Компьютеры, управляющие беспилотниками – опасный фактор глобальных выбросов углерода
В будущем энергия, необходимая для работы мощных компьютеров на борту глобального парка автономных транспортных средств (AV), может генерировать столько же выбросов парниковых газов, сколько сегодня все центры обработки данных в мире.
Это один из ключевых выводов исследования учёных из Массачусетского технологического института, в котором изучалось потенциальное потребление энергии и связанные с этим выбросы углерода в случае широкого распространения AV.
Центры обработки данных, в которых размещается физическая вычислительная инфраструктура, используемая для запуска приложений, широко известны своим огромным углеродным следом: в настоящее время на их долю приходится около 0,3% глобальных выбросов парниковых газов, или примерно столько же углерода, сколько ежегодно производит, согласно данным Международного энергетического агентства, например, Аргентина. Понимая, что потенциальному следу AV уделяется меньше внимания, исследователи построили статистическую модель для изучения проблемы. Они определили, что 1 миллиард AV, каждое из которых ездит в течение одного часа в день с компьютером, потребляющим 840 Вт, будет потреблять достаточно энергии, чтобы генерировать примерно такое же количество выбросов, что и все центры обработки данных в настоящее время.
Исследователи также обнаружили, что в более чем 90% смоделированных сценариев, чтобы выбросы AV не превышали текущие выбросы центров обработки данных, каждый автомобиль должен использовать менее 1,2 киловатта мощности для вычислений, что потребует более эффективного оборудования. В одном из сценариев — где 95% мирового парка машин в 2050 году будут автономными, вычислительные рабочие нагрузки удваиваются каждые три года, а мир продолжает обезуглероживаться с нынешними темпами — они обнаружили, что эффективность оборудования должна удваиваться каждые 1,1 года и ещё быстрее, чтобы удерживать выбросы ниже этих уровней.
«Если мы просто сохраним обычные тенденции декарбонизации и нынешние темпы повышения эффективности оборудования, не похоже, что этого будет достаточно, чтобы ограничить выбросы от вычислений на борту AV, — говорит Сумья Судхакар, аспирант в области аэронавтики и космонавтики. – Это может стать огромной проблемой. Но если мы ускоримся, мы сможем разработать более эффективные автономные транспортные средства, которые с самого начала будут иметь меньший углеродный след».
Исследователи создали основу для изучения рабочих выбросов от компьютеров на борту глобального парка электромобилей, которые полностью автономны, то есть им не требуется резервный человек-водитель.
Модель представляет собой функцию количества транспортных средств в мировом автопарке, мощности каждого компьютера на каждом автомобиле, часов вождения каждого транспортного средства и углеродоёмкости электроэнергии, питающей каждый компьютер.
Само по себе это выглядит как обманчиво простое уравнение. Но каждая из этих переменных содержит много неопределённости, потому что мы рассматриваем новое приложение, которого ещё нет.
Например, некоторые исследования показывают, что количество времени, проведённое за рулем AV, может увеличиться, потому что люди могут выполнять несколько задач во время вождения. Но другие исследования показывают, что время, затрачиваемое на вождение, должно сократиться, потому что алгоритмы будут находить оптимальные маршруты, которые быстрее доставляют людей к месту назначения.
В дополнение к рассмотрению этих неопределённостей, исследователям также необходимо было смоделировать современное вычислительное оборудование и программное обеспечение, которых ещё не существует.
Для этого они смоделировали рабочую нагрузку популярного алгоритма для автономных транспортных средств, известного как многозадачная глубокая нейронная сеть, поскольку она может выполнять множество задач одновременно. Они исследовали, сколько энергии потребляла бы эта глубокая нейронная сеть, если бы она одновременно обрабатывала множество входных данных высокого разрешения со многих камер с высокой частотой кадров.
Когда они использовали вероятностную модель для изучения различных сценариев, специалисты были удивлены тем, как быстро складывалась рабочая нагрузка алгоритмов.
Например, если AV имеет 10 глубоких нейронных сетей, обрабатывающих изображения с 10 камер, и ездит один час в день, оно будет каждый день делать 21,6 миллиона выводов. Один миллиард автомобилей сделает 21,6 квадриллиона выводов. Чтобы представить это в перспективе, все центры обработки данных Facebook (запрещенная в РФ соцсеть; принадлежит корпорации Meta, которая признана в РФ экстремистской и запрещена) сейчас делают несколько триллионов выводов каждый день (1 квадриллион — это 1000 триллионов).
AV будут использоваться для перевозки товаров, а также людей, поэтому огромное количество вычислительной мощности может быть распределено по глобальным цепочкам поставок. Причём их модель учитывает только вычисления — она не принимает во внимание энергию, потребляемую датчиками автомобиля, или выбросы, образующиеся во время производства.
Исследователи обнаружили, что для того, чтобы выбросы не выходили из-под контроля, каждое AV должно потреблять менее 1,2 киловатта энергии для вычислений. Чтобы это стало возможным, вычислительное оборудование должно становиться всё более эффективным значительно быстрее, удваивая эффективность примерно каждые 1,1 года.
Одним из способов повысить эту эффективность может быть использование более специализированного оборудования, предназначенного для запуска определённых алгоритмов вождения. Поскольку исследователям известны задачи навигации и восприятия, необходимые для автономного вождения, проще будет разработать специализированное оборудование для этих задач. Но транспортные средства, как правило, имеют срок службы 10 или 20 лет, поэтому одной из проблем при разработке специализированного оборудования будет его «защита от будущего», чтобы оно могло запускать новые алгоритмы.
В будущем исследователи могли бы также сделать алгоритмы более эффективными, поэтому им потребуется меньше вычислительной мощности. Однако это также сложно, потому что отказ от некоторой точности в пользу большей эффективности может снизить безопасность автомобиля.
Теперь исследователи хотят продолжить изучение эффективности оборудования и усовершенствований алгоритмов. Их модель можно улучшить, охарактеризовав материализованный углерод от AV — выбросы углерода, образующиеся при производстве автомобиля, — и выбросы от датчиков транспортного средства.
Хотя ещё предстоит изучить множество сценариев, исследователи надеются, что эта работа прольёт свет на потенциальную проблему, о которой люди пока не задумывались.
Подписывайтесь на журнал «Вестник ГЛОНАСС» и навигационный Telegram-канал
По материалам MIT News