/**/
沟通咨询
提交成功

与AI一起,拯救地球丨全国低碳日

2021.08.25
公司动态

暴雨、洪水、干旱、山火……近年来,在全球变暖这一重要因素的影响下,极端天气愈发频繁、也越来越极端。面对这一跨越国界的全球性挑战,中国主动提出“力争2030年前实现碳达峰和2060年前实现碳中和”的“双碳”目标,展现了中国和积极参与全球治理的形象。

 

图片

中国“3060双碳”目标

 

“我国人均累计碳排放远远低于主要发达国家,也小于全球平均。我们追求2060年达到碳中和,其难度远大于发达国家。”5月30日,中国科学院院士丁仲礼在中国科学院学部第七届学术年会上坦言。

 

图片

资料来源:丁仲礼院士在“院士大会”上的演讲

 

减少碳排放量,电力、工业、交通、建筑等“产碳大户”首当其冲。但容易被大家忽视的是:以人工智能为代表的新一代信息通信技术,其实也是“用能大户”。

 

图片

《Anatomy of an AI System》作者:Kate Crawford、Vladan Joler

 

上方图片以亚马逊智能音响Echo为例,以极高的透明度展示了AI系统的全生命周期,形成了AI系统的“解剖全图”,也向我们揭示了AI研究、开发和应用整个链条将会产生的碳足迹。

 

近年来,算法模型在训练中存在过度碳消耗的现象已引起学界关注。据媒体报道,训练某个自然语言理解的模型所产生的碳足迹,约等于一个人乘飞机往返纽约和北京125次。

 

作为一家负责任的AI企业,瑞莱智慧RealAI正朝着两个方向进行努力,也号召全行业合力构建可持续发展的人工智能:

 

01. 自身做起:减少人工智能碳足迹

 

一些AI企业可以根据实际需求考虑的减碳方向:

 

  • 在训练和调优等高耗能环节,使用无碳能源替代化石燃料。例如,谷歌已实现用电量100%从可再生能源采购。

     

  • 使用更高效的机器学习架构。已有研究发现,在某些特定情况下,通过改变架构设计或算法,能使能源效率提高100倍。

     

  • 应用模型压缩技术。通过模型压缩技术显著减少模型训练、推理环节的计算量,从而减少对能源的需求。

     

  • 关注人工智能系统的可用性。使人工智能系统开发的“碳代价”投入发挥其产业价值,以落地为导向。

     

  • 使用节能的人工智能硬件。作为人工智能生命周期中的重要角色,节能的人工智能硬件加速器在同样能耗情况下,能够显著提高计算能力。

     

  • 数据中心节能降耗。全球数据中心电力消耗大约相当于7个大亚湾核电站的年发电量,是名副其实的“能耗巨兽”。数据中心的规划、建设、运营都应走高效、清洁、集约、循环的绿色低碳发展道路,尽可能地减少停机风险、提高通风效率。

     

  • 减少重复投入。一个好的共享生态平台,能够实现价值的最大流通,减少同一类型模型的重复开发。当越来越多的从业者加入开源社区,或构成分工合作的完整生态体系,人工智能的整体能源效率将显著提升。

 

图片

减少AI碳排放,RealAI这样建议

 

02. 注智赋能:为减碳提供技术支撑

 

节能减排,除了从自身做起,AI企业还能为做更多。在诸多行业场景中,利用人工智能决策,可以有效提高能源、劳动力和资源效率,以进一步抵消人工智能的碳足迹,加速绿色低碳转型。

 

电力

 

图片

 

根据国家统计局数据,目前我国清洁能源(水电、核电、光伏电、风电等)发电量仅占总发电量31.5%。随着清洁能源在电网中所占比例的不断增加,通过电力容量和负荷预测,来降低电网运营成本和提升对可再生能源的容纳能力,将成为关键。电网调度是电力系统运行的大脑和神经中枢。人工智能的时间序列分析可以有效解决这类预测问题。人工智能模型结合历史用电数据、天气、经济统计、人口、时间周期特征、地区特征等数据来预测未来的电力需求,并利用天气和广泛布设在发电和电力传输系统中的传感器数据预测未来的容量,大幅减低运营成本,并为更加智能的电力市场与电力调控提供可能。

 

能源设施健康预测

 
图片

 

水利大坝担负着发电、灌溉、调节水流、防洪减灾等作用。然而,老旧水坝却面临着传感器缺失、损坏造成的数据缺失问题,对其进行数字化“体检”难度极大。针对这一问题,瑞莱智慧使用贝叶斯深度学习和时间序列异常检测、预测等数据驱动的人工智能方法,结合专家机理,进行监测数据补全、状态数据预测,并进一步对某大坝结构运行状态进行评价,完成大坝安全评级。

 

光伏组件生产

 
图片

 

太阳能利用光伏模块收集的太阳能来制造清洁的可再生能源。一个大规模太阳能发电厂可以使用数百万个光伏组件。在光伏电站运营中,可通过人工智能识别故障模块,并触发机器人、无人机检测,同时提供故障模块位置及原因给维护人员提供建议。此外,瑞莱智慧也已将人工智能技术应用于光伏组件的生产中,通过智能检测系统实现EL和外观图像的自动识别,在解放视觉检测人工的同时,解决检测环节的效率瓶颈,并提升检测的准确性。

 

气象预测

 
图片

 

一直以来,气象预报机构依靠分析和解码从不计其数的传感器和气象卫星收集而来的海量数据,来更精准地预测天气状况。随着全球气候变暖,近年来极端天气呈现与日增多、增强、时空分布更加复杂多变的趋势。而AI的计算和学习能力,可以大大提高天气预报的准确性和可靠性。对于极端的天气,人工智能则可以通过分析灾害的模拟和实时数据,进行预警,从而加强灾害应对能力。

 

 
 

预防森林火灾

 
图片

森林是地球之肺,森林火灾危害极大。烟雾传感器在常规火灾预警中起着重要的作用,但由于森林面积巨大,传感器覆盖区域较小,除了这一方法还必须依赖护林员巡查。而人工智能可以在森林防火中大显身手:用计算机视觉技术探测火花、火焰,发现早期火灾隐患。摄像头可以覆盖更大范围的森林,高性能的人工智能模型可以探测到很小的火焰,从而更好地保护森林。

 

 
 

建筑节能

 
图片

 

数据显示,中国民用建筑运行总商品能耗2018年为10亿吨标准煤,占全国能源消费总量的22%。人工智能与建筑的跨界融合,则可充分挖掘建筑的节能潜力,还能让节能管理更便捷,更深层次挖掘建筑能耗数据的经济价值和社会效益。人工智能通过“检测、预测、优化”三个环节,即可实现建筑能源消耗的精细化管理。

 

 
 

未来城市交通

 
图片

 

人工智能算法将为未来的共享出行系统提供更高的效率和更快的需求响应,从而充分利用所使用的能源。在交通管理方面,人工智能可以通过分析实时交通数据,让交通信号灯“聪明”起来,有效提升道路通行效率。

 

人工智能在节能、减排、可再生能源转型方面的应用,对个人、企业、社会都具有重要意义。未来,瑞莱智慧将以运用第三代人工智能为术,以发展负责任的人工智能和可持续发展的人工智能为道,为“3060双碳”目标贡献智慧和力量。