉ែ ការផលិត ការដឹកជញ្ជូន និងការចោលចោលនៅទីបំផុត។ ការផលិតឧបករណ៍អេឡិចត្រូនិកត្រូវការថាមពលច្រើន ហើយវដ្តធ្វើឱ្យប្រសើរឡើងយ៉ាងឆាប់រហ័សអាចបង្កើនការបំភាយឧស្ម័ន និងកាកសំណល់អេឡិចត្រូនិក។ ការពង្រីកអាយុកាលផ្នែករឹង ការជួសជុលឡើងវិញ និងការកែលម្អការប្រើប្រាស់អាចកាត់បន្ថយផលប៉ះពាល់យ៉ាងច្រើន ដែលជួនកាលអាចប្រកួតប្រជែងនឹងការផ្លាស់ប្តូរកម្រិតម៉ូដែល។.

តើការប្រើប្រាស់ថាមពលកកើតឡើងវិញអាចដោះស្រាយបញ្ហាផលប៉ះពាល់បរិស្ថានរបស់ AI ដែរឬទេ?

អគ្គិសនីស្អាតជាងមុនអាចកាត់បន្ថយការបំភាយឧស្ម័នពីកុំព្យូទ័រ ប៉ុន្តែវាមិនលុបបំបាត់ផលប៉ះពាល់ផ្សេងទៀតដូចជាការប្រើប្រាស់ទឹក ការផលិតផ្នែករឹង និងកាកសំណល់អេឡិចត្រូនិចទេ។ វាក៏មិនដោះស្រាយដោយស្វ័យប្រវត្តិនូវ "ផលប៉ះពាល់នៃការស្ទុះងើបឡើងវិញ" ដែលការគណនាតម្លៃទាបនាំឱ្យមានការប្រើប្រាស់កាន់តែច្រើនជារួម។ ថាមពលកកើតឡើងវិញគឺជាកម្លាំងជំរុញដ៏សំខាន់មួយ ប៉ុន្តែវាគ្រាន់តែជាផ្នែកមួយនៃផលប៉ះពាល់ប៉ុណ្ណោះ។.

តើ​ឥទ្ធិពល​ស្ទុះ​ងើប​ឡើង​វិញ​ជា​អ្វី ហើយ​ហេតុអ្វី​បាន​ជា​វា​សំខាន់​ចំពោះ AI និង​និរន្តរភាព?

ផលប៉ះពាល់នៃការស្ទុះងើបឡើងវិញគឺនៅពេលដែលការកើនឡើងនៃប្រសិទ្ធភាពធ្វើឱ្យអ្វីមួយមានតម្លៃថោកជាង ឬងាយស្រួលជាង ដូច្នេះមនុស្សធ្វើវាបានកាន់តែច្រើន - ជួនកាលលុបបំបាត់ការសន្សំ។ ជាមួយនឹង AI ការបង្កើត ឬស្វ័យប្រវត្តិកម្មដែលមានតម្លៃថោកជាងអាចបង្កើនតម្រូវការសរុបសម្រាប់ខ្លឹមសារ ការគណនា និងសេវាកម្ម។ នោះហើយជាមូលហេតុដែលការវាស់វែងលទ្ធផលនៅក្នុងការអនុវត្តមានសារៈសំខាន់ជាងការអបអរសាទរប្រសិទ្ធភាពដោយឡែកពីគ្នា។.

តើ​មាន​វិធី​ជាក់ស្តែង​អ្វីខ្លះ​ដើម្បី​កាត់បន្ថយ​ផលប៉ះពាល់​នៃ​បញ្ញា​សិប្បនិម្មិត (AI) ដោយ​មិន​ធ្វើ​ឲ្យ​ខូច​ផលិតផល?

វិធីសាស្រ្តទូទៅមួយគឺចាប់ផ្តើមជាមួយនឹងការវាស់វែង (ការប៉ាន់ស្មានថាមពល និងកាបូន ការប្រើប្រាស់) បន្ទាប់មកធ្វើគំរូទំហំត្រឹមត្រូវទៅនឹងភារកិច្ច និងបង្កើនប្រសិទ្ធភាពការសន្និដ្ឋានជាមួយនឹងការរក្សាទុកក្នុងឃ្លាំងសម្ងាត់ ការចាត់ថ្នាក់ និងលទ្ធផលខ្លីជាង។ បច្ចេកទេសដូចជាការធ្វើបរិមាណ ការចម្រាញ់ និងការបង្កើតដែលបង្កើនការទាញយកអាចកាត់បន្ថយតម្រូវការកុំព្យូទ័រ។ ជម្រើសប្រតិបត្តិការ - ដូចជាការកំណត់ពេលវេលាបន្ទុកការងារតាមអាំងតង់ស៊ីតេកាបូន និងអាយុកាលផ្នែករឹងយូរជាងនេះ - ជារឿយៗផ្តល់នូវជ័យជម្នះដ៏ធំ។.

តើ​បញ្ញា​សិប្បនិម្មិត (AI) អាច​ជួយ​បរិស្ថាន​យ៉ាង​ដូចម្តេច​ជាជាង​ធ្វើ​ឲ្យ​ប៉ះពាល់​ដល់​វា?

បញ្ញាសិប្បនិម្មិត (AI) អាចកាត់បន្ថយការបំភាយឧស្ម័ន និងកាកសំណល់នៅពេលដាក់ពង្រាយដើម្បីបង្កើនប្រសិទ្ធភាពប្រព័ន្ធពិតប្រាកដ៖ ការព្យាករណ៍បណ្តាញអគ្គិសនី ការឆ្លើយតបតម្រូវការ ការគ្រប់គ្រង HVAC អគារ ការបញ្ជូនផ្លូវដឹកជញ្ជូន ការថែទាំព្យាករណ៍ និងការរកឃើញការលេចធ្លាយ។ វាក៏អាចគាំទ្រដល់ការត្រួតពិនិត្យបរិស្ថានដូចជាការជូនដំណឹងអំពីការកាប់បំផ្លាញព្រៃឈើ និងការរកឃើញមេតានផងដែរ។ ចំណុចសំខាន់គឺថាតើប្រព័ន្ធផ្លាស់ប្តូរការសម្រេចចិត្ត និងបង្កើតការកាត់បន្ថយដែលអាចវាស់វែងបាន មិនមែនគ្រាន់តែផ្ទាំងគ្រប់គ្រងកាន់តែប្រសើរនោះទេ។.

តើ​ក្រុមហ៊ុន​គួរ​រាយការណ៍​ពី​រង្វាស់​អ្វីខ្លះ​ដើម្បី​ជៀសវាង​ការ​អះអាង​អំពី AI ដែល​មាន​លក្ខណៈ​ «បៃតង»?

ការរាយការណ៍អំពីរង្វាស់ក្នុងមួយកិច្ចការ ឬក្នុងមួយសំណើ មានអត្ថន័យជាងការរាយការណ៍តែចំនួនសរុបធំៗ ពីព្រោះវាបង្ហាញពីប្រសិទ្ធភាពនៅកម្រិតអង្គភាព។ ការតាមដានការប្រើប្រាស់ថាមពល ការប៉ាន់ស្មានកាបូន ការប្រើប្រាស់ និង - ក្នុងករណីពាក់ព័ន្ធ - ផលប៉ះពាល់ទឹកបង្កើតការទទួលខុសត្រូវកាន់តែច្បាស់។ ក៏សំខាន់ផងដែរ៖ កំណត់ព្រំដែន (អ្វីដែលរួមបញ្ចូល) និងជៀសវាងស្លាកមិនច្បាស់លាស់ដូចជា "AI មិនប៉ះពាល់ដល់បរិស្ថាន" ដោយគ្មានភស្តុតាងវាស់វែង។.

ឯកសារយោង

1. ទីភ្នាក់ងារថាមពលអន្តរជាតិ (IEA) - ថាមពល និងបញ្ញាសិប្បនិម្មិត - iea.org

2. ទីភ្នាក់ងារថាមពលអន្តរជាតិ (IEA) - បញ្ញាសិប្បនិម្មិតសម្រាប់ការបង្កើនប្រសិទ្ធភាពថាមពល និងនវានុវត្តន៍ - iea.org

3. ទីភ្នាក់ងារថាមពលអន្តរជាតិ (IEA) - ឌីជីថលូបនីយកម្ម - iea.org

4. មន្ទីរពិសោធន៍ជាតិ Lawrence Berkeley (LBNL) - របាយការណ៍ប្រើប្រាស់ថាមពលមជ្ឈមណ្ឌលទិន្នន័យសហរដ្ឋអាមេរិក (ឆ្នាំ២០២៤) (PDF) - lbl.gov

5. Li et al. - ធ្វើឱ្យ AI មិនសូវ "ស្រេកទឹក" (2023) (PDF) - arxiv.org

6. ASHRAE (TC 9.9) - ការលេចចេញ និងការពង្រីកប្រព័ន្ធត្រជាក់រាវនៅក្នុងមជ្ឈមណ្ឌលទិន្នន័យសំខាន់ៗ (PDF) - ashrae.org

7. ក្រឡាចត្រង្គបៃតង - ការពិនិត្យដ៏ទូលំទូលាយនៃ PUE-A នៃម៉ែត្រ - thegreengrid.org

8. ក្រសួងថាមពលសហរដ្ឋអាមេរិក (DOE) - FEMP - ឱកាសប្រសិទ្ធភាពទឹកត្រជាក់សម្រាប់មជ្ឈមណ្ឌលទិន្នន័យសហព័ន្ធ - energy.gov

9. ក្រសួងថាមពលសហរដ្ឋអាមេរិក (DOE) - FEMP - ប្រសិទ្ធភាពថាមពលនៅក្នុងមជ្ឈមណ្ឌលទិន្នន័យ - energy.gov

10. ទីភ្នាក់ងារការពារបរិស្ថានសហរដ្ឋអាមេរិក (EPA) - ឧស្សាហកម្មស៊ីមីកុងដុកទ័រ - epa.gov

11. សហភាពទូរគមនាគមន៍អន្តរជាតិ (ITU) - ការត្រួតពិនិត្យកាកសំណល់អេឡិចត្រូនិចសកលឆ្នាំ ២០២៤ - itu.int

12. OECD - អត្ថប្រយោជន៍ច្រើននៃការកែលម្អប្រសិទ្ធភាពថាមពល (២០១២) (PDF) - oecd.org

13. API អាំងតង់ស៊ីតេកាបូន (GB) - carbonintensity.org.uk

14. imec - ការកាត់បន្ថយផលប៉ះពាល់បរិស្ថានក្នុងការផលិតបន្ទះឈីប - imec-int.com

15. UNEP - របៀបដែល MARS ដំណើរការ - unep.org

16. អង្គការឃ្លាំមើលព្រៃឈើសកល - ការជូនដំណឹងអំពីការកាប់បំផ្លាញព្រៃឈើដោយរីករាយ - globalforestwatch.org

17. វិទ្យាស្ថាន Alan Turing - បញ្ញាសិប្បនិម្មិត និងប្រព័ន្ធស្វយ័តសម្រាប់វាយតម្លៃជីវៈចម្រុះ និងសុខភាពប្រព័ន្ធអេកូឡូស៊ី - turing.ac.uk

18. CodeCarbon - វិធីសាស្រ្ត - mlco2.github.io

19. Gholami et al. - ការស្ទង់មតិវិធីសាស្រ្តបរិមាណ (2021) (PDF) - arxiv.org

20. Lewis និង​អ្នក​ដទៃ - ជំនាន់​ដែល​បាន​ទាញ​យក​បន្ថែម (2020) - arxiv.org

21. Hinton និង​អ្នក​ដទៃ - ការ​ចម្រាញ់​ចំណេះដឹង​ក្នុង​បណ្តាញ​សរសៃប្រសាទ (2015) - arxiv.org

22. កូដកាបូន - codecarbon.io

ស្វែងរក AI ចុងក្រោយបំផុតនៅហាងជំនួយការ AI ផ្លូវការ

អំពីយើង