Tingenes internett kan forbedre livskvaliteten, men det vil også forbruke store mengder strøm og øke klimagassutslippene. (Shutterstock)

Din smarttelefonen er langt kraftigere enn NASA-datamaskinene som satte Neil Armstrong og Buzz Aldrin på månen i 1969, men det er også en energi svin. I databehandling blir energibruk ofte betraktet som et sekundært problem med hastighet og lagring, men med takt og retning for teknologisk fremgang blir det et økende miljøproblem.

Da cryptocurrency-gruveselskapet Hut 8 åpnet Canadas største gruveprosjekt for bitcoin utenfor Medicine Hat, Alta., Lød miljøvernere alarmen. Anlegget bruker 10 ganger mer strøm, stort sett produsert av et naturgassdrevet kraftverk, enn noe annet anlegg i byen.

Globalt er klimagassutslipp fra informasjons-, kommunikasjons- og teknologi (IKT) sektorene anslås å nå tilsvarer 1.4 gigatonn (milliarder tonn) karbondioksid årlig innen 2020. Det er 2.7 prosent av de globale drivhusgassene og omtrent det dobbelte av Canadas totale årlige produksjon av klimagasser.

Ved å designe energieffektive datamaskinprosessorer kunne vi redusere energiforbruket, og vi kunne redusere klimagassutslipp på steder der elektrisitet kommer fra fossile brensler. Som en datamaskiningeniør som spesialiserer seg på dataarkitektur og aritmetikk, er mine kolleger og jeg overbevist om at disse positive effektene kan oppnås nesten uten innvirkning på datamaskinens ytelse eller brukervennlighet.

Kraftige tilkoblinger

Tingenes internett (IoT) - som består av de tilkoblede databehandlingsenhetene som er innebygd i hverdagsobjekter - leverer allerede positive økonomiske og sosiale effekter, og transformerer samfunnene våre, miljøet og matforsyningskjedene våre til det bedre.

Disse enhetene overvåker og reduserer luftforurensning, forbedrer vannbevaring og fôrer en sulten verden. De gjør også hjemmene og bedriftene mer effektive, og kontrollerer termostater, belysning, varmtvannsbereder, kjøleskap og vaskemaskiner.

Internett-tilkoblede enheter gir databehandlingsbehov og energiforbruk. (Shutterstock)

Med antall tilkoblede enheter satt til topps 11 milliarder - ikke inkludert datamaskiner og telefoner - I 2018 vil IoT lage store data som krever enorme beregninger.

Å gjøre beregningen mer energieffektiv vil spare penger og redusere energibruken. Det vil også tillate at batteriene som gir strøm i datasystemer, kan være mindre eller kjøre lenger. I tillegg kan beregninger løpe raskere, slik at datasystemer ville generere mindre varme.

Omtrentlig databehandling

Dagens datasystemer er designet for å levere eksakte løsninger til en høy energikostnad. Men mange feilfjærende algoritmer som bilde-, lyd- og videobehandling, data mining, sensordataanalyse og dyp læring krever ikke eksakte svar.

Denne unødvendige nøyaktigheten og overdreven energiforbruket er bortkastet. Det er begrensninger i menneskets oppfatning - vi trenger ikke alltid 100 prosent nøyaktighet for å være fornøyd med resultatet. For eksempel, små endringer i kvaliteten på bilder og videoer går ofte upåaktet hen.

Videobehandlingsapplikasjoner krever ikke 100 prosent nøyaktighet. (Shutterstock)

Datasystemer kan dra nytte av disse begrensningene for å redusere energibruken uten å ha en negativ innvirkning på brukeropplevelsen. "Approximate computing" er en beregningsteknikk som noen ganger gir unøyaktige resultater, noe som gjør det nyttig for applikasjoner der et tilnærmet resultat er tilstrekkelig.

Ved University of Saskatchewans datateknikklaboratorium foreslår vi å designe og implementere disse omtrentlige databehandlingsløsningene, slik at de optimalt kan bytte ut nøyaktighet og effektivitet på tvers av programvare og maskinvare. Da vi brukte disse løsningene på en kjernekomponentkomponent i prosessoren, fant vi ut at strømforbruket falt forbi mer enn 50 prosent med nesten ingen fall i ytelsen.

Fleksibel presisjon

I dag inneholder de fleste personlige datamaskiner et 64-bits standard numerisk format. Dette betyr at de bruker et tall med 64 sifre (enten null eller en) for å utføre alle beregningene.

3D-grafikk, virtual reality og augmented reality krever 64-bits format for å fungere. Men grunnleggende lyd- og bildebehandling kan gjøres med et 32-bits format og gir fortsatt tilfredsstillende resultater. Dessuten kan applikasjoner med dyp læring til og med bruke 16-bit eller 8-bit formater på grunn av deres feilmotstandskraft

Innovative design innen maskinvare og programvare kan forbedre energieffektiviteten. (Shutterstock)

Jo kortere det numeriske formatet, desto mindre energi brukes til å utføre beregningen. Vi kan designe fleksible, men presise, dataløsninger som kjører forskjellige applikasjoner ved å bruke det mest passende numeriske formatet slik at det fremmer energieffektivitet.

For eksempel kan en dyp læringsapplikasjon som bruker denne fleksible databehandlingsløsningen redusere energiforbruket med 15 prosent, ifølge vårt foreløpige eksperiment. I tillegg kan de foreslåtte løsningene konfigureres på nytt for samtidig å utføre flere operasjoner som krever lav numerisk presisjon og forbedre ytelsen.

IoT har mye løfte, men vi må også tenke på kostnadene ved å behandle alle disse dataene. Med smartere, grønnere prosessorer kan vi hjelpe til med å møte miljøhensyn og bremse eller redusere bidragene deres til klimaendringer.

om forfatteren

Seokbum Ko, professor, University of Saskatchewan

Denne artikkelen er publisert fra Den Conversation under en Creative Commons-lisens. Les opprinnelige artikkelen.