因此，现在数据中央运营商以及在数据中央内支配人工智能事情负载的企业该当开始考虑电子垃圾管理策略了。若能未雨绸缪，他们就可以减少人工智能根本举动步伐造成的电子垃圾数量。
数据中央电子垃圾：根本知识
电子垃圾是指任何类型的不再利用并可能对环境造成危害的电子产品。数据中央的设备（如做事器、网络交流机和电源装置）可能含有铅和汞等化学物质。这意味着这些设备不再利用后有可能成为电子垃圾。
从环境可持续发展的角度来看，电子垃圾是有害的，由于数据中央设备中的危险化合物会渗入自然环境，对植物、动物和人类造成潜在危害。它还会对发展中国家的公民造成负面影响，由于这些国家每每是废弃IT设备的终极归宿。
人工智能会让电子垃圾问题变得更糟糕吗？
和很多技能行业一样，几十年来，数据中央一贯在在助长电子垃圾的产生。但随着越来越多的企业寻求利用人工智能，尤其是天生式人工智能，这一问题可能会越来越严厉。
由于天生式人工智能运用和做事必须经由一个名为演习的过程，这个过程须要解析大量数据以识别模式。演习常日利用配备了图形处理器（GPU）的做事器进行。GPU的演习速率比传统CPU快得多，由于GPU具有更高的并行打算能力，这意味着它们可以同时处理更多数据。
在大多数情形下，人工智能演习是一个临时或一次性的过程。人工智能模型一旦完成演习，就不须要再次演习，除非开拓职员想“教”它新的信息。这意味着，要想演习天生式人工智能模型很可能就要支配配备GPU的做事器，而对这些做事器的需求并不持续。
换句话说，在演习结束后，企业启动并运行了人工智能模型，对这些硬件的需求就会减少，由于除了演习人工智能模型之外，数据中央里GPU的用例并不多，而绝大多数组织都不须要常常重新进行演习。
从电子垃圾的角度来看，这有可能导致一些GPU或配备GPU的全体做事器的寿命明显缩短。它们仍能正常事情，但可能会因需求不敷而被淘汰。
类似的故事已经在加密货币挖矿领域上演过了——GPU和其他专用硬件也很主要，由于它们常常被用于挖矿。由于为加密货币挖矿而制造的设备险些没有其他有用的用场，因此很多设备也都成了电子垃圾。
减少人工智能造成的数据中央电子垃圾
好是，有一些方法可以避免人工智能演习造成数据中央电子垃圾的大量增加。
个中一个关键步骤便是企业共享人工智能演习做事器。企业可以选择“GPU 即做事”（GPU-as-a-Service）产品，这实际上是租用 GPU，而不是自己购买配备 GPU 的做事器进行演习。当他们完成演习后，这些GPU就可以被其他须要演习模型的企业利用。这比拥有无需持续利用的GPU做事器更具可持续性，更不用说本钱效益了。
选择利用预先演习好的模型，而不是从头开始构建模型，是帮助降落人工智能电子垃圾风险的另一种方法。越来越多的模型可以从开源项目中得到，这些模型已经由演习，无需任何类型的专用数据中央根本举动步伐。
当然，企业还该当确保在不再须要人工智能做事器时对其进行适当的回收或处理。但在空想情形下，他们首先该当只管即便减少支配的做事器数量，由于这些做事器有可能在短韶光内成为人工智能电子垃圾。
