Kredit: Area Publik CC0
Sebuah studi yang menyelidiki dampak kecerdasan buatan pada layanan kesehatan menemukan bahwa penggunaan mannequin bahasa berskala besar untuk memproses ribuan catatan pasien per hari di beberapa rumah sakit dapat menyebabkan terkurasnya sumber daya secara signifikan.
Diterbitkan pada tanggal 15 November di Inner Drugs Journal, para peneliti dari College of Adelaide dan College of Studying menyoroti cara rumah sakit dapat menggunakan kecerdasan buatan secara bertanggung jawab – termasuk menggunakan kueri yang lebih singkat untuk merangkum knowledge pasien.
Oliver Kleinig, yang memimpin penelitian dari Universitas Adelaide, mengatakan: “Setiap hari Anda berada di rumah sakit, dokter, perawat, dan profesional rumah sakit lainnya mendokumentasikan halaman demi halaman tentang kesehatan Anda. Pada akhir masa rawat inap di rumah sakit, tidak seperti staf layanan kesehatan yang sibuk, mannequin bahasa swasta besar yang mirip dengan ChatGPT memiliki waktu untuk membaca dan memproses informasi ini.
“Namun, dengan kekuatan pemrosesan yang besar, terdapat pula tanggung jawab yang besar pula.” Satu permintaan AI menggunakan listrik yang cukup untuk mengisi daya ponsel cerdas sebanyak 11 kali dan menghabiskan 20 mililiter air bersih di pusat knowledge Australia. ChatGPT diperkirakan menggunakan energi 15 kali lebih banyak dibandingkan Google.
“Penerapan model bahasa berskala besar di layanan kesehatan dapat menimbulkan konsekuensi lingkungan yang sangat signifikan.” Para pemimpin rumah sakit perlu memikirkan secara hati-hati mengenai di mana dan kapan kecerdasan buatan harus digunakan dalam organisasi mereka.”
Pertanyaan untuk dipertimbangkan
Emisi karbon harian ChatGPT sudah setara dengan 400-800 rumah tangga di AS. Sistem AI dalam layanan kesehatan kemungkinan akan memiliki dampak yang lebih besar, karena memerlukan mannequin yang lebih canggih untuk menangani informasi medis yang kompleks dan harus dijalankan secara lokal demi privasi pasien.
Selain konsumsi energi, perangkat keras yang diperlukan untuk sistem kecerdasan buatan ini memerlukan penambangan logam tanah jarang secara ekstensif, yang berpotensi menyebabkan kerusakan habitat. Proses manufakturnya sendiri dapat melipatgandakan jejak karbon dari operasi AI.
Untuk mengurangi dampak lingkungan dari rumah sakit dan pusat kesehatan, para peneliti menyarankan lima pertanyaan utama yang harus dipertimbangkan oleh penyedia layanan kesehatan sebelum menerapkan sistem AI, termasuk:
Apakah organisasi saya memerlukan mannequin bahasa yang besar? Apakah teknologi yang ada sudah mencukupi? LLM mana yang harus saya pilih? Gunakan mannequin sekecil mungkin untuk meminimalkan konsumsi sumber daya—LLM yang lebih kecil dan disesuaikan dapat mengungguli aplikasi yang lebih besar. Bagaimana cara mengoptimalkan LLM saya? Gunakan kueri yang lebih kecil dan spesifik untuk mengurangi jejak karbon aplikasi Anda. Kueri ringkas dengan informasi yang disempurnakan lebih hemat energi. Perangkat keras apa yang harus saya gunakan untuk menjalankan LLM saya? Lebih baik menggunakan perangkat keras yang menggunakan energi terbarukan. Knowledge apa yang harus saya bagikan? Maksimalkan efisiensi LLM dengan berbagi knowledge jika diperlukan.
Studi ini menunjukkan bahwa AI berpotensi mengurangi dampak layanan kesehatan terhadap lingkungan dengan cara lain, seperti meningkatkan aliran pasien dan mengurangi penggunaan kertas.
Informasi lebih lanjut: Oliver Kleinig dkk, Dampak mannequin bahasa besar terhadap lingkungan dalam kedokteran, Inner Drugs Journal (2024). DOI: 10.1111/imj.16549
Disediakan oleh Universitas Studying
Kutipan: Rumah Sakit harus menggunakan AI secara bertanggung jawab untuk menghindari peningkatan emisi karbon, kata peneliti (2024, 15 November) Diakses pada 15 November 2024, dari https://medicalkpress.com/nevs/2024-11-hospitals-ai-responsible-carbon- emisi. html
Dokumen ini memiliki hak cipta. Kecuali untuk transaksi wajar untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.
