Compartir un artículo
GPT es modelos mejorados de procesamiento del lenguaje natural (PNL) que pueden comprender y generar lenguaje humano. Las tecnologías GPT pueden aumentar la eficiencia de los esfuerzos para garantizar el desarrollo sostenible y ayudar a las empresas a alcanzar sus objetivos en el campo de la ecología, la política social y la gestión (ESG).
Sin embargo, su uso también conduce a emisiones de dióxido de carbono, y dado que esta es una nueva tecnología, los líderes empresariales y de ESG no entienden cómo los modelos GPT pueden ayudar a alcanzar sus objetivos en el campo del desarrollo sostenible.
Este artículo analiza el potencial de los modelos GPT para mejorar la contabilidad de carbono y otras prácticas de ESG con emisiones limitadas de carbono.
- Opciones de uso de GPT en desarrollo sostenible
- 1 – Mejora de la contabilidad de carbono
- 2- Identificación de riesgos de la escala 3 utilizando datos abiertos
- 3 – Análisis acelerado de datos sobre cadenas de suministro
- 4- Soporte de información de la toma de decisiones y la formación de políticas
- Charbon Trace Chatgpt: Advertencia
- Las mejores prácticas para reducir los efectos de los modelos de inteligencia artificial en el medio ambiente
- Transparencia
- Reducción del impacto ambiental
- enlaces externos
- Complemento de intérprete de código ChatGPT: definición, 4 casos de uso, limitaciones
- ChatGPT en auditoría: 5 casos de uso, beneficios y desafíos en 2023
- MSP ChatGPT: uso de IA conversacional para tener éxito
Opciones de uso de GPT en desarrollo sostenible
1 – Mejora de la contabilidad de carbono
Los modelos GPT pueden procesar información detallada en documentos comerciales, como facturas y facturas de servicios públicos, para crear automáticamente cálculos detallados de una traza de carbono. Por ejemplo;
- Los datos sobre el transporte reflejados en las facturas pueden dar una idea del consumo de combustible y las emisiones CO2
- El análisis del uso de electricidad en servicios públicos para servicios de servicios públicos le permite identificar áreas de uso ineficaz de la energía.
Tal nivel de cálculo detallado de una «traza de carbono» puede conducir a una práctica más sostenible en la lucha contra el cambio climático.
Un ejemplo real del patrocinador:
Los modelos Hypatos GPT le permiten analizar el transporte, la logística y los servicios públicos. Usando estos datos, las empresas pueden
- Automatizar la contabilidad de contabilidad de carbono
- Tener una idea
- Sobre el uso de combustible y la efectividad de las rutas durante el transporte. Estos datos pueden ayudar a las empresas a reducir la «traza de carbono» al optimizar los métodos de transporte o los cambios en la configuración de las cadenas de suministros.
- El uso de la electricidad para aumentar la eficiencia energética.
Puede probar modelos de hipatos pr e-entrenados en sus propios documentos para evaluar su precisión. Los modelos de producción tendrán un mayor nivel de precisión gracias a funciones como el entrenamiento continuo.
2- Identificación de riesgos de la escala 3 utilizando datos abiertos
En comparación con las áreas 1 y 2, las emisiones en el campo 3 son otros problemas. Los modelos GPT pueden ayudar a resolverlos.
Se entiende que las emisiones del tercer volumen significan todas las emisiones indirectas que surgen en la cadena de creación del costo de la empresa, tanto por debajo como más altas. Algunos ejemplos ver: Figura 1
En su último informe ambiental, Microsoft demostró que más del 96% de sus emisiones pertenecen a la tercera región. 1 Además de las emisiones causadas por el uso de productos como Xbox, incluyen emisiones de
- cadena de suministro
- Ciclo de vida de equipos y dispositivos
- Viajes y otras fuentes indirectas.
El campo 3 también está asociado con riesgos no financieros y públicos, lo que puede afectar la reputación de la empresa y sus objetivos en el campo del desarrollo sostenible. Estos incluyen trastornos ambientales y laborales. Por ejemplo, McDonalds está acusado de deformación de Amazon. 2
Otro ejemplo es el daño de reputación de Apple debido a la práctica laboral poco ética de sus proveedores. 3
Modelos como ChatGPT pueden ayudar a resolver este problema, analizando enormes volúmenes de datos públicos, como artículos de noticias, redes sociales, informes de la industria, etc. Sobre los riesgos asociados con los proveedores, el transporte, la distribución y el uso de productos. Según Microsoft, Sphere 3 es la tarea final de la descarbonización; Requiere evolución conjunta de las mejores prácticas comerciales, sus clientes y proveedores.
3 – Análisis acelerado de datos sobre cadenas de suministro
Las cadenas de suministro pueden ser complejas. La capacidad de ChatGPT para analizar datos sobre las cadenas de suministro le permite identificar áreas en las que existen pérdidas o ineficiencia, lo que brinda a las empresas información valiosa para la automatización de operaciones en suministros, minimizando los desechos y reduciendo el impacto ambiental. Gracias al uso de ChatGPT, las empresas pueden comprender mejor la información sobre las actividades de WMS, como el volumen de acciones, envíos, la eficiencia de los empleados y mucho más. 4
ChatGPT puede interpretar información sobre la cadena de suministro de la compañía. Como ejemplo, le pedimos a ChatGPT que convirtiera un conjunto de datos en la cadena de suministro al código en el idioma Python, y luego analizara este código (Fig. 2). 5 En este ejemplo, el modelo le permite identificar varios patrones (Fig. 3), lo que potencialmente puede ayudar a reducir los desechos. Los modelos especializados pueden dar resultados significativamente mejores.
4- Soporte de información de la toma de decisiones y la formación de políticas
Las capacidades del lenguaje natural (PNL) de los modelos GPT, como ChatGPT, pueden contribuir a la adopción de decisiones razonables. Por ejemplo, pueden digerir e interpretar una gran cantidad de textos de obras científicas, documentos políticos, informes corporativos y proporcionar currículums y conclusiones. Esta capacidad puede ser importante para los políticos que pueden usar estas conclusiones para desarrollar una política bien pensada para combatir el cambio climático.
Las empresas y las organizaciones también pueden usar modelos de idiomas grandes para analizar las tendencias, pronosticar escenarios futuros y desarrollar estrategias efectivas para lograr objetivos globales en el campo del desarrollo sostenible. Esto puede contribuir a resolver el problema global de la estabilidad. 6
Esta tecnología puede ayudar a las empresas y los gobiernos a resolver este problema y mejorar el mundo desde un punto de vista ambiental.
Paula asis, gerente general de IBM para la región EMEA 7
Charbon Trace Chatgpt: Advertencia
Es importante admitir que el uso de modelos de lenguaje como ChatGPT y Bloom también ayuda a resolver el problema que están diseñados para resolver: un aumento en las emisiones de dióxido de carbono. 8. El aprendizaje de modelos de idiomas grandes puede ser un proceso intensivo de energía. Si la energía no proviene de fuentes renovables, esto puede conducir a emisiones significativas.
El estudio de la Universidad de Massachusetts en Amperst, realizado en 2019, enfatiza que la capacitación de un modelo de IA puede conducir a una liberación de una cantidad de carbono como cinco autos durante su operación. 9
Las mejores prácticas para reducir los efectos de los modelos de inteligencia artificial en el medio ambiente
La solución a este problema no es simple, pero se pueden tomar ciertos pasos:
Transparencia
1 – Es extremadamente importante garantizar la transparencia de la influencia de los modelos de inteligencia artificial en el medio ambiente. Las organizaciones deben revelar información sobre el consumo de energía y el rastro de carbono de sus modelos.
Reducción del impacto ambiental
2- Reducir el consumo de recursos ambientales (por ejemplo, agua) en el proceso de enseñanza de IA es un punto clave y se puede lograr en investigaciones adicionales. 10. Por ejemplo, las empresas pueden elegir una configuración delgada de modelos de idiomas grandes en un conjunto de datos especializados para resolver un problema específico y no entrenar nuevos modelos. Esto puede ayudar a reducir significativamente el consumo de energía en el caso de LLM.
3. La transición a fuentes de energía renovable a la nutrición de estos procesos le permite reducir una traza de carbono. Por ejemplo, Google se ha llevado a cabo para 2030 para traducir completamente sus actividades, incluidos los centros de procesamiento de datos, a energía capitable. once
Si tiene preguntas adicionales sobre este tema, contáctenos:
enlaces externos
- «Informe sobre la estabilidad ambiental para 2022″(Recuperado el 2 de agosto de 2023).
- «McDonald’s está asociado con cortar bosques en el Amazonas en el nuevo informe» recuperado el 2 de agosto de 2023.
- «Apple está acusado de violar los derechos de los trabajadores en las fábricas chinas» recuperó el 2 de agosto de 2023.
- «El potencial (y peligro) de ChatGPT en aplicaciones de la cadena de suministro» recuperado el 2 de agosto de 2023.
- «El conjunto de datos de problemas de logística de la cadena de suministro más tarde» recuperó el 2 de agosto de 2023.
- «Las tareas de la IA en 2023: Chatgpt 4, la lucha contra el cambio climático y la reducción en el sesgo» recuperadas el 2 de agosto de 2023.
- «Las tareas de la IA en 2023: Chatgpt 4, la lucha contra el cambio climático y la reducción en el sesgo» recuperadas el 2 de agosto de 2023.
- «Estimación de la huella de carbono de Bloom, un modelo de lenguaje de parámetros de 176B» recuperado el 2 de agosto de 2023.
- «La educación de un modelo de inteligencia artificial puede arrojar tanto carbono como cinco autos en toda su vida» recuperó el 2 de agosto de 2023.
- «Hacer que la IA sea menos «sedienta»: descubrir y abordar la huella hídrica secreta de los modelos de IA» Consultado el 2 de agosto de 2023.
- «Net-Zero Carbon» Publicado el 2 de agosto de 2023
Burak es analista de la industria en AIMultiple. Recibió una maestría en ciencias políticas de la Universidad Técnica de Medio Oriente. Tiene experiencia en el campo de la investigación de plataformas basadas en la ubicación.
ESTUDIOS RELACIONADOS
Complemento de intérprete de código ChatGPT: definición, 4 casos de uso, limitaciones
Auditoría , ChatGPT , Finanzas
ChatGPT en auditoría: 5 casos de uso, beneficios y desafíos en 2023
ChatGPT, proveedor de servicios gestionados/integrador de sistemas/consultor de TI/proveedor de servicios de TI
MSP ChatGPT: uso de IA conversacional para tener éxito
Deja un comentario TU DIRECCIÓN DE CORREO ELECTRÓNICO NO SERÁ PUBLICADA. CAMPOS OBLIGATORIOS MARCADOS *
Comentar * Publicar un comentario
