Umetna inteligenca neustavljivo prodira v vse pore gospodarstva, od bančništva in zdravstva do energetske tranzicije. Po eni strani obljublja hitrejše rešitve za največje izzive našega časa. Po drugi pa porabi več energije, kot smo si kdaj koli lahko predstavljali.
Brett StClair, strokovnjak za umetno inteligenco in digitalno preobrazbo, ustanovitelj podjetja Teraflow.ai ter nekdanji direktor pri Googlu in Barclaysu, kmalu prihaja v Zagreb kot gost festivala Greencajt. Ob tej priložnosti smo se z njim pogovarjali o tem, zakaj številna podjetja vstopajo v svet umetne inteligence na napačen način, kako Google že vrsto let uporablja algoritme za zmanjšanje porabe energije ter kje pravzaprav leži meja med odgovorno uporabo in nesmiselno potratnostjo.
Za StClaira je umetna inteligenca lahko močno orodje, vendar le, če jo uporabljamo premišljeno, z jasnim ciljem in razumevanjem njenih dejanskih zmožnosti in omejitev.
Preberi še

Trump in zalivski milijarderji v boj za prevlado v AI-svetu
ZAE bodo v naslednjih 10 letih vložili 1.400 milijard dolarjev v AI infrastrukturo in projekte v ZDA.
30.03.2025

Meta lansira Llama 4: AI, ki prehiteva konkurenco?
Meta je predstavila novo generacijo umetne inteligence Llama 4, z vrhunskim modelom Behemoth, ki šteje kar dve trilijona parametrov.
07.04.2025

Evropa lahko izstopi iz sence Silicijeve doline
Če bo rast sektorja umetne inteligence trpel zaradi carin na aluminij, jeklo in baker, bo ameriška tehnologija morda končno dobila konkurenco.
10.04.2025

Nehajte se zahvaljevati ChatGPT-ju. Vaša prijaznost ga stane milijone
Pisanje "prosim" in "hvala" ChatGPT-ju podjetje stane desetine milijonov dolarjev.
25.04.2025
Ali lahko umetna inteligenca res postane gonilo trajnosti ali pa bo njena nenasitna potreba po energiji iz nje naredila enega največjih izzivov digitalne dobe?
Vstopamo v obdobje, v katerem podatki, ki jih ustvarjajo ljudje, enostavno niso dovolj natančni niti zadostni za generativno umetno inteligenco (Gen AI) in velike jezikovne modele (LLM). V tem obdobju bodo modeli učili iz človeškega vedenja in izkušenj – torej iz veliko večjega nabora podatkov, ki bo pomagal LLM-jem hitreje in natančneje razumeti svet okoli nas.
To pa je dvorezen meč. Tako kot nas je OpenAI opozoril, da jih naša vljudnost do LLM-jev stane milijone dolarjev pri obdelavi t. i. žetonov, opažamo, da povečana potreba po podatkih in računalniški moči močno vpliva na trajnost, saj so računalniški viri potrebni ne samo za obdelavo žetonov, ampak tudi za "žetone vljudnosti".
Kot industrija sprejemamo AI tovarne; vendar pa ta postrojenja s 70.000 grafičnimi procesorji Nvidia Blackwell B200 pomenijo ogromno porabo energije. Ti čipi postajajo sicer vse boljši pri upravljanju porabe in omrežnih virov, a kljub temu ostajajo energetsko zahtevni.
Druga plat tega meča je, da lahko močnejši modeli rešujejo nekatere izzive energetske potrošnje na načine, ki si jih danes še ne moremo predstavljati. Odličen primer izboljšane učinkovitosti je model DeepSeek-V1, pri katerem je poraba energije zmanjšana za do 90 odstotkov, ogljični odtis pa za približno 92 odstotkov v primerjavi s podobnimi infrastrukturami.
Torej vprašanje ostaja težko. Rekel bi, da če ostanemo odgovorni in osredotočeni na podnebni izziv, bo umetna inteligenca ključ do naše prihodnosti na tem planetu.
Na podlagi vaših izkušenj pri Googlu – verjamete, da tehnološki velikani resnično poskušajo rešiti okoljske izzive, ki so jih sami povzročili, ali le kupujejo čas?
Lahko iskreno potrdim, da je za podjetja, kot je Google, trajnost ključna, saj je hkrati tudi velik motivator za zniževanje stroškov. Google umetno inteligenco uporablja že več kot 15 let za optimizacijo hlajenja podatkovnih centrov, uporablja geotermalne rešitve za hlajenje ter si prizadeva za ogljično nevtralnost.
Nekateri javni primeri so naslednji:
AI-usmerjeno hlajenje: Google uporablja AI algoritme za optimizacijo hladilnih sistemov, analizo temperaturnih podatkov in prilagajanje delovanja za večjo učinkovitost.
Ukrepi za energetsko učinkovitost: Nenehno raziskujejo načine za zmanjšanje porabe energije v podatkovnih centrih, vključno z optimizacijo razporeditve strežnikov, uporabo učinkovitih hladilnih tehnologij in zmanjševanjem uporabe gradbenih materialov.
Upravljanje z vodnimi viri: Google prepoznava vodo kot ključen vir za hlajenje in aktivno išče načine za optimizacijo porabe vode v svojih centrih.
Učinkovitost, podprta z AI: Google uporablja umetno inteligenco za izboljšanje učinkovitosti procesov učenja AI modelov, kar zmanjšuje porabo energije in s tem povezane emisije.
Trajnostni razvoj umetne inteligence: Razvijajo AI modele, ki so že v osnovi energetsko učinkovitejši, da bi zmanjšali ogljični odtis AI aplikacij.
AI za podnebno ukrepanje: Google uporablja umetno inteligenco na različne načine za reševanje podnebnih sprememb, vključno z napovedovanjem vremena, vodenim z UI, načrtovanjem poti za varčevanje z gorivom in upravljanjem vodnih virov.
Pobude krožnega gospodarstva: Raziskujejo načine za spodbujanje krožnega gospodarstva znotraj svojih operacij, zmanjševanje onesnaževanja s plastiko in odgovorno upravljanje z viri.
Bloomberg
Kaj mora danes podjetje storiti, da zagotovi, da je uporaba umetne inteligence ne le učinkovita, temveč tudi trajnostna?
Obstajajo trije pristopi k umetni inteligenci v sodobnem svetu:
Izgradnja – razvoj lastnega LLM-a
Te ne priporočam, razen če imate ogromne količine podatkov, specifičnih za določen industrijski sektor, kjer lahko modele trenirate ali dodatno prilagodite za zelo specifične potrebe. To ni nekaj, o čemer bi moralo razmišljati povprečno podjetje. Mnoga podjetja eksperimentirajo s treniranjem odprtih LLM-ov; samo na platformi Hugging Face smo že presegli milijon takih modelov, ki se le minimalno razlikujejo med seboj. To je neodgovorna raba računalniških virov in vir nepotrebnega ogljičnega odtisa. Morda je zabavno ali zadovolji korporativne cilje glede UI, a dolgoročno je to skrajno neodgovorno.
Izboljšava – uporaba obstoječega modela, prilagojenega lastnim podatkom
Pri tem pristopu izberete odprtokodni model ali enega izmed številnih poslovnih modelov kot osnovo in nato nanj varno aplicirate svoje poslovne podatke (npr. z metodami kot sta RAG ali fine-tuning). Če se takšni modeli uporabljajo v MLOps okolju po najboljših praksah, jih je mogoče optimizirati za učinkovito porabo. Kljub temu so stroški še vedno precejšnji in pogosto zavirajo pretirano uporabo, vendar cena hitro pada. V zadnjih 18 mesecih smo zabeležili 270-kratno znižanje stroška na milijon tokenov. Z nižanjem stroškov pa narašča tudi tveganje za pretirano uporabo brez prave potrebe.
Uporaba – povezovanje z zunanjimi modeli in plačevanje glede na uporabo
V tem pristopu povežete svoje sisteme s poslovnimi LLM-ji drugih ponudnikov in plačujete za njihovo uporabo po količini tokenov. V zadnjih treh mesecih smo priča eksploziji tovrstne uporabe, zlasti med potrošniki – primer je novi model GPT-4o, kjer uporabniki množično ustvarjajo slike sebe kot lutke ali v slogu Studio Ghibli. Ti pozivi so skoraj povzročili zlom OpenAI-jevih strežnikov zaradi preobremenjenosti. Potrošniki se moramo zavedati, da lahko tudi preprost poziv povzroči resne posledice za trajnost.
Teraflow.ai se osredotoča na implementacijo UI v poslovanje. Kako pripravljeni so danes naročniki vključiti trajnost v središče svoje AI strategije?
Na trgu smo videli zelo malo zavedanja v zvezi s porabo. Poslovni sektor je še vedno usmerjen predvsem v iskanje konkretnih primerov uporabe in v razumevanje, kako iz te tehnologije ustvariti dobiček. Ključni akterji, ki razvijajo AI infrastrukturo, se tega problema zavedajo, saj se nahajajo neposredno v njegovem središču. A podjetja, ki te modele uporabljajo, pogosto nimajo prave predstave o njihovem vplivu. Radi bi videli, da bi se pred zagonom posameznih pozivov prikazovali opozorilni indikatorji o vplivu na trajnost – to bi podjetjem pomagalo bolje načrtovati in porabljati z večjo previdnostjo.
Nekoč ste pomagali pri implementaciji tehnologije v bančnem sektorju. Katere industrije so po vašem mnenju najbolje pripravljene za uporabo umetne inteligence v trajnostne namene in katere zaostajajo?
Vsako podjetje na svetu ima enako priložnost. Pred petimi leti je bilo strojno učenje dostopno le velikim podjetjem, kot so banke, saj so bili infrastrukturni in kadrovski vstopni stroški zelo visoki. Teraflow.ai smo zagnali pred šestimi leti, ker je bilo povpraševanje po znanju iz področij strojnega učenja in podatkovnega inženiringa izjemno. Slabi podatki pomenijo slabe rezultate UI – to je bilo jasno že od začetka.
Danes pa je vsako podjetje in vsak posameznik pred ogromnimi priložnostmi. Vidimo, kako manjša podjetja rastejo in konkurirajo velikim, medtem ko velike korporacije preoblikujejo svoje organizacijske strukture, da bi se prilagodile dobi avtonomnih AI sistemov (Agentic AI), ki delujejo kot agenti. Vsaka vloga v organizaciji potrebuje nov premislek – kako voditi ekipe in kako sodelovati z agenti, ki prevzemajo naloge.
Vidimo ogromne motnje v vsakem sektorju. Podjetja, kot je Shopify, danes zaposlijo le, če vloge ni mogoče opravljati z AI agentom – to je jasen znak časa, v katerem ljudje morajo nadgraditi svojo produktivnost z umetno inteligenco, potreba po hitrem ukrepanju pa je ključna.
Depositphotos
Kaj bi svetovali izvršnemu direktorju, ki želi umetno inteligenco vključiti v jedro svojega poslovanja, vendar ne ve, kje začeti?
Transformacija z umetno inteligenco je zelo različna od digitalne transformacije, pri kateri so izvršni direktorji to vlogo večinoma delegirali glavnim digitalnim direktorjem (Chief Digital Officer). Tudi sam sem bil na tej poziciji kot glavni digitalni direktor za Barclays v Afriki. Vendar bi morala biti to v teoriji začasna vloga, saj bodo s časom vsa podjetja postala digitalna podjetja, zato bi moral biti celoten vodstveni tim digitalno ozaveščen.
Tokrat, ker je umetna inteligenca vseprisotna in prodorna, izvršni direktorji ne morejo več sedeti ob strani in prelagati odgovornosti. Morajo vlagati v AI mentorje, ki jim lahko pomagajo uporabiti, sprejeti in pospešiti razumevanje generativne umetne inteligence. Vem, da se to sliši smešno; vendar, če vodstvo ne prevzame pobude za sprejetje umetne inteligence, se bodo spremembe dogajale prepočasi. Digitalna transformacija je trajala 15 do 20 let. Transformacija z umetno inteligenco se bo zgodila v naslednjih petih letih, in bojim se, da sem rekel že preveč.
Kot izvršni direktorji moramo razmišljati drugače in delovati drugače. Kar se je nekoč štelo za neprimerno vedenje, je zdaj postalo norma. Naša podjetja so se naučila preiti na digitalne sestanke v dveh letih; verjamem, da imamo kapaciteto in voljo, da preidemo na generativno umetno inteligenco v manj kot dveh letih.
Teraflow sodeluje z velikimi sistemi. Lahko delite zgodbo o transformaciji, ki vas je resnično presenetila – bodisi s hitrostjo, vplivom ali spremembo v načinu razmišljanja?
Vsaka banka, letalska družba, energetska in rudarska podjetja, zavarovalnice in zdravstvene ustanove, s katerimi smo sodelovali v preteklih šestih letih, so šla skozi skoraj identičen razvojni proces pri uvajanju umetne inteligence. Vse se začne z začetnim vzhičenjem. Podjetja panično iščejo primere uporabe, pogosto brez jasne strategije, kar hitro privede do kaosa. Sledi faza, v kateri se začnejo desettisoči pilotnih projektov, vendar brez konkretne analize donosnosti.
Šele nato pride do osredotočanja. Izbere se en primer uporabe umetne inteligence, ki je dejansko koristen, vendar se pojavi pravi problem – podatki preprosto niso pripravljeni. Sledi gradnja podatkovnih temeljev, kar običajno pomeni postavitev oblakovskih skladišč in uvedbo prenosov podatkov v realnem času.
Kmalu zatem pride do eksplozije uporabe generativne umetne inteligence, uvajajo se asistenti in "copiloti", vendar redko se hkrati obravnava reorganizacija delovnih nalog. Nato sledi faza usposabljanja, v kateri zaposleni opravijo izobraževanje za delo s pozivi, pogosto podobno tistemu, kar smo doživeli v času "Agile transformacije". In končno, najzrelejša faza - vzpostavitev centralizirane strategije umetne inteligence, v kateri so vsi podatkovni viri konsolidirani, podjetja pa začnejo graditi koherentno in trajnostno MLOps okolje.
Pogosto dojemamo umetno inteligenco kot disruptivno silo. Kaj pa se zgodi, ko se uporablja za dosego stabilnosti, optimizacijo in pametnejše odločanje, namesto zgolj za radikalne korake?
Umetna inteligenca bo prinesla stabilnost in optimizacijo le, če notranje tehnološke ekipe sprejmejo discipliniran okvir za upravljanje podatkov in imajo jasno vizijo o tem, kako sprejeti umetno inteligenco.
Največji izziv za podjetja je hitrost sprememb. Zato moramo osvoboditi svoja podjetja zastarelih pristopov in biti pripravljeni imeti hitre procese sprememb ter moderne arhitekture, ki se lahko brez težav prilagajajo novemu tehnološkemu obdobju. To se morda zdi enostavno reči, vendar verjemite mi – izredno je težko to izvesti, saj se vsako podjetje sooča z velikimi omejitvami, kot so pomanjkanje proračuna in strokovnih kadrov.
Če lahko delimo en ključni vpogled z vsakim podjetjem: čez štiri do pet let bomo vsi vodili podjetja, ki jih poganja umetna inteligenca. Če ne postavite načrtov za prilagoditev svojih poslovnih modelov in ne zagotovite proračuna za to prihodnost, ne boste imeli nobenih možnosti, da boste ostali v koraku s časom. Obnašati se kot noji in upati, da boste preživeli ta val, je napačen pristop. Ne bodite kot časopisi ali Kodak iz preteklosti.
Bloomberg
Sebe imenujete kot 'tehnološkega upornika'. Kdo je to in zakaj menite, da bi moralo imeti vsako podjetje enega? Ali lahko tehnološki upornik uspe v strogo reguliranih industrijah, kot je bančništvo? Ali je njihova vloga pravzaprav najbolj dragocena tam, kjer je odpor do sprememb največji?
Moja misija je najti takšnega upornika v vsakem podjetju. Globoko v sebi si vsi želimo spreminjati stvari na bolje. Danes živimo v času, ko še nikoli ni bilo lažje postati tehnološki upornik. Z nastankom samostojnih AI agentov v zadnjih šestih mesecih lahko vsakdo naredi karkoli.
Vidimo spremembo v tem, kako se bodo vloge razvijale – od vertikalno specializiranih proti horizontalno specializiranim. Vloge, ki so bile ozko specializirane, bodo postale odveč, medtem ko bo vzpon generalistov ključnega pomena za poslovanje.
Kot tehnološki uporniki smo agenti sprememb v svetu – moramo se naučiti prepoznati težave, ne samo tiste površinske, ampak temeljne in strukturne težave, ki jih je treba rešiti v vašem oddelku ali poslovanju. Tehnologija se bo spreminjala, s tem pa tudi vrste problemov in načini, kako jih rešujemo.
Kakšne so največje zmote o umetni inteligenci in trajnostnem razvoju, ki bi jih želeli razkriti?
Zabloda, da bo AI povzročil uničenje našega planeta, ni pravilna. Umetna inteligenca bo reševala probleme, ki jih doslej nismo mogli rešiti, in to hitreje kot kadarkoli prej.
Če z AI ne bomo naredili ničesar in jo bomo uporabljali samo za ustvarjanje memov in zabavo na družbenih omrežjih, potem da, lahko ima negativne učinke. Vendar pa, če jo bomo uporabili za reševanje podnebnih izzivov, za širjenje in pospeševanje proizvodnje podnebnih rešitev, za pospeševanje dela ljudi v podnebnih industrijah – da bodo delali hitreje, gradili ceneje in skalirali bolj učinkovito – potem bomo lahko rešili probleme, s katerimi se soočamo.
Hkrati bomo videli tudi velik napredek v tem, kako AI porablja energijo, kako se hladi, kako trenira sama sebe – vse to bo postalo učinkovitejše. Modeli bodo postajali vse manjši, kar bo zmanjšalo porabo energije.
Za konec, če bi lahko poslali eno sporočilo naslednji generaciji tehnologov, na primer tistim, ki bodo vodili razvoj umetne inteligence v 2040-ih, kaj bi jim sporočili?
Ne izgubljajte časa z učenjem programiranja – učite se matematiko, učite se o našem svetu, učite se o ljudeh, bodite empatični do težav drugih in naj bo problem v vašem fokusu, ne politika ali dobiček.
Predstavljajte si svet, v katerem izstopimo iz šole navdihnjeni, da rešujemo probleme, ki so za nas osebno pomembni. Svet, v katerem imate dostop do pravih ljudi in pravih AI tehnologij – tako da kjerkoli in kadarkoli na svetu lahko rešite človeške tragedije. To je svet, na katerega se zares želimo osredotočiti.