12. martā Eiropas Parlamenta deputāti pieņēma ar Eiropas Padomi saskaņotu 

, kas palīdzēs samazināt enerģijas patēriņu un siltumnīcefekta gāzu emisijas būvniecības nozarē.

Jaunas ēkas — no 2030. gada bez emisijām

Pasākumi, kas ļaus samazināt enerģijas rēķinus un cīnīties pret klimata pārmaiņām

Atbrīvojumi lauksaimniecības ēkām un kultūras pieminekļiem

Ēkas rada 36 % no ES siltumnīcefekta gāzu emisijām

Ēku energoefektivitātes direktīvas pārskatīšanas mērķis ir līdz 2030. gadam ievērojami samazināt siltumnīcefekta gāzu emisijas un energopatēriņu ES būvniecības nozarē un līdz 2050. gadam padarīt šo nozari klimatneitrālu. Šie noteikumi arī palīdzēs renovēt ēkas ar vissliktākajiem energoefektivitātes rādītājiem un uzlabos informācijas apmaiņu par tiem.

Ziņotājs par Ēku energoefektivitātes direktīvas jautājumiem 

, Īrija) sacīja: “Šodien pieņemtā direktīva skaidri parāda, kā klimata politika var sniegt reālus un tūlītējus ieguvumus mūsu sabiedrības mazāk nodrošinātajiem. Šis likums palīdzēs samazināt enerģijas rēķinus un novērst enerģētiskās nabadzības pamatcēloņus, vienlaikus nodrošinot tūkstošiem augstas kvalitātes vietēju darbavietu visā ES. Šis tiesību akts ir būtisks Eiropas zaļā kursa balsts, kas palīdzēs novērst 36 % no Eiropas oglekļa dioksīda emisijām. Šodienas balsojuma rezultāti liecina, ka Parlaments turpina atbalstīt zaļo kursu, vienādā mērā nodrošinot gan taisnīgumu, gan vērienu."

Visas jaunās ēkas no 2030. gada būs bezemisiju ēkas. Savukārt jaunām ēkām, kuras izmanto publiskās iestādes vai kuras tām pieder, šis termiņš būs 2028. gads. Dalībvalstis varēs ņemt vērā visa ēkas ekspluatācijas cikla ietekmi uz globālo sasilšanu, arī izmantoto būvmateriālu ražošanas un likvidēšanas posmu.

Dzīvojamām ēkām būs jāpiemēro pasākumi, kas līdz 2030. gadam nodrošinās vidējā enerģijas patēriņa samazinājumu par vismaz 16 % un līdz 2035. gadam — par vismaz 20–22 %.

Vēl jaunajā direktīvā paredzēts, ka dalībvalstīm līdz 2030. gadam būs jārenovē 16 % ēku, kuras nav paredzētas dzīvošanai un kurām ir zemākie energoefektivitātes rādītāji. Līdz 2033. gadam renovācija būs jāveic 26 % šādu ēku.

Sabiedriskajās ēkās un ēkās, kas nav paredzētas dzīvošanai, atkarībā no to lieluma līdz 2030. gadam pakāpeniski būs jāuzstāda saules enerģijas tehnoloģijas. Savukārt dzīvojamo ēku gadījumā šāda prasība attieksies tikai uz jaunām ēkām. Izņēmums ir gadījumi, kad šādi pasākumi nav tehniski iespējami vai rentabli.

Pakāpeniska atteikšanās no fosilā kurināmā katliem

Dalībvalstīm būs jāpieņem pasākumi, lai dekarbonizētu apkures sistēmas un pakāpeniski atteiktos no fosilā kurināmā ēku apsildē un dzesēšanā. Šis process būs jāpabeidz līdz 2040. gadam. Atsevišķu fosilā kurināmā apkures katlu subsidēšana tiks aizliegta no 2025. gada. Taču būs atļauts finansiāli stimulēt hibrīdsistēmu uzstādīšanu, piemēram, ja apkures sistēmā izmantos arī saules termālo enerģiju vai siltumsūkni.

Jaunos noteikumus varēs nepiemērot lauksaimniecības ēkām un par kultūras pieminekļiem atzītām ēkām, bet ES valstis varēs no tiem atbrīvot arī ēkas, ko aizsargā kā arhitektūras vai vēsturiskas vērtības, pagaidu ēkas, kā arī baznīcas un lūgšanas vietas.

Direktīva tika pieņemta, 370 deputātiem balsojot “par”, 199 deputātiem — “pret” un 46 deputātiem atturoties. Lai tā stātos spēkā, to vēl oficiāli jāapstiprina Padomei.

Saskaņā ar Eiropas Komisijas aplēsēm ēkas Eiropas Savienībā patērē 40 % no kopējā enerģijas apjoma un rada 36 % no siltumnīcefekta gāzu emisijām. 2021. gada 15. decembrī Eiropas Komisija pieņēma priekšlikumu pārskatīt Ēku energoefektivitātes direktīvu, kas ir daļa no Zaļā kursa tiesību aktu paketes. Jaunajā Eiropas klimata aktā (2021. gada jūlijs) ir noteikti gan 2030. gada, gan 2050. gada saistošie ES klimata mērķi.

Ēku energoefektivitātes direktīvas pārskatīšanas mērķis ir līdz 2030. gadam ievērojami samazināt siltumnīcefekta gāzu emisijas un energopatēriņu ES būvniecības nozarē un līdz 2050. gadam padarīt šo nozari klimatneitrālu. Šie noteikumi arī palīdzēs renovēt ēkas ar vissliktākajiem energoefektivitātes rādītājiem un uzlabos informācijas apmaiņu.

Ēku energoefektivitātes direktīvas pārskatīšanas mērķis ir līdz 2030. gadam samazināt siltumnīcefekta gāzu emisijas un energopatēriņu ES būvniecības nozarē.

Ēku energoefektivitāte: Eiropas Parlaments pieņem dekarbonizācijas plānu

Lai sekmētu iedzīvotāju līdzdalību Eiropas Savienības (ES) demokrātiskajos procesos, Eiropas Komisija aicina piedalīties tiešsaistes diskusijās 

. Pateicoties tulkojumam reāllaikā, ikviens var komentēt aktuālos jautājumus jebkurā no ES 24 oficiālajām valodām. Pirmā diskusija šajā formātā ir veltīta 

– vienam no galvenajiem ES enerģētikas politikas pīlāriem. ES iedzīvotāji tiek aicināti apspriest energoefektivitātes izaicinājumus un ieguvumus – ko tā nozīmē mājsaimniecībām, uzņēmumiem un kopienām. 

Ko mēs varam darīt, lai samazinātu rēķinus par enerģiju? Kā mēs varam padarīt mājokļus efektīvākus? Kādām jābūt mūsu izvēlēm enerģijas jomā, lai saudzētu vidi un dabu?

Jūs varat publicēt savus komentārus un apspriest citu komentētāju atziņas, paužot tām piekrišanu vai tās noraidot. Lai komentētu, izveidojiet sev kontu 

. Jūsu komentāri tiks publicēti nekavējoties.

Publicētie komentāri vēlāk tiks apspriesti pilsoņu paneļdiskusiju formātā un sekmēs ES rīcībpolitikas izstrādi. 

Izsakiet savu viedokli un ietekmējiet enerģētikas politiku Eiropā!

Eiropas pilsoņu paneļdiskusijas par energoefektivitāti

Eiropas pilsoņu paneļdiskusijas par energoefektivitāti notiks trīs nedēļas nogalēs laikposmā no 2024. gada februāra līdz aprīlim.

Dalībnieki pievērsīsies dažādiem energoefektivitātes aspektiem, ar kuriem katrs iedzīvotājs var saskarties mājās, savā kopienā vai darbavietā, piemēram, saistībā ar to, kā mēs apsildām ēkas, kādu sadzīves tehniku vai transportu izmantojam.

Tiks sagatavots ieteikumu saraksts turpmākajām Eiropas Savienības iniciatīvām, lai nodrošinātu, ka 1) ražojam tikai mums nepieciešamo enerģiju; 2) ieguldām dzīvotspējīgos projektos; 3) patērējam mazāk enerģijas un pārvaldām to rentabli.

Eiropas Komisija savu pirmo priekšlikumu ieteikumam “energoefektivitāte pirmajā vietā” plāno publicēt 2024. gadā.

Eiropas pilsoņu paneļdiskusijas par energoefektivitāti 1. sesija notiks Briselē  23.–25. februārī.

Lai sekmētu iedzīvotāju līdzdalību Eiropas Savienības (ES) demokrātiskajos procesos, Eiropas Komisija aicina piedalīties tiešsaistes diskusijās Pilsoņu iesaistes platformā. Pateicoties tulkojumam reāllaikā, ikviens var komentēt aktuālos jautājumus jebkurā no ES 24 oficiālajām valodām. Pirmā diskusija šajā formātā ir veltīta energoefektivitātei – vienam no galvenajiem ES enerģētikas politikas pīlāriem.

Lai sekmētu iedzīvotāju līdzdalību ES demokrātiskajos procesos, EK aicina piedalīties tiešsaistes diskusijās Pilsoņu iesaistes platformā.

Pilsoņu iesaistes platformā – tiešsaistes diskusija par energoefektivitāti

 liecina, ka 2022. gadā ap 40 miljoni eiropiešu visās Eiropas Savienības dalībvalstīs (9,3 % iedzīvotāju) nespēja uzturēt mājokli pietiekami siltu. Tas ir straujš pieaugums kopš 2021. gada, kad tādā pašā situācijā bija 6,9 % iedzīvotāju (Latvijā pieaugums ir no 4,9 % 2021. gadā līdz 7,1 % 2022. gadā). Šis īpatsvars ir vairāk nekā divkāršojies to cilvēku vidū, kuru ienākumi ir 

 (Latvijā attiecīgi no 12,4 % līdz 18,3 %). Šie skaitļi parāda situācijas nopietnību, aicinot politikas veidotājus rīkoties un novērst enerģētiskās nabadzības pamatcēloņus.

Atzīstot vajadzību pēc vēl koordinētākas rīcības, Eiropas Komisija (EK) ir publicējusi 

 pasākumiem, ko ES valstis var īstenot cīņai pret enerģētisko nabadzību. Aizsargāt iedzīvotājus un nodrošināt godīgu un taisnīgu politiku enerģētikas pārejas jomā, – tas ir Eiropas zaļā kursa stūrakmens.

: “Lai efektīvi un ilgtspējīgi pārvarētu enerģētisko nabadzību mums ir jāpievēršas tās pamatcēloņiem. Šajās rekomendācijās galvenā uzmanība pievērsta ilgtermiņa strukturāliem pasākumiem, piemēram, piekļuvei energoefektīviem mājokļiem un ierīcēm, kā arī atjaunojamiem energoresursiem, kas palīdzēs virzīt Eiropas pāreju uz tīru enerģiju, vienlaikus nodrošinot, ka neviens netiek atstāts novārtā.”

Eiropas Komisija ir publicējusi rekomendācijas pasākumiem, ko Eiropas Savienības valstis var īstenot cīņai pret enerģētisko nabadzību. Aizsargāt iedzīvotājus un nodrošināt godīgu un taisnīgu politiku enerģētikas pārejas jomā, – tas ir Eiropas zaļā kursa stūrakmens.

Eiropas Komisija ir publicējusi ieteikumus pasākumiem cīņai pret enerģētisko nabadzību

Rekomendācijas enerģētiskās nabadzības novēršanai

Eiropas Parlamenta deputāti apstiprināja ar dalībvalstīm jau saskaņotos plānus, kas nosaka

 jaunus mērķus enerģijas ietaupījumam 

Energoefektivitātes direktīvā noteikti jauni ietaupījumu mērķi līdz 2030. gadam

ES līmenī būs jāietaupa 11,7 % enerģijas

Jaunais tiesību akts palīdzēs cīnīties pret klimata pārmaiņām un palielināt energoapgādes drošību

Jaunais tiesību akts nosaka energotaupības mērķus gan

Dalībvalstīm būs kopīgi jānodrošina, lai līdz 2030. gadam enerģijas patēriņš ES līmenī samazinātos vismaz par 11,7 % (salīdzinājumā ar 2020. gada atsauces scenāriju). Šo mērķi papildinās stingrs uzraudzības un izpildes mehānisms, lai nodrošinātu, ka ikviena dalībvalsts sniedz savu artavu šī saistošā ES mērķa sasniegšanā.

Līdz 2030. gadam katrai dalībvalstij būs jāietaupa vidēji 1,5 % gadā. Katram gadam ir atšķirīgi taupības mērķi, sākot ar 1,3 % līdz 2025. gadam līdz pat 1,9 %, kas jāietaupa līdz 2030. gada beigām.

Ietaupījumu vajadzēs īstenot ar vietēja, reģionāla un valsts mēroga pasākumiem dažādās jomās, piemēram, valsts pārvaldē, ēku apsaimniekošanā, uzņēmumos, datu centros utt. Pēc EP deputātu prasības šī shēma tiks īpaši stingri piemērota publiskajam sektoram – tajā katru gadu galīgais enerģijas patēriņš būs jāsamazina par 1,9 %.

Dalībvalstīm būtu arī jānodrošina, ka vismaz 3 % sabiedrisko ēku katru gadu tiek renovētas, lai panāktu nulles vai gandrīz nulles emisijas. Direktīvā noteiktas arī jaunas prasības attiecībā uz efektīvām centralizētās siltumapgādes sistēmām.

: "Enerģētikas krīze nav beigusies. Nav garantijas, ka nākamās ziemas būs tikpat siltas kā iepriekšējā. Nākamajos septiņos gados mums ir jāveic vajadzīgā strukturālā pārkārtošanās. Ļoti priecājos, ka izdevās panākt, lai dalībvalstis izvirzītu vērienīgākus energoefektivitātes mērķus. Ir ļoti svarīgi, lai nākotnē mēs vairs nebūtu atkarīgi no Krievijas enerģijas un varētu sasniegt savus klimata mērķus. Šodienas balsojums ir liela uzvara: tas ne tikai nāk par labu mūsu klimatam, bet arī par sliktu Putinam."

Parlaments pieņēma tiesību aktu ar 471 balsīm “par”, 147 “pret” un 17 atturoties. Lai varētu stāties spēkā, tas vēl oficiāli jāapstiprina arī Padomei.

Jaunā direktīva ir daļa no Eiropas Komisijas 2021. gada 14. jūlijā ierosinātā tiesību aktu kopuma "Gatavi mērķrādītājam 55", kura mērķis ir grozīt spēkā esošos klimata un enerģētikas tiesību aktus, līdz 2030. gadam siltumnīcefekta gāzu emisijas samazinātu vismaz par 55 %. Pieņemtā direktīva groza Atjaunojamo energoresursu direktīvu un Energoefektivitātes direktīvu, saskaņojot tos ar jauno mērķi.

Pieņemot šo direktīvu, Eiropas Parlamenta deputāti atbild pilsoņu vēlmēm, kas paustas 

 secinājumos. Energoefektivitātes direktīva attiecas uz 3. priekšlikuma 3. punkta 3. apakšpunktu, kura mērķis ir samazināt atkarību no naftas un gāzes importa, īstenojot energoefektivitātes projektus un paplašinot tīras un atjaunojamas enerģijas piegādi.

Direktīva atbilst arī 3. priekšlikuma 5. punktam, kurā atbalstīti ieguldījumi atjaunojamās enerģijas tehnoloģijās, un 3. priekšlikuma 6. punktam, kurā veicināta jaunu, videi draudzīgu enerģijas avotu un uzglabāšanas metožu izpēte, tādējādi atbalstot ES mērķus klimata jomā. Turklāt tā atbilst 11. priekšlikuma 1. punktam, kas veicina videi nekaitīgākus ražošanas procesus uzņēmumos, atbalstot tos labāko risinājumu meklēšanā.

11. jūlijā Eiropas Parlamenta deputāti apstiprināja ar dalībvalstīm jau saskaņotos plānus, kas nosaka jaunus mērķus enerģijas ietaupījumam līdz 2030. gadam.

Jaunais tiesību akts nosaka energotaupības mērķus gan primārajam, gan galīgajam enerģijas patēriņam.

Eiropas Parlamenta deputāti apstiprināja ar dalībvalstīm jau saskaņotos plānus, kas nosaka jaunus mērķus enerģijas ietaupījumam līdz 2030. gadam.

EP pieņem jaunus noteikumus, lai veicinātu enerģijas taupīšanu

Mūsdienās jēdzienu „mākslīgais intelekts” (MI) ierasti lieto gan dažādu nozaru terminoloģijā, gan plašsaziņas līdzekļos un sadzīvē, tomēr vienotas definīcijas tam nav un izpratne par to mēdz būt visai atšķirīga. Publicistikā ar MI nereti apzīmē datorprogrammas, kas patlaban vēl ir tīra zinātniskā fantastika, proti, tādas skaitļošanas sistēmas, kam piemīt pašapzināšanās spēja. Zinātniskās pētniecības jomā MI vairāk saistās ar mākslīgajiem neironu tīkliem, kas šobrīd jau veic ļoti komplicētus uzdevumus – objektu atpazīšanu, tulkošanu no dažādām valodām, transportlīdzekļu autonomu vadīšanu, interaktīvu sarunāšanos (virtuālais asistents jeb čatbots) u. tml.

Pašreizējo mākslīgā intelekta „revolūciju” sekmē ne tik daudz mūsdienu fundamentālās zinātnes atklājumi, cik radusies iespēja efektīvi izmantot senākas zinātniskās idejas, piemēram, Beijesa statistiku (18. gadsimts) vai formālos neironus (1943), kombinācijā ar vienu no mašīnmācīšanās apakšnozarēm – dziļo mašīnmācīšanos (

Vēsturiski mākslīgā intelekta attīstībā ir bijuši divi strauja uzplaukuma periodi: vispirms pagājušā gadsimta piecdesmitajos un sešdesmitajos gados un vēlāk astoņdesmitajos gados. Tagadējais izrāviens mākslīgā intelekta pētniecībā aizsākās 21. gadsimta otrajā desmitgadē, pateicoties dziļās mašīnmācīšanās algoritmiem apvienojumā ar pieeju apjomīgam datu kopumam un augstas veiktspējas skaitļošanai, ko pārsvarā nodrošina grafisko procesoru (

 ir prognozējuši, ka mākslīgais intelekts pārspēs cilvēka smadzeņu spējas jau tuvāko gadu laikā. Patiesi, šķiet, nekas nespēs apturēt mākslīgā intelekta uzvaras gājienu, jo skaitļošanas resursu un pieejamo datu apjoms pieaug eksponenciāli. Tomēr šajās prognozēs nav ņemts vērā fakts, ka pašreizējie uz dziļo mašīnmācīšanos balstītie mākslīgā intelekta modeļi izmaksā ārkārtīgi dārgi un turklāt paredz milzīgus ieguldījumus ne tikai dolāros un centos, bet arī patērējamās enerģijas ziņā. Šodienas mākslīgais intelekts nav maģija. Tā ir augsta līmeņa matemātika, kas var palīdzēt mašīnām izpildīt precīzi definētus intelektuālus uzdevumus, pārspējot cilvēka veikumu.

Īsumā aplūkosim šībrīža dziļās mašīnmācīšanās modeļu darbību. To operācijas nav tik gudras kā tās, ko veic cilvēka smadzenes, jo informāciju tie neapgūst strukturētā veidā, bet liek lietā „brutāla spēka” (

) statistiskās metodes. Piemēram, ja vēlaties apmācīt dziļās mašīnmācīšanās modeli vizuāli identificēt noteikta veida objektu, tad parādiet tam daudzus tūkstošus attēlu, kuros šo objektu marķējuši cilvēki. Atšķirībā no cilvēka dziļās mašīnmācīšanās modelis pēc apmācības vienalga nespēs saprast cēloņsakarības, kontekstu vai analoģijas, ko raisa attēls, ja vien tas nebūs īpaši apmācīts konkrētā uzdevuma veikšanai.

Skaitļošanas jauda, kas izlietota mākslīgā intelekta sistēmu apmācībai, ir strauji eksponenciāli pieaugusi tieši dziļās mašīnmācīšanās laikmetā (1. att.). Viegli saprast, ka katra skaitļošanas darbība patērē noteiktu daudzumu enerģijas. Piemēram, populārajam modelim GPT-3 ir 175 miljardi mašīnmācīšanās parametru un aprēķināts, ka energopatēriņš šā modeļa apmācībai tipiskā datu centrā ir 1404 MWh [1]. Šajā gadījumā ir analizēta tikai viena apmācības sesija modelim, kas veic dažādus uzdevumus dabiskās valodas jomā. Ja turpretī mākslīgais intelekts censtos tuvoties cilvēka saprāta līmenim, tad enerģijas patēriņš būtu neskaitāmas reizes lielāks.

Lai samazinātu MI enerģijas patēriņu, jāstrādā gan pie dziļās mašīnmācīšanās modeļu uzlabošanas, gan pie energoefektīvāku grafisko procesoru izveides. Salīdzinot cilvēka smadzeņu enerģijas patēriņu (daži desmiti vatu visas domāšanas spējas nodrošinājumam) ar to, kāds nepieciešams uz dziļo mašīnmācīšanos balstītam mākslīgajam intelektam, iezīmējas milzīga atšķirība (piemēram, lai iemācītos vairāku miljonu attēlu kopā atpazīt pingvīnu, MI energopatēriņš būs vairāki kilovati).

Ceļš uz mākslīgo intelektu, kas darbojas līdzīgi kā smadzenes

Ja mums izdotos mākslīgā intelekta datorprogrammās pielietot tehnikas, kas nosaka cilvēka prāta darbību, tad pavērtos plašas iespējas būtiski samazināt skaitļošanā izlietotās enerģijas apjomu. Brutāla spēka statistiskais modelis patērē ļoti daudz enerģijas, jo tā darbība būtiski atšķiras no cilvēka smadzeņu darbības. Mākslīgajam intelektam, atšķirībā no cilvēka smadzenēm, patlaban ir vajadzīgi šādi parametri:

- miljoni vai miljardi apmācības paraugu;

- pārapmācība, tiklīdz parādās jauna informācija;

- daudz reizināšanu operāciju ar svaru koeficientiem.

Lai kāpinātu mākslīgā intelekta darbības efektivitāti, datorzinātņu un neirozinātņu pētniecībā jāpievērš uzmanība vairākiem svarīgiem aspektiem.

Notikumvirzīta aktivitāte un skrajums (

Smadzenēs nervu sistēmas darbība ir notikumvirzīta un skraja, jo atbildes reakcijā uz sensorisku kairinājumu (lai kas to izraisītu – saruna, abstrakta doma, iecere u. c.) aktivizējas tikai ļoti neliela daļa neironu (vidēji mazāk nekā 2%). Tas pats sakāms par nervu sistēmas savienotību, jo nervu šūna (neirons) no teju visiem apkārtējiem neironiem saņem relatīvi maz impulsu (bieži mazāk nekā 5%). Pateicoties notikumvirzītajai aktivitātei, smadzeņu darbība ir ārkārtīgi energoefektīva. Mākslīgajā neironu tīklā šis aspekts būtu „pārtulkojams” šādi: neironu aktivitātē kā aktivizācijas skrajums un neironu savienotībā kā svara koeficientu skrajums [2]. Tā kā skrajās struktūrās ir daudz nulles elementu, proti, mākslīgajā neironu tīklā skrajums paradās gan svaru koeficientos, gan aktivizācijas funkcijās, tad reizinājumu nepieciešams izskaitļot vienīgi tad, ja tas satur nenulles elementu, jo lielu daļu reizinājumu (ideālas smadzeņu darbības imitācijas gadījumā ~98%) var izslēgt.

Ārpasaules modelim mūsu smadzenēs ir trīsdimensionāla uzbūve, kas iemantota sensoriskās informācijas plūsmas un pārvades ceļā. Šāds trīsdimensionāls modelis reprezentē cilvēka ķermeņa novietojumu pret vidi un citiem objektiem un dod iespēju veidot savstarpējas attiecības. Piemēram, tas mums ļauj domās pārvietot lietas, mainīt to stāvokli un izskatu. Mēs spējam konceptuāli aptvert, ka vienam objektam var būt saikne ar citu objektu, un tāpēc mums nevajag aplūkot miljoniem paraugu, kas demonstrētu šo objektu dažādās attieksmes. Mēs varam iztēloties lietas arīdzan atšķirīgās krāsās, lai gan reālajā dzīvē tādas neesam redzējuši. Ja MI strādātu ar strukturētiem datiem, nevis ar pikseļiem vai to grupām, tad, lai tas spētu atpazīt objektu dažādās ainās (tajā skaitā tādās, kurām nebūtu īpaši apmācīts). apmācība būtu nepieciešama ievērojami mazākām datu kopām. Tas dotu iespēju būtiski samazināt gan apmācāmās datu kopas izmēru, gan apmācības procesa jaudu, nezaudējot kvalitāti.

Inkrementāla un vairākuzdevumu apmācība 

Kad mūsu smadzenesuztver jaunu informāciju, piemēram, ierauga jaunu objektu, mēs cenšamies to salīdzināt ar jau pazīstamiem objektiem ar tiem raksturīgām īpašībām, lai rastu kopīgo un arī atšķirīgo. Tādējādi mēs gūstam informāciju par jauno objektu, lietderīgi izmantojot iepriekš zināmo. Līdz šim nav skaidrs precīzs mehānisms, kā bioloģiskais neirons konvertē ienākošos signālus darbības potenciālos (proti, spriegumos). Tomēr ir skaidrs, ka matemātiskais punkveida neironu modelis, kas sastāv no lineāras svērtas ieejas vērtību summas ar sekojošu nelinearitāti (1907. gadā ierosināja L. Lapiks) un kas joprojām kalpo kā dziļās mašīnmācīšanās sistēmu pamats, ir vienkāršots un nefunkcionē atbilstoši cilvēka smadzeņu pieejai. Bioloģiskie piramidālie neironi ir būtiski sarežģītāki un demonstrē dažnedažādas kompleksas nelineāras, dendrītiem specifiskas integratīvas īpašības [3]. Līdz ar to MI piemīt vairākas nepilnības. Piemēram, MI katrā apmācības iterācijā daudzus savus savienojumus pārraksta un tāpēc strauji zaudē iepriekš gūtās zināšanas. Cita nepilnība saistās ar nespēju strādāt vairākuzdevumu režīmā, proti, ierobežotām iespējām mācīties risināt daudzus uzdevumus vienlaicīgi. Tā kā MI nespēj izmantot priekšrocības, ko paver inkrementālā un vairākuzdevumu mācīšanās, tad salīdzinājumā ar cilvēka smadzenēm tā apmācības process ir ilgāks un tam vajag daudz vairāk iterāciju, līdz ar to krietni lielāks ir arī enerģijas patēriņš.

Patlaban pieejamās pusvadītāju iekārtas (piemēram, grafiskie procesori) ir orientētas uz ļoti apjomīgu dziļās mašīnmācīšanās skaitļošanu, kurā apmācība norisinās nestrukturēti un informācija tiek traktēta kā vienmēr un visur esoša. Taču, ja gribam attīstīt MI, kas tiecas strādāt pēc smadzeņu darbības principiem, mums vajadzīga tam atbilstoša skaitļošanas aparatūra, kas operē ar strukturētiem datiem un veic pastāvīgu mācīšanos saskaņā ar notikumvirzības un skrajuma specifiku. Turklāt tai jābūt iekļautai energoefektīvā pusvadītāju platformā. Patlaban jau ir zināmas tehnoloģijas, kas energoefektivitātē pārspēj tradicionālos risinājumus (piemēram, notikumvirzīta signālu apstrāde, saspiedošā iztvere, dziļā un vairākuzdevumu nostiprinošā apmācība, pulsējošie neironu tīkli (

– SSN), kā arī heterogēnas iegultās (

) skaitļošanas platformas, un tās varētu tikt izmantotas kā piemērs jaunas, smadzeņu darbību imitējošas MI funkcionalitātes attīstībā. Domājot par tālāku nākotni, mēs varam iztēloties arhitektūru, kas būtu optimāli pielāgota cilvēka prāta snieguma atdarināšanai un arī enerģijas patēriņa ziņā darbotos tikpat efektīvi kā smadzenes.

Lai nākotnē mākslīgā intelekta iespējas pietuvotos cilvēka smadzeņu funkcionalitātei un šis mērķis tiktu sasniegts ar racionāli samērīgu enerģijas patēriņu, nepieciešams attīstīt MI, kas strādā gudrāk, nevis smagāk. Ievērojamus uzlabojumus energopatēriņa jomā var panākt tikai tad, ja kompleksi samazina skaitļošanas operāciju, apmācības paraugu un sesiju skaitu, vienlaikus attīstot aparatūras tehnoloģijas, kas pielāgotas šo uzdevumu īstenošanai. Ja mums būs jāveic desmitreiz mazāk aprēķinu, jāizlieto desmitreiz mazāk apmācības paraugu, jārealizē desmitreiz mazāk apmācības sesiju un visas šīs darbības veiks desmitreiz efektīvāks dators, tad vispārējā sistēma pietuvosies cilvēka smadzeņu spējām un arī būs desmittūkstoš reižu efektīvāka no enerģijas patēriņa skatpunkta!

1. attēls. Skaitļošanas jaudas izlietojums MI sistēmu apmācībai

Doing AI without breaking the bank: yours, or the planet’s. https://blog.scaleway.com/doing-ai-without-breaking-the-bank-yours-or-the-planets/

Hunter K., Spracklen L., Ahmad S. Two sparsities are better than one: unlocking the performance benefits of sparse – sparse networks. 

, 2022. Vol. 2, No. 3. 034004. DOI: 10.1088/2634-4386/ac7c8a

Iyer A., Grewal K., Velu A., Souza L. O., Forest J., Ahmad S. Avoiding catastrophe: Active dendrites enable multi-task learning in dynamic environments. 

Raksts sākotnēji publicēts angļu valodā LZA izdevumā 

Latvian Academy of Sciences Yearbook 2023

Energy Efficiency: Artificial vs Human Intelligence

Lai nākotnē mākslīgā intelekta (MI) iespējas pietuvotos cilvēka smadzeņu funkcionalitātei un šis mērķis tiktu sasniegts ar racionāli samērīgu enerģijas patēriņu, nepieciešams attīstīt MI, kas strādā gudrāk, nevis smagāk. Ievērojamus uzlabojumus energopatēriņa jomā var panākt, ja kompleksi samazina skaitļošanas operāciju, apmācības paraugu un sesiju skaitu, vienlaikus attīstot aparatūras tehnoloģijas, kas pielāgotas šo uzdevumu īstenošanai. 

Lai nākotnē mākslīgā intelekta iespējas pietuvotos cilvēka smadzeņu funkcionalitātei, nepieciešams attīstīt MI, kas strādā gudrāk un arī energoefektīvāk.

All

Categories

Tags

Energoefektivitāte

Ēku energoefektivitāte: Eiropas Parlaments pieņem dekarbonizācijas plānu

Pilsoņu iesaistes platformā – tiešsaistes diskusija par energoefektivitāti

Rekomendācijas enerģētiskās nabadzības novēršanai

EP pieņem jaunus noteikumus, lai veicinātu enerģijas taupīšanu

Mākslīgais intelekts iepretī cilvēka saprātam