3 adviezen om de juiste balans te vinden: Duurzame AI is navigeren tussen limieten en doelen

Dit roept vragen op over de realisatie hiervan. Want hoe kan je – als manager, bestuurder, IT'er – ervoor zorgen dat de algoritmes binnenshuis hieraan voldoen? In dit artikel vind je concrete stappen om ook de duurzame inzet van algoritmes haalbaar te maken in jouw organisatie.

Het artikel uit de AI-act geeft aan dat AI-systemen op een duurzame wijze moeten worden gebruikt. Gezien de inzet van zware algoritmen echter altijd elektriciteit en water kost is het belangrijk om niet het verbruik op zich, maar de verhouding van dat verbruik ten opzichte van het doel van de AI-toepassing te bekijken.

Hoe komt het dan dat we met disproportioneel zware systemen zitten? Voor het antwoord op die vraag moeten we – misschien gevoelsmatig wat tegenstrijdig– terug in de tijd.

Lang, lang geleden (in IT-tijd dan) werden softwareoplossingen gedwongen geoptimaliseerd. Dit omdat opslag erg duur was en er maar weinig rekenkracht beschikbaar was in een gemiddeld systeem. Rekenkracht besparen was dus noodzakelijk om hele besturingsprogramma’s op een enkele floppydisk of CD-rom te krijgen. Aangezien dit niet meer hoeft, zijn organisaties dit door razendsnelle ontwikkelingen in hardware optimalisering een beetje vergeten (tot op een bepaald niveau, dit is enigszins gechargeerd).

Wel is het nog steeds belangrijk om een goed werkend systeem op te leveren, maar rekening houden met de zuinigheid van het systeem – zeker als er genoeg geld of hype rondom een onderwerp speelt, zoals het geval is bij AI – gebeurt minder. Met oog op het milieu kunnen we deze optimalisatie toepassingen aanzwengelen.

Hoewel er verschillende manieren bestaan waarop een algoritme disproportionele impact kan hebben op het milieu, vind de grootste milieubelasting plaats in energieverbruik. Bij het ontwikkelen van en in productie brengen van een algoritme is veel processorkracht nodig. Disproportioneel hoge impact gaat dus om algoritmes die onnodig veel elektriciteit verbruiken.

De proportionaliteit van de milieubelasting van een slim algoritme is belangrijk. Als er belangrijke dingen gerealiseerd worden mag dat misschien best wat kosten, dus de milieukosten moeten altijd in proportie zijn tot de baten. Ter illustratie de bovenstaande matrix. Afhankelijk waar de computationele last van het desbetreffende algoritme valt in deze matrix, zijn maatregelen belangrijk.

Als een algoritme weinig zware computatie vereist, maar ook het beoogde doel niet behaalt, is dit een falend systeem. Deze systemen bevinden zich linksboven in de matrix. Deze laten we hier buiten beschouwing. Dit is een functionaliteitsprobleem, geen duurzaamheidskwestie.

Linksonder bevinden zich wat milieubelasting betreft goedkope systemen voor relatief simpele problemen. Hier bevinden zich veel gemiddelde, relatief simpele bedrijfsprocessen.

Essentiële systemen bevinden zich rechtsboven in de matrix. Deze systemen zijn met goede reden computationeel zwaar, en mogen derhalve elektriciteit slurpen. Dergelijke systemen draaien bijvoorbeeld dag en nacht, omdat de organisatie schade zou ondervinden als het systeem stopgezet zou worden. Maar ook als het primaire bedrijfsproces afhankelijk is van het functioneren van het algoritme, kan er naar verduurzaming worden gekeken.

Rechtsonder bevinden zich de probleemgevallen. Immers, wanneer gering belastende computatie zou volstaan voor een doeleinde, maar er desondanks veel wordt verbruikt, dan betreft dit disproportionele impact op het milieu en dient de organisatie maatregelen te treffen.

Hoe realiseer je een zo duurzaam mogelijk systeem, zonder de effectiviteit van je organisatie te ondermijnen? Hier volgen drie adviezen om de milieubelasting van de algoritmes te drukken.

1. Duurzaamheid als uitgangspunt: oftewel Duurzaam by Design

Duurzaamheid inbakken in een systeem wordt ook wel duurzaam by design genoemd. Dit houdt in dat vanaf het eerste ontwerp is duurzaamheid meegenomen als bron van kwaliteitseisen. Zo kan je voorkomen dat je AI-toepassing in ‘onnodig belastende computatie’ beland, door de computatie gering te houden.

Verduurzaming in software zit hem in een heel veel kleine efficiëntie slagen, het is dus niet in één klap te bewerkstelligen. Voor het halen van duurzaamheidsdoelen ish et belangrijk dat bij iedere stap, en ieder besluit duurzaamheid wordt meegenomen, zoals dat gebeurt met (andere) essentiële zaken zoals privacy en security.

Dit houdt in dat je in alle stappen duurzaamheid meeneemt, in de architectuur, in dataselectie, modelontwikkeling, in productie, en in beheer. Per stap spelen verschillende expertises een rol, en het is dan ook zaak on hen allen mee te laten denken over de rol van duurzaamheid in hun proces. Samen weet je immers meer dan een enkele duurzaamheidsprofessional.

2.  Betrek de IT bij het vraagstuk

Naast het meenemen van duurzaamheid in de processen, is het ook verstandig om IT-professionals te betrekken in de besluitvorming over duurzaamheid in algoritmes. Voor het optimaliseren van bestaande, zwaar milieubelastende algoritmes, is namelijk vaak domeinspecifiek expertise nodig.

Ook is het raadzaam om IT-professionals te betrekken bij het duurzaamheidsvraagstuk voordat ontwikkeling is gestart, met de vraag wat er moet gebeuren om eenzelfde resultaat te bereiken maar met minder energie verbruik. Misschien hoeft een algoritme namelijk niet iedere dag te draaien, of misschien is het helemaal niet nodig om resultaten in realtime beschikbaar te stellen gezien er alleen iemand in de ochtend naar kijken. Uiteraard zijn er natuurlijk situaties waarin hoge computatie noodzakelijk is, bijvoorbeeld wanneer je met videostreaming werkt, of realtime analyses moet hebben draaien. Dergelijke zaken kunnen zeker hoge computatiekosten met zich meebrengen. Desondanks kan er misschien wel een toegespitste analyse plaatsvinden, die minder meeneemt van de context van de te analyseren data waardoor de berekeningen goedkoper worden.

Ongeacht de precieze vorm en invulling van de gebruikte algoritmes is het de moeite waard om uit te zoeken of je inderdaad wel energieslurpers nodig hebt. Ook in het geval dat er nu eenmaal hele complexe, veelverbruikende systemen nodig zijn, kan het gebruik van goede heuristieken zorgen voor het behoud van accuraatheid maar met als grote bonus lagere computatiekosten en dus milieubelasting. Voor het bedenken van dergelijke slimmigheden is expertise nodig.

Het is aan de besluitnemers om te bepalen of het nastreven van hoge accuraatheid belangrijk is, en het is aan de IT-afdelingen om te kijken hoe er zo veel mogelijk functionaliteit uit zo weinig mogelijk rekenkracht geperst kan worden!

3. Borgen en beschikbaarheid

Naast het optimaliseren van het algoritme valt er ook een hoop milieuwinst te behalen uit de manier waarop je modellen en datasets tot stand komen.

Houd rekening met de herkomst van data. Wordt data voor elke berekening opnieuw opgehaald bij zes verschillende afdelingen? Of heb je de datapipelines zo vormgegeven dat dataverwerking volautomatisch gebeurt? Iedere verwerking die niet hoeft plaats te vinden scheelt energie. In het geval dat de data centraal is opgeslagen in de juiste vorm, dan volgt de vraag of de data beschikbaar is. Zijn hier helderen afspraken over gemaakt of draait je dure, geoptimaliseerde algoritme maar de helft van de tijd omdat er geen data beschikbaar is?

Want ook de beschikbaarheid die je vereist van een algoritme is een belangrijke factor. Heb je te maken met een doelstelling die grote piekbelasting ervaart? Dan is naar de cloud verhuizen waarschijnlijk verstandig, zodat er flexibel op- en afgeschaald kan worden, waardoor je dus niet onnodig serverparken hebt draaien. Het borgen van alles om je algoritme heen kan je uiteindelijke milieukosten van de functionaliteit van je algoritme flink drukken, wat het zeker de moeite waard maakt om kritisch naar te kijken!

Heb je alle drie de adviezen toegepast, maar is je algoritme nog steeds een energieslurper pur sang? Hebben alle takken van sport allang meegekeken, heeft de IT-afdeling tot in de puntjes geoptimaliseerd én maak je gebruik van schone brondata en pipelines? Dan zal de belasting van jouw systeem niet disproportioneel zijn, omdat je blijkbaar een essentieel, zwaar systeem te pakken hebt. Je kunt gerust zijn in dat je energie mag gebruiken. Jouw algoritme valt namelijk niet rechtsonder in de onnodige belasting, maar rechtsboven in de noodzakelijk belasting!

Kortom alle instanties die gebruik maken van algoritmes – en vandaag de dag ontkom je er haast niet meer aan – hebben baat bij verduurzaming. Door middel van duurzaamheid meenemen in het ontwerp, de IT-afdeling mee laten denken, en te zorgen voor goede borging. Ook als duurzaamheid nog niet zo hoog op de prioriteiten lijst staat, zijn bovenstaande adviezen alsnog nuttig; naast het besparen van energie, bespaar je zo ook geld. Verduurzaming van algoritmes is dus hoe dan ook een win-win!

Meer weten over Duurzame AI? Contacteer Consultant Jules van den Berg op jules.vandenberg@highberg.com.