[ad_1]
Zwischen grüne KI et KI für Grün, wo ist der Trend in Frankreich? Cigref, das G9+ Institute, der France IA Hub, Numeum und Planet Tech Care haben eine erstellt Rapport zu diesem Thema.
Dieser Bericht ist das Ergebnis von Interviews mit 72 Fachleuten aus 45 Organisationen*. Hier sind einige der Aussagen, die es kennzeichnen.
Zu KI-Integrationsstrategien
« KI ist es nicht fast nicht als IT wahrgenommen. Der Hype von KI macht es schwierig zu bringen Grün. »
« Der Wandel von Berufen wie Anwalt oder Entwickler stellt uns vor ein neues Problem: wie man sie zu Senioren macht, während die KI die Arbeit der Junioren erledigt ? »
« An [ouvre la GenAI] an bestimmte Berufsfamilien: Marketing, Vertrieb usw. Alle Berufe, die unstrukturierte Daten verwenden. Daten, die nicht bewertet wurden; zum Beispiel Kundenfeedback zu einem Produkt. »
« Wir haben unser chatgpt (Tools Open Source). Die Wahl der Nutzung überlassen wir jedem im Unternehmen. Entwickler können unsere gesamte Plattform testen, die als Grundlage für das Testen mehrerer LLMs dient. […] Für andere Benutzer: Wir rahmen Verwendungen ein, ohne sie unbedingt anzuzeigen. »
Zum Thema Ökodesign
« [Il est essentiel de] priorisieren Anwendungen, die morgen mit den Computern von gestern funktionieren. »
« Mitarbeiter wollen AGI nutzen, aber in vielen Fällen brauchen wir es nicht. Meine Aufgabe ist es zu fragen: Brauchen wir wirklich einen LLM, um uns mit diesem Thema zu befassen? ? Zum Beispiel Klassifizierung: Brauchen wir ein LLM, wenn wir einen Menschen brauchen, um die Klassen zu entwickeln? »
« Wohin mit einem Verantwortlicher KI-Leitfaden für Entwickler mit mehreren Fragen. Stimmt die Lautstärke? […] Entspricht es den erwarteten Ergebnissen im Verhältnis zu den zugewiesenen Ressourcen? Ist KI notwendig? Reicht ein mathematisches Modell nicht aus? »
Auf derKI für Grün
« Wenn es beispielsweise um die Optimierung der Flugrouten eines Flugzeugs geht, sind die Auswirkungen auf dessen Verbrauch so groß, dass wir das nicht können Schauen Sie nicht auf den CO2-Fußabdruck des Algorithmus. » (Mehrere Teilnehmer berichteten von Beispielen für Optimierungen, die zwar zur Reduzierung der CO2-Emissionen beitragen, häufig aber auch andere Faktoren wie betriebliche Effizienz und finanzielle Einsparungen hervorheben.)
« Wir arbeiten derzeit an der Bestandsoptimierung, sind jedoch der Komplexität des Problems ausgesetzt, da wir dies tun Zeitbeschränkung für die Berechnung (es muss in weniger als 10 Minuten laufen). »
« Wir verfügten bereits über Tools mit fortschrittlichen mathematischen Modellen. Das Problem liegt im Umgang mit unbekannten Ereignissen (Beispiel: Covid), die das Verhalten verändern. Wir haben koppelte diese mathematischen Modelle mit ML um eine Anpassung an den tatsächlichen Verbrauch zu ermöglichen ».
« Es wird nötig sein kritische/unkritische Verwendungen unterscheiden und antizipieren und eine bessere Verteilung dieser Nutzungen schaffen. »
(Zur Bedeutung der Wiederverwendung) « Im Rechenzentrums, wir sind mit Racks bei 30 kW, während Die neuen Racks werden auf 180 kW ausgelegt sein. »
Auf die Daten
« Auf einen zunehmende Nutzung von IoT wenn es möglich ist. Leider gibt es noch mehr Fehlerrisiko bei der Erfassung durch Menschen. »
« In Teilen unserer CSR-Datenzeigen wir unser Engagement für verantwortungsvolle Geschäftspraktiken und laden andere ein, uns auf unserem Weg zu begleiten […]. Ohnehin, wenn wir es nicht tun, mit der CSRD [Corporate Sustainability Reporting, NDLR], Es sind die Makler, die das tun werden. »
« Über die Datenqualitätes erfordert viel Arbeit Benutzerbewusstsein. Geben Sie beispielsweise genau den Schlüssel an, der auf einen bestimmten Vorgang angewendet wird (ein Schlüssel von 12 ist kein Schlüssel von 13 usw.) […] An versucht immer mehr, Daten automatisch zu erfassen. »
« Um ein Repository zu definieren [,] Wir begannen mit einem Ansatz vom Typ Nutriscore. Wir weisen einen Index basierend auf allgemeinen Merkmalen zu. […] Wir müssen das Qualitätsniveau mit der Verwendung verknüpfen sich in den Gebrauch von heute oder morgen zu versetzen. »
Zum regulatorischen Rahmen
« Wir sehen den Data Act und den AI Act nicht als beschleunigende Faktoren. Wir sehen vielImageprobleme, Talentgewinnung/-bindung ; Wir haben eine anspruchsvollere IT-Bevölkerung in Bezug auf Verantwortungsbewusstsein. »
« In großen Konzernen sind IT-Abteilungen bestrebt, den für CSR erforderlichen CO2-Fußabdruck zu berechnen. Jedoch, Niemand fragt nach dem KI-Teil, sie wollen alles digital. »
* Acimeo, Air France, Airbus, Amadeus, Another Trail, AWS, Bearing Point, Berger-Levrault, Bouygues, Bpifrance, Califrais, Capgemini, Carrefour, Cosmo Tech, Covea, Docaposte, EDF, Forvia, Geodis, google, Greenly.earth , IBM, La Boîte À Dev, MAIF, Maison Graciet, Michelin, Orange, OVH, Pierre Fabre, Plastic Omnium, Prophée IA, Safran, Salvia Développement, SCC, SCNF, Sopht, Sopra Steria, Stellantis, The Shift Project, Transdev, Wavestone, Worldline, Ademe, Ministerium für ökologischen und integrativen Wandel
Illustration © U-STUDIOGRAPHY DD59 – Adobe Stock
[ad_2]
