Uloga umjetne inteligencije u održivosti motorsport industrije
Umjetna inteligencija (AI) postaje ključni alat u rješavanju raznih globalnih izazova, no njezina primjena nosi sa sobom i značajne energetske zahtjeve. Na primjer, NVIDIA GPU-ovi troše energiju sličnu prosječnom američkom kućanstvu. Izazov predstavlja s jedne strane potrebu za inovacijama, a s druge strane posvećenost održivosti i smanjenju emisija.
Održivi pristup Porsche Motorsport-a
Friedemann Kurz, voditelj Porsche Motorsport-a, ističe kako je važno razmišljati lokalno i održivo. Njihov tim sudjeluje u Formuli E, trkaćoj seriji koja promovira utrke bez ugljika, a čiji je cilj dokazati da je moguće organizirati motorne sportove na ekološki održiv način. Svaki aspekt serije, od podvozja do baterija, standardiziran je kako bi se optimiziralo korištenje raspoložive energije.
Analitika i energetska učinkovitost
U Porsche Motorsport-u analitika igra presudnu ulogu. Međutim, korištenje analitičkih metoda također podrazumijeva dodatne energetske troškove. Iako se Gen AI čini kao potencijalno rješenje za povećanje učinkovitosti, samo njegova primjena može dodatno povećati potrošnju energije. Pitanje je stoga kako unaprijediti analitičke procese bez daljnjeg opterećenja energetskih resursa.
Tehnike strojnog učenja
Kurz napominje da se tim oslanja na različite tehnike strojnog učenja, uključujući jačanje učenja i metode Monte Carlo simulacija za predviđanje i optimizaciju. Ove tehnike omogućavaju timovima da prepoznaju obrasce i donose informirane odluke, no potrebno je postići ravnotežu između analitičke preciznosti i energetske učinkovitosti.
Specijalizirani modeli jezika
Iako je Gen AI izazovan u pogledu potrošnje energije, postoje potencijali za razvoj specijaliziranih modela jezika koji su fokusirani na specifična problematična područja. Ovo uključuje korištenje podataka iz vozila i performansi vozača, čime se može optimizirati proces odlučivanja.
Kvaliteta podataka kao ključni faktor
Kvaliteta prikupljenih podataka je od esencijalne važnosti u ovom procesu. U slučaju Porscheovog tima, visoka razina kvalitete podataka iz vozila i staza omogućava sigurniju obuku modela i točnije rezultate. Ovo je značajna prednost naspram velikih jezičnih modela gdje povjerenje u odgovore može biti upitno.
Lokalne implementacije rješenja
Jedna od strategija koju Kurz predlaže je fokus na "male lokalne implementacije" umjesto oslanjanja na skupe i energetski intenzivne oblake. Ovaj pristup omogućava rješavanje specifičnih problema na učinkovit način, uz minimalne troškove energije. U praksi, to znači korištenje manjih, specijaliziranih modela koji su prilagođeni konkretnim izazovima.
Poruka budućnosti
Porsche Motorsport nastavlja istraživati kako umjetna inteligencija može unaprijediti performanse unutar održivog okvira. Kroz strategije koje uključuju lokalne resurse, kvalitetu podataka i prilagođene modele, mogu se smanjiti emisije i potrošnja energije, čime se potvrđuje mogućnost održivog razvoja unutar automobilskog sporta.
