Ποιος είπε ότι τα αυτόνομα ηλεκτρικά οχήματα είναι «πράσινα»;

11:56 16/1/2023 - Πηγή: Dikaiologitika

Ερευνητές του MIT υποστηρίζουν ότι οι υπολογιστές που τροφοδοτούν τα ηλεκτρικά αυτόνομα οχήματα θα μπορούσαν να έχουν μεγάλο αποτύπωμα άνθρακα.

Τα αυτόνομα ηλεκτρικά οχήματα απαιτούν μεγάλες ποσότητες υπολογιστικής ισχύος για την εκτέλεση λειτουργιών μέσω εξελιγμένων αλγορίθμων και την ασφαλή πλοήγηση μέσα στην κυκλοφορία. Η ενέργεια που χρειάζεται για να “τρέξουν” οι υπολογιστές που θα κινούν έναν παγκόσμιο στόλο αυτόνομων ηλεκτρικών οχημάτων μέχρι το 2050 θα μπορούσε να εκπέμπει τόσα αέρια θερμοκηπίου όσο όλα τα κέντρα δεδομένων στον κόσμο

σήμερα.

Αυτό είναι ένα βασικό συμπέρασμα μιας νέας μελέτης από ερευνητές του Τεχνολογικού Ινστιτούτου της Μασαχουσέτης (MIT) που διερεύνησε τη δυνητική κατανάλωση ενέργειας και τις σχετικές εκπομπές άνθρακα εάν τα αυτόνομα οχήματα υιοθετηθούν ευρέως στο μέλλον. Τα κέντρα δεδομένων που στεγάζουν υπερυπολογιστές είναι ευρέως γνωστά για το μεγάλο τους αποτύπωμα άνθρακα, αντιπροσωπεύοντας επί του παρόντος περίπου το 0,3% των παγκόσμιων εκπομπών αερίων του θερμοκηπίου ή περίπου ίσα με τον άνθρακα που παράγει η χώρα της Αργεντινής ετησίως, σύμφωνα με του Διεθνή Οργανισμό Ενέργειας.

Συνειδητοποιώντας ότι έχει δοθεί λιγότερη προσοχή στο πιθανό αποτύπωμα άνθρακα της αυτόνομης οδήγησης, οι ερευνητές του MIT δημιούργησαν ένα στατιστικό μοντέλο για να μελετήσουν το πρόβλημα. Προσδιόρισαν λοιπόν, ότι 1 δισεκατομμύριο αυτόνομα οχήματα, που το καθένα κινείται για μία ώρα την ημέρα με έναν υπολογιστή που καταναλώνει 840 Watt, χρειάζονται τόση ενέργεια που παράγει την ίδια ποσότητα εκπομπών αερίων θερμοκηπίου με τα όλα κέντρα δεδομένων στον κόσμο.

Οι ερευνητές ανακάλυψαν επίσης ότι για να μην τεθούν εκτός ελέγχου οι εκπομπές αερίων από υπολογιστή μέσα στις επόμενες δεκαετίες, θα πρέπει ο υπολογιστή που ελέγχει κάθε αυτόνομο όχημα να καταναλώνει λιγότερο από 1,2 κιλοβάτ ενέργειας, κάτι που θα απαιτούσε το υλικό να διπλασιάζεται σε απόδοση περίπου κάθε 1,1 χρόνο. «Σημαντικά πιο γρήγορος ρυθμός» από αυτό που γίνεται αυτή τη στιγμή.

Ενώ τα ευρήματα είναι μόνο προβλέψεις, ο Soumya Sudhakar, επικεφαλής ερευνητής του MIT στη μελέτη, είπε ότι τα αποτελέσματα θα πρέπει να κάνουν τους ερευνητές και τους κατασκευαστές αυτόνομων οχημάτων να συνειδητοποιήσουν ότι το "business-as-usual" δεν αρκεί και ότι η υπολογιστική αποδοτικότητα θα πρέπει να είναι στην πρώτη γραμμή του μυαλού τους.

«Αυτό έχει τη δυνατότητα να εξελιχθεί σε ένα τεράστιο πρόβλημα», είπε, «Αλλά αν το προλάβουμε, θα μπορούσαμε να σχεδιάσουμε από την αρχή πιο αποτελεσματικά αυτόνομα οχήματα που να έχουν μικρότερο αποτύπωμα άνθρακα».

Αν και αυτή η εξίσωση φαίνεται «παραπλανητικά απλή», είπε ο Sudhakar, είναι δύσκολο να υπολογιστεί, με ακρίβεια. «Για καθεμία από αυτές τις μεταβλητές υπάρχει πολλή αβεβαιότητα, καθώς εξετάζουμε μια αναδυόμενη εφαρμογή που δεν είναι υπαρκτή».

Για παράδειγμα, ορισμένες έρευνες υποδεικνύουν ότι ο χρόνος πλοήγησης αυτόνομων οχημάτων μπορεί να αυξηθεί επειδή οι οδηγοί μπορούν να κάνουν πολλές εργασίες ενώ κινούνται, ενώ νέοι και ηλικιωμένοι θα μπορούσαν να κινηθούν με αυτά περισσότερο. Άλλες έρευνες δείχνουν ότι ο χρόνος που αφιερώνεται στην πλοήγηση μπορεί να μειωθεί επειδή οι αλγόριθμοι θα μπορούσαν να βρουν βέλτιστες διαδρομές που οδηγούν τους ανθρώπους στους προορισμούς τους πιο γρήγορα.

Εκτός από την εξέταση αυτών των αβεβαιοτήτων, οι ερευνητές χρειάστηκε επίσης να μοντελοποιήσουν προηγμένο υπολογιστικό υλικό και λογισμικό που δεν υπάρχει ακόμη. Για να το πετύχουν αυτό, μοντελοποίησαν τον φόρτο εργασίας ενός δημοφιλούς αλγορίθμου για αυτόνομα οχήματα, γνωστού ως βαθύ νευρωνικό δίκτυο πολλαπλών εργασιών, επειδή μπορεί να εκτελέσει πολλές εργασίες ταυτόχρονα και υπολόγισαν πόση ενέργεια θα κατανάλωνε αυτό το βαθύ νευρωνικό δίκτυο εάν επεξεργαζόταν πολλές εισόδους από πολλές κάμερες υψηλής ανάλυσης με υψηλούς ρυθμούς καρέ, ταυτόχρονα.

Όταν χρησιμοποίησε αυτό το μοντέλο για να εξερευνήσει διαφορετικά σενάρια, ο Sudhakar εξεπλάγη από το πόσο γρήγορα αυξήθηκε ο φόρτος εργασίας των αλγορίθμων.

Για παράδειγμα, εάν ένα αυτόνομο όχημα έχει 10 βαθιά νευρωνικά δίκτυα που επεξεργάζονται εικόνες από 10 κάμερες και πλοηγείται για μία ώρα την ημέρα, θα εξάγει 21,6 εκατομμύρια συμπεράσματα κάθε μέρα. Ένα δισεκατομμύριο οχήματα θα εξήγαγαν 21,6 τετράκις δισεκατομμύρια συμπεράσματα. Για να το θέσουμε αυτό σε μια προοπτική, όλα τα κέντρα δεδομένων του Facebook παγκοσμίως εξάγουν μερικά τρισεκατομμύρια συμπεράσματα κάθε μέρα.

Τα αυτόνομα οχήματα θα χρησιμοποιούνται για τη μετακίνηση αγαθών και ανθρώπων, επομένως θα μπορούσε να υπάρχει τεράστια ποσότητα υπολογιστικής ισχύος που κατανέμεται στις παγκόσμιες αλυσίδες εφοδιασμού, λέει ο Sudhakar. Και το μοντέλο του εξετάζει μόνο υπολογιστές χωρίς να λαμβάνει υπόψη την ενέργεια που καταναλώνεται από τους αισθητήρες των οχημάτων ή τις εκπομπές που παράγονται κατά την κατασκευή.

Για να ενισχύσουν την αποτελεσματικότητα, οι επιστήμονες θα μπορούσαν να αναπτύξουν εξειδικευμένο υλικό σχεδιασμένο για να εκτελεί συγκεκριμένους αλγόριθμους οδήγησης και να τροφοδοτεί εργασίες πλοήγησης και αντίληψης. Αλλά αυτό συνοδεύεται από μια πρόκληση, είπε ο Sudhakar, καθώς τα οχήματα έχουν συχνά διάρκεια ζωής από 10 έως 20 χρόνια, επομένως τυχόν τρέχουσες αναβαθμίσεις υλικού μπορεί να μην είναι «απρόβλεπτες στο μέλλον» για την εκτέλεση νέων αλγορίθμων.

Οι ερευνητές θα μπορούσαν επίσης να προσπαθήσουν να κάνουν τους αλγόριθμους πιο αποτελεσματικούς που να απαιτούν λιγότερη υπολογιστική ισχύ, αλλά ίσως χρειαστεί να ανταλλάξουν την ακρίβεια με την αποτελεσματικότητα και να επηρεάσουν ενδεχομένως την ασφάλεια των οχημάτων.

Πηγή: ΜΙΤ

#ΗΛΕΚΤΡΙΚΑ_ΑΥΤΟΚΙΝΗΤΑ