Die dunkle Seite der Software

von Limettenkoralle (Professor von LSI und Direktor des Green Algorithms Area. OdiseIA).

Organisationen wie die Organisation der Vereinten Nationen (UN) betonen die Bedeutung der Reduzierung des Energieverbrauchs und unseres COXNUMX-Fußabdrucks und nehmen dieses Thema in ihre Millenniums-Entwicklungsziele (MDG^[1]). IKT (Informations- und Kommunikationstechnologien) sind der Schlüssel, um zu diesen Zielen beizutragen, und tatsächlich gibt es viele Beispiele, von der Software eines Roboters, der Plantagen von Unkraut befreit, indem er Produkte nur dort aufbringt, wo es nötig ist; Anwendungen durchgehen, die für die optimale Nutzung von Energie in einem Haushalt verwendet werden; oder durch allgemeine Beispiele wie die Anwendung Ecoembes Recycling Guide, die dem Benutzer hilft, Abfall richtig zu trennen.

Wir müssen uns jedoch bewusst sein, dass IKT auch negative Auswirkungen auf die Umwelt haben. So sehr, dass es bereits Schätzungen gibt, die sie für 20 % des weltweiten Energieverbrauchs im Jahr 2030 verantwortlich machen[2]. Und obwohl IKT nicht dasselbe ist wie Software, ist letztere Teil ersterer und, wie Stroustrup angedeutet hat[3], hängt die Welt sowohl von Software als auch von Wasser ab. Und es ist, dass die Software uns umgibt und unseren Alltag antreibt.

Wenn wir über Software sprechen, sprechen wir nicht nur über Softwareanwendungen, wir müssen uns daran erinnern, dass es auch Software in der künstlichen Intelligenz und im Datenmanagement gibt, die vielleicht die wichtigsten Herausforderungen sind, denen wir uns heute gegenübersehen, die zu Eckpfeilern werden der IKT.

Bis 2025 werden täglich 463 Exabyte an Daten erzeugt.[4] und dass die Anwendung von Daten und künstlicher Intelligenz in der spanischen Industrie im Jahr 16.500 eine geschätzte Auswirkung auf das BIP von 2025 Millionen Euro haben wird[5].

All dies unterstreicht die Bedeutung, die Software (in all ihren Varianten) in unserem Leben hat und haben wird. Und bei diesem Szenario ist es daher wichtig, sich der Energieressourcen bewusst zu sein, die erforderlich sind, damit es funktioniert.

Als Beispiel werde ich drei Schlussfolgerungen aus der Forschung anführen, die wir an der Escuela Superior de Informática in Bezug auf den Verbrauch von: generischer Software, künstlicher Intelligenz und Daten durchführen:

1. Generische Nutzungssoftware. Wenn wir eine Internetsuche durchführen, verwenden wir eine Suchmaschine (Google, Bing, Ecosia, DuckDuckGo usw.), die auf einem Browser (Chrome, Edge, Firefox, Opera, Safari, Brave usw.) läuft. Nach unseren Studien ist die Verbrauchseinsparung durch die Verwendung der effizientesten Kombination aus Browser und Suchmaschine statt der verbrauchsintensivsten für ein Jahr nicht zu vernachlässigen und kann beispielsweise zur Beleuchtung des Eiffelturms für mehr als 500 Jahre verwendet werden.
2. Künstliche Intelligenz. Da das maschinelle Lernen in der künstlichen Intelligenz lange dauert, gibt es Optimierungen, um die Trainingszeit zu verkürzen. Im Allgemeinen sind diejenigen Optimierer, die länger brauchen (und daher mehr Energie verbrauchen), diejenigen, die die beste Genauigkeit erzielen. Daher könnte eine Entscheidung auf der Grundlage dieser Präzision dazu führen, dass sie ausgewählt werden, was den höheren Verbrauch rechtfertigt, den sie erfordern. In den untersuchten Fällen betrug der Genauigkeitsunterschied zwischen dem besten und dem schlechtesten Optimierer jedoch etwa 0.016 % für das, was dreimal mehr verbrauchte!!! Wenn also das zu lösende Problem nicht diese 3 % mehr Präzision erfordert, könnten erhebliche Einsparungen erzielt werden.
3. Daten. Eines der Hauptprobleme bei der entfesselten Datenproduktion besteht darin, dass sie gespeichert und verwaltet (mit ihnen gearbeitet) werden muss. Datenkompressoren sind Algorithmen, die es ermöglichen, Daten platzsparend zu speichern. Obwohl einige dieser Kompressoren nur für die Datenspeicherung verwendet werden (die Dekomprimierung ist notwendig, um sie verwenden zu können), gibt es andere Datenkomprimierungsalgorithmen, die es zusätzlich zur Komprimierung ermöglichen, mit diesen komprimierten Daten zu arbeiten. Durch den Einsatz dieser Datenkomprimierungsalgorithmen werden neben einer Einsparung von 30 % Speichergröße bis zu 50 % des für dessen Nutzung erforderlichen Energieverbrauchs eingespart.

Obwohl dies nur kleine Beispiele sind, spiegeln sie eine Realität wider, die wir berücksichtigen müssen, da Software in vielen Bereichen unseres Lebens präsent ist und dies auch weiterhin sein muss. Wir dürfen nicht aufhören, sie zu nutzen, wir müssen in der Lage sein, sie effizient zu machen. Und das ist eine der Herausforderungen, vor denen Computeringenieure stehen, um effiziente Lösungen anzubieten und unseren Beitrag zur Reduzierung des Energieverbrauchs und des COXNUMX-Fußabdrucks zu leisten, wie von der UN und den MDGs angegeben.

[1] http://www.un.org/millenniumgoals/

[2] AS Andrae und T. Edler, „Über den globalen Stromverbrauch der Kommunikationstechnologie: Trends bis 2030“

[3] Bjarne Stroustrup. Schöpfer der Sprache C++. Das Technologieland. 5. Februar 2019

[4] https://www.raconteur.net/infographics/a-day-in-data/

[5] Ich INDESIA-Forum. https://www.iti.es/eventos/i-foro-indesia-el-impacto-de-la-inteligencia-artificial-en-la-industria/