Үүсгэх хиймэл оюун ухааны парадокс: нөөцийн шавхалт уу, уур амьсгалын шийдлийн катализатор уу?

Үүсгэх хиймэл оюун ухааны парадокс гэж юу вэ?

Үүсгэх хиймэл оюун ухааны парадокс гэдэг нь баримтаар нотлогдсон дараах баримт юм: үүсгэх хиймэл оюун ухаан цахилгаан, цэвэр ус, чухал түүхий эдийн хэрэглээгээ нэмэгдүүлсээр байхын зэрэгцээ уур амьсгалын сөрөг нөлөөг бууруулах, эрчим хүчний сүлжээг оновчтой болгох, шинэ материал бүтээхэд ашиглаж болох хамгийн хүчирхэг хурдасгуурын нэг хэвээр байна. Хоёр тал хоёулаа хэмжигдсэн нээлттэй өгөгдөлд тулгуурладаг бөгөөд аль нь ч нөгөөгөө үгүйсгэхгүй. Олон улсын эрчим хүчний агентлаг (ОУЭА) дата төвүүдийн дэлхийн цахилгааны эрэлт 2025 онд 17 хувиар өсөж 485 тераватт·цаг (ТВт·ц)-д хүрсэн гэж мэдээлэхийн зэрэгцээ, одоо байгаа хиймэл оюун ухааны хэрэглээг өргөнөөр нэвтрүүлбэл 2035 онд 1400 сая тонн (Мт) нүүрстөрөгчийн давхар исэлээс зайлсхийж болохыг тусад нь үнэлжээ. Удирдагчийн хувьд энэ парадокс нь ялах ёстой маргаан бус, харин шийдвэрлэх ёстой нөөц хуваарилалтын асуудал юм: нэвтрүүлэлт бүр хэмжигдэхүйц нөөцийн зардал, нөхцөлт байдлаар зайлсхийсэн ялгарлын үр өгөөжийг хамт авчирдаг бөгөөд аль нь илүү болохыг зөвхөн сахилга баттай хэмжилт тогтооно. Энэ өгүүлэл нь хиймэл оюун ухааны шинэчлэлийг дэмжих эсвэл эсэргүүцэх ерөнхий байр суурь баримтлахын оронд, энэхүү дүгнэлтийг тохиолдол бүрээр хэрхэн гаргахыг тайлбарлана.

Үүсгэх хиймэл оюун ухаан хэр их цахилгаан, ус хэрэглэдэг вэ?

Үүсгэх хиймэл оюун ухааны нөөцийн хэрэглээ одоо таамаглал биш, хэмжилтийн зүйл болсон бөгөөд нийтэлсэн тоонууд нийлбэр дүнгээрээ асар их, харин хүсэлт тус бүрээр бага хэвээр байна. 2026 оны 4 дүгээр сарын 16-нд нийтлэгдсэн ОУЭА-ийн Key Questions on Energy and AI тайланд дата төвүүдийн дэлхийн цахилгааны эрэлт 2025 онд 17 хувиар өсөж 485 ТВт·ц-д хүрсэн бөгөөд 2030 он гэхэд ойролцоогоор 950 ТВт·ц буюу дэлхийн цахилгааны эрэлтийн ойролцоогоор 3 хувь болно гэж заажээ. Түүнчлэн хиймэл оюун ухаанд төвлөрсөн дата төвүүдийн цахилгаан хэрэглээ 2025 онд 50 хувиар огцом нэмэгдсэн бөгөөд 2030 он гэхэд гурав дахин өснө гэж таамаглаж байна. Ганц хүсэлтийн түвшинд, 2025 оны 8 дугаар сарын 21-нд гарсан Google-ийн Measuring the Environmental Impact of Delivering AI at Google Scale техникийн өгүүлэлд Gemini Apps-ийн медиан текст хүсэлт 0.24 ватт·цаг эрчим хүч зарцуулж, 0.03 грамм CO2-ийн эквивалент ялгаруулж, 0.26 миллилитр ус хэрэглэдэг гэж мэдээлжээ. Энэ хоёр хэмжээсийг хамтад нь унших ёстой, учир нь тус тусдаа өчүүхэн мэт санагдах хүсэлтүүд нийлээд улс орны хэмжээний цахилгааны эрэлт бий болгодог.

Хиймэл оюун ухааны ул мөрийн талаарх нийтэлсэн тайлангууд яг юуг мэдээлдэг вэ?

Хиймэл оюун ухааны ул мөрийн талаарх нийтэлсэн тайлангууд одоо эрчим хүч, нүүрстөрөгч, ус, материал гэсэн дөрвөн ялгаатай нөлөөллийн ангилалыг хамардаг ч, өөр өөр системийн хүрээ хэрэглэдэг тул тэдгээрийн тоог шууд харьцуулах боломжгүй. Google үйл ажиллагааны үе шатны нөлөөг хэмжсэн: хурдасгуур, хост систем, сул зогсолтын хүчин чадал, дата төвийн нэмэлт зарцуулалт. Харин Mistral AI нь дата төвийн барилга, техник хангамжийн үйлдвэрлэл, загварын сургалт, 18 сарын инференсийг хамарсан бүрэн амьдралын мөчлөгийн үнэлгээг захиалсан бөгөөд уг үнэлгээг Carbone 4 болон Францын экологийн шилжилтийн агентлаг ADEME-тэй хамтран хийж 2025 оны 7 дугаар сарын 22-нд нийтэлсэн. Яг энэ хүрээний ялгаа нь Mistral 400 токены хариулт тутамд 45 миллилитр ус гэж мэдээлж байхад Google медиан хүсэлт тутамд 0.26 миллилитр гэж мэдээлж буйг тайлбарладаг: энэ хоёр тоо өөр өөр асуултад хариулж байна. Доорх хүснэгтэд удирдагчийн иш татаж болох гол тайлангуудыг нийтлэгч, огноо, хамрах хүрээтэй нь нэгтгэсэн бөгөөд ингэснээр ул мөрийн талаарх аливаа мэдэгдлийг сонссоноороо давтахын оронд эх сурвалж хүртэл нь мөрдөх боломжтой болно.

Үүсгэх хиймэл оюун ухаан хаана үнэхээр уур амьсгалын шийдлийн катализатор болж байна вэ?

Үүсгэх хиймэл оюун ухаан болон түүнтэй холбоотой машин сургалтын системүүд нь нийтлэгдсэн нотолгоо аль хэдийн байгаа дөрвөн салбарт хэмжигдэхүйц уур амьсгалын үр өгөөж авчирдаг: цахилгаан системийн ашиглалт, сүлжээнд холбогдох төлөвлөлт, аж үйлдвэрийн эрчим хүчний үр ашиг, шинэ материал нээх ажил. 2025 оны 4 дүгээр сард нийтлэгдсэн ОУЭА-ийн Energy and AI тайлан эдгээрийн гурвыг тоон утгаар илэрхийлжээ. Цахилгаан станцын ашиглалт, засвар үйлчилгээнд хиймэл оюун ухааныг нэвтрүүлснээр 2035 он гэхэд жилд 110 тэрбум ам.доллар хүртэлх зардал хэмнэж болно; одоо байгаа шугам дээр 175 гигаватт (ГВт) хүртэлх нэмэлт дамжуулах хүчин чадлыг чөлөөлж болно; электроник, машин үйлдвэрлэл зэрэг хөнгөн үйлдвэр 2035 он гэхэд 8 хувийн эрчим хүчний хэмнэлтэд хүрч чадна. Эцсийн хэрэглээний бүх салбарыг нийлүүлбэл, ОУЭА-ийн өргөн нэвтрэлтийн хувилбар нь 2035 онд зайлсхийсэн ялгарлыг 1400 Мт CO2 гэж тооцсон бөгөөд тайланд үүнийг өөрсдийнх нь дата төвийн хувилбарууд дахь дата төвийн нийт ялгарлаас гурав, дөрөв дахин их гэж тодорхойлсон байна. Доорх хэрэглээнүүд эдгээр үр өгөөжийг өнөөдөр хаана эрэлхийлж байгааг харуулж байна:

• Сүлжээнд холбогдох төлөвлөлт — АНУ-ын 13 муж болон Колумбын дүүрэгт 67 сая хүнд үйлчилдэг PJM Interconnection нь 2025 оны 4 дүгээр сарын 10-нд Google, Tapestry-тэй олон жилийн хамтын ажиллагааг зарлаж, эрчим хүч үйлдвэрлэгчдийн сүлжээнд холбогдох үйл явцад хиймэл оюун ухааныг нэвтрүүлж, өргөдөл хянах хугацааг богиносгохоор болсон.
• Дамжуулах хүчин чадал — шугамын динамик ачааллын үнэлгээ, түгжрэлийн урьдчилсан таамаглал. ОУЭА-ийн тооцоогоор эдгээр нь одоо байгаа дамжуулах шугамаас 175 ГВт хүртэлх нэмэлт хүчин чадлыг чөлөөлж чадна.
• Цахилгаан станцын ашиглалт, засвар үйлчилгээ — урьдчилан таамаглах засвар үйлчилгээ, диспетчерийн оновчлол. ОУЭА эдгээрийг түлш хэмнэх, зардал бууруулах замаар 2035 он гэхэд жилд 110 тэрбум ам.доллар хүртэлх хэмнэлт гэж үнэлсэн.
• Аж үйлдвэрийн процессын оновчлол — ОУЭА-ийн өргөн нэвтрэлтийн хувилбарт электроник, машин үйлдвэрлэл зэрэг хөнгөн үйлдвэрт 2035 он гэхэд 8 хувийн эрчим хүчний хэмнэлт.
• Шинэ материал нээх — Nature сэтгүүлд (639 дүгээр боть, 624-632 хуудас, 2025 оны 1 дүгээр сарын 16) нийтлэгдсэн MatterGen нь өмнөх үүсгэх загваруудтай харьцуулахад шинэ бөгөөд тогтвортой байх магадлал нь хоёр дахин их органик бус талст бүтэц үүсгэдэг бөгөөд ингэснээр батарей, соронз, катализаторын материалын хайлтыг богиносгож байна.
• Тогтвортой байдлын өгөгдлийн ажил — нийлүүлэгчийн асуулга, тайлагналын өгөгдлийн багц дээрх задлан авалт, тулгалт, дутуу мэдээллийн тэмдэглэгээ. Энэ нь хүний хяналт, гадаад баталгаажуулалтыг орлохгүйгээр тайлагналын мөчлөгийг богиносгодог.

Уур амьсгалын үр өгөөж нөөцийн зардлыг үгүйсгэдэг үү?

Уур амьсгалын үр өгөөж нөөцийн зардлыг автоматаар үгүйсгэхгүй, учир нь үр өгөөж нь загварчилсан хувилбар боловч хэрэглээ нь аль хэдийн явагдаж байна. ОУЭА энэ талаар тодорхой байр суурьтай: эдгээр хиймэл оюун ухааны хэрэглээг өргөнөөр нэвтрүүлэхийг баталгаажуулах ямар ч түлхэц одоогоор байхгүй гэж мэдэгдээд, өгөгдлийн хүртээмж, дэд бүтэц, зохицуулалт, эргэх нөлөөг загварчилсан ашгийг үгүй хийж болох саад бэрхшээл гэж нэрлэсэн. Харин хэрэглээний тал нь ажиглагдсан бодит зүйл юм. 2025 оны 4 дүгээр сард ОУЭА-ийн Energy and AI тайлан гарах үед дата төвүүд дэлхийн шаталтын ялгарлын ойролцоогоор 0.5 хувийг эзэлж байсан бөгөөд 2030 он гэхэд суурь хувилбарт 1 хувь, Lift-Off хувилбарт 1.4 хувь болж өсөх юм. ОУЭА-ийн 2026 оны 4 дүгээр сарын шинэчлэлд 2035 онд дата төвийн ялгарлыг ойролцоогоор 350 Мт буюу дэлхийн цахилгаан эрчим хүчний салбарын ялгарлын 2 орчим хувь гэж тооцжээ. Нэвтрэлтийн нөхцөлийг хангалгүйгээр 1400 Мт-ын үр өгөөжийг бүртгэж буй удирдагч нь урьдчилсан таамаглалыг ололт мэтээр тэмдэглэж байна: зайлсхийсэн ялгарал бол нэвтрүүлэлт бүрээр олж авах нөхцөлт зорилт болохоос, аль хэдийн олсон кредит биш юм.

Ямар ногоон хиймэл оюун ухааны практик ул мөрийг бууруулдаг вэ?

Ногоон хиймэл оюун ухааны практик нь зохицуулалтыг хүлээлгүйгээр хиймэл оюун ухааны нэвтрүүлэлтийн ул мөрийг бууруулдаг бөгөөд тус бүр нь судалгааны асуудал биш, харин удирдлагын шийдвэр юм. Хамгийн том ганц хөшүүрэг бол загварын хэмжээг зөв тохируулах явдал: хүсэлт бүрийг байгаа хамгийн том загвар руу чиглүүлэхийн оронд загварын чадамжийг даалгавартай нь тохируулах. Хоёр дахь нь бүртгэлд сургалт, инференсийг тусгаарлах явдал, учир нь нэг удаа сургасан загвар тэрбум тэрбум хүсэлтэд үйлчилж чадах бөгөөд ОУЭА видео үүсгэх зэрэг шинээр гарч буй хэрэглээ нь энгийн текст асуултаас олон зуу, мянга дахин их эрчим хүч зарцуулдгийг тэмдэглэсэн. Байгууламжийн үр ашгийг эрчим хүчний ашиглалтын үр ашиг (PUE), усны ашиглалтын үр ашиг (WUE)-ээр хэмжиж, харьцуулж болох бөгөөд програм хангамжийн түвшний ялгарлыг ISO/IEC 21031:2024 болгон стандартчилсан Software Carbon Intensity үзүүлэлтээр тоон утгаар илэрхийлж болно. Доорх практикууд нь инженерийн ажлын жагсаалт биш, харин хиймэл оюун ухааны худалдан авалт, ашиглалтын бодлогод хамаарна:

• Загварын хэмжээг зөв тохируул — даалгавар бүрийг чанарын босгыг хангах хамгийн жижиг загвар руу чиглүүлж, чанарын зөрүүг таамаглахын оронд хэмж.
• Бүртгэлдээ сургалт, инференсийг тусгаарла — хуваарилсан сургалтын ул мөр, ахиуц инференсийн ул мөрийг хүрээг нь заасан хоёр тусдаа үзүүлэлт болгон тайлагна.
• Уян хатан ачааллыг сүлжээний бага нүүрстөрөгчийн цонхонд төлөвлө — багц боловсруулалт, нарийн тохируулга, үнэлгээний ажиллагаа нь ажлын цагийг бус, сүлжээний нүүрстөрөгчийн эрчмийг дагаж болно.
• Нийлүүлэгчийн гэрээнд PUE, WUE-ийн босгыг тогтоо — Uptime Institute 2025 онд салбарын жигнэсэн дундаж PUE-г ойролцоогоор 1.54 гэж бүртгэсэн тул дунджаас дээгүүр үр ашгийг таамаглах бус, гэрээнд тодорхой заах ёстой.
• Худалдан авалтын нөхцөлд ул мөрийн ил тод байдлыг шаард — үйлчилгээний нэгж тутамд ногдох эрчим хүч, нүүрстөрөгч, усыг шаардаж, системийн хүрээ, аргачлалыг гэрээнд тусга.
• Техник хангамжид эргэлтийн практик хэрэглэ — Nature Computational Science-д нийтлэгдсэн загварчлал нь үүсгэх хиймэл оюун ухааны үнэ цэнийн сүлжээн дэх эргэлтийн хандлага электрон хог хаягдлыг 16-86 хувиар бууруулж болохыг харуулж байна.
• ISO/IEC 21031:2024-ийн дагуу програм хангамжийн нүүрстөрөгчийн эрчмийг хэмжиж, үр ашгийн мэдэгдлүүд хувилбар хооронд болон нийлүүлэгч хооронд харьцуулагдахуйц байхыг хангах.

Үүсгэх хиймэл оюун ухаан хэзээ цэвэр эерэг болохыг хэрхэн шийдэх вэ?

Үүсгэх хиймэл оюун ухааны хэрэглээний тохиолдол нь хэмжсэн нөөцийн зардал нь түүний нотлогдохуйц байдлаар орлож буй нөөцийн хэрэглээнээс бага байх бөгөөд хоёр үзүүлэлт хоёулаа гадаад хяналтыг давсан үед цэвэр эерэг байдаг. Энэ дүгнэлт нь санал бус, дараалал шаарддаг бөгөөд алхам бүр нь төлөөлөн удирдах зөвлөл, аудитор, зохицуулагч байгууллага шалгах боломжтой баримт бичиг үүсгэдэг. Доорх дараалал нь ESG өгөгдлийн урсгал, уур амьсгалын хувилбарын хэрэгсэл, дотоод туслах гурвуулангийнх нь хувьд адилхан үйлчилнэ. Энэ нь хэмжилтийг зорилгоос өмнө зориудаар тавьдаг: ул мөрийг нь хэзээ ч тоон утгаар илэрхийлээгүй нэвтрүүлэлтийг сэдэв нь юу ч бай уур амьсгалын шийдэл гэж нэрлэх боломжгүй. Энэхүү дарааллыг хэрэглэдэг удирдлагууд ихэвчлэн санал болгосон тохиолдлуудын цөөн хэсгийг шууд татгалзаж, илүү том хэсгийг жижиг загвар эсвэл нарийссан хүрээ рүү бууруулж, үлдсэнийг нь тодорхой хяналтын нөхцөлтэйгөөр батладаг. Зургаан алхам дараалан явагдах бөгөөд өмнөх алхам эвгүй хариулт өгсөн гэдэг шалтгаанаар аль нэгийг нь алгасах боломжгүй:

1. Нэвтрүүлэлтийн ул мөрийг — эрчим хүч, нүүрстөрөгч, ус, техник хангамжийг — зарласан системийн хүрээ болон ISO 14040/14044 эсвэл Greenhouse Gas Protocol Product Standard зэрэг нийтлэгдсэн аргачлалыг ашиглан тоон утгаар илэрхийл.
2. Сөрөг нөхцөлийг нэрлэ: энэ нэвтрүүлэлт яг ямар процессыг, ямар суурь оноор, ямар хэмжсэн нөөцийн хэрэглээтэйгээр орлож байна вэ?
3. Цэвэр нөлөөг тооцоолж, тайвшруулах ганц тоо болгохын оронд тодорхойгүй байдлыг нь хамруулсан хязгаар хэлбэрээр нийтэл.
4. Өгөгдлийн засаглалыг — гарал үүсэл, хувирлын мөрдлөг, хадгалалт, хамгийн бага хэрэглээ, баримтжуулалтыг — осол гарсны дараа биш, нэвтрүүлэхээс өмнө ЕХ-ны хиймэл оюун ухааны хууль болон ISO/IEC 42001:2023-тай тулган шалга.
5. Харилцаа холбоог шалга: нийтлэхээр төлөвлөж буй тоо бүрийг хамрах хүрээ, суурь он, аргачлал, баталгаажуулалтын статустай нь аудиторын өмнө нотолж чадах уу?
6. Эргэх нөлөөг илрүүлэхийн тулд зургаагаас арван хоёр сарын дараа дахин хэмж, учир нь хэрэглээний өсөлт нэгж тутмын үр ашгийн ахиуцыг бүрэн арилгаж болно.

Өгөгдлийн хариуцлагатай удирдлага үүсгэх хиймэл оюун ухааныг хэрхэн удирдахуйц болгодог вэ?

Өгөгдлийн хариуцлагатай удирдлага бол хиймэл оюун ухааны ул мөрийн талаарх мэдэгдлийг аудитлах боломжтой болгодог хяналтын давхарга бөгөөд одоо хууль зүйн жинтэй болжээ. Өгөгдлийн гарал үүсэл нь сургалтын болон оролтын өгөгдөл хаанаас ирснийг бүртгэдэг, хувирлын мөрдлөг нь тэрхүү өгөгдлийг хэрхэн хувиргасныг бүртгэдэг, харин хадгалалт, хамгийн бага хэрэглээ нь хэр их хэмжээг хэдий хугацаагаар хадгалахыг хязгаарладаг — хадгалалт өөрөө тасралтгүй эрчим хүчний зардал юм. Европын Холбооны хиймэл оюун ухааны тухай хуулийн дагуу, ерөнхий зориулалтын хиймэл оюун ухааны (GPAI) загвар нийлүүлэгчид 53(1)(a) дүгээр зүйл болон XI хавсралтын дагуу загварын мэдэгдэж буй эрчим хүчний хэрэглээ, эсвэл ашигласан тооцоолох нөөцөөс гаргасан тооцооллыг багтаасан техникийн баримт бичиг хөтлөх үүрэгтэй. Хиймэл оюун ухааны удирдлагын тогтолцооны анхны олон улсын стандарт болох ISO/IEC 42001:2023 нь эргэн тойрны засаглалын бүтцийг өгдөг: нөлөөллийн үнэлгээ, мөрдөх боломж, хүний хяналт, тасралтгүй сайжруулалт. Доорх хүснэгтэд аль баримт бичиг ямар үүрэг үүсгэж, хэнд хамаарч, хэзээнээс хэрэгжихийг харуулав.

Хиймэл оюун ухааны харилцаа холбоо танай уур амьсгалын түүх хяналтыг давах эсэхийг яагаад шийддэг вэ?

Хиймэл оюун ухааны харилцаа холбоо буюу машины үүсгэсэн шинжилгээг шийдвэр гаргахад тохирсон өгүүлэмж болгон хувиргах ур ухаан нь уур амьсгалын аливаа мэдэгдэл зохицуулагч байгууллагатай тулгарахад тэсэх эсэхийг тодорхойлдог бөгөөд яг энд үүсгэх хиймэл оюун ухаан нэр хүндийн хамгийн хурц эрсдэлийг бий болгодог. Үүсгэх загвар нь доор нь байгаа өгөгдлийн чанараас үл хамааран урсгал сайтай, итгэлтэй эх бичвэр гаргадаг. Өөрөөр хэлбэл гарал үүслээ заагаагүй хиймэл оюун ухааны гаралт нь болгоомжтой тайлбар хийсэн хүний шинжилгээнээс ч илүү эрх мэдэлтэй мэт уншигдаж болно. Зохицуулагч байгууллагууд үүнээс үүдэлтэй мэдэгдлүүдийг аль хэдийн хянаж эхэлсэн. АНУ-ын Үнэт цаас, бирж арилжааны хороо (SEC) 2024 оны 3 дугаар сарын 18-нд AI-washing гэгчийн эсрэг анхны албадан хэрэгжүүлэх арга хэмжээгээ авч, хиймэл оюун ухааны ашиглалтынхаа талаар худал, төөрөгдүүлсэн мэдэгдэл хийсэн хоёр хөрөнгө оруулалтын зөвлөхийн эсрэг нийт 400,000 ам.долларын иргэний торгуультайгаар хэргийг эвлэрүүлэн шийдвэрлэсэн. 2025 оны 2 дугаар сарын 20-нд мөн энэ зохицуулагч Cyber and Emerging Technologies Unit байгуулж, хиймэл оюун ухаантай холбоотой зөрчлийг үйл ажиллагааныхаа хүрээнд тодорхой оруулсан. Иймд өгүүлэмж бүтээх, нөлөөллийн харилцаа холбоо гэдэг нь өнөөдөр үр дүнг гарал үүслийнх нь хамт нийтлэхийг хэлж байна.

Төлөөлөн удирдах зөвлөлд зориулсан хиймэл оюун ухаанд суурилсан тогтвортой байдлын өгүүлэмжийг хэрхэн бүтээх вэ?

Хиймэл оюун ухааны тусламжтай бүтээсэн тогтвортой байдлын өгүүлэмж нь нотолгоог тайлбараас тусгаарлах тогтсон дарааллаар угсарсан үед л төлөөлөн удирдах зөвлөл болон зохицуулагчийн итгэлийг олдог. Бүрэлдэхүүн хэсгүүдийг доорх дарааллаар танилцуулах нь аудитын хороо уур амьсгалын тайлагналыг хэрхэн нягтладаг тэр л замыг давтаж, сул холбоосыг асуулт хариултын үед биш, эрт үед харагдуулдаг:

1. Шинжилгээ ямар асуултад хариулж буйг, ямар нэг үр дүн үзүүлэхээс өмнө нэг өгүүлбэрээр тодорхойл.
2. Ашигласан өгөгдлийг эх сурвалж, хамрах хугацаа, мэдэгдэж буй цоорхойтой нь хамт үзүүл.
3. Аргачлалыг тодорхойл: шинжилгээний аль хэсгийг ямар загвар буюу хэрэгсэл гаргасан, хүн хаана оролцсоныг нэрлэ.
4. Үр дүнг ганц тоо биш, тодорхойгүй байдлыг нь хамруулсан хязгаар хэлбэрээр илэрхийл.
5. Хүсэж буй шийдвэрийг, мөн тэрхүү шийдвэр буруу байхын тулд юу үнэн байх ёстойтой нь хамт үзүүл.
6. Баталгаажуулалтын статусыг — дотооддоо хянасан, гаднаас баталгаажуулсан, эсвэл аль нь ч биш — шууд тодорхой хэл.

Үүсгэх хиймэл оюун ухааны ул мөрийг удирдахад удирдлагуудад ямар ур чадвар хэрэгтэй вэ?

Үүсгэх хиймэл оюун ухааны ул мөрийг удирдахад нэг ажлын байрны тодорхойлолтод ховор хамт тааралддаг хоёр бүлэг ур чадвар шаардагдана: өгөгдлийн хариуцлагатай удирдлага, нөлөөллийн харилцаа холбоо. Өгөгдлийн хариуцлагатай удирдлага нь гарал үүсэл, хувирлын мөрдлөг, хадгалалт, хамгийн бага хэрэглээ, мөн ЕХ-ны хиймэл оюун ухааны хууль болон ISO/IEC 42001-ээс үүдэх баримтжуулалтын үүргийг хамардаг бөгөөд энэ нь итгэл хүлээхүйц байгаль орчин, нийгэм, засаглалын (ESG) тайлагналыг тулгуурладаг яг тэр л салбар юм. Өгүүлэмж бүтээх, нөлөөллийн харилцаа холбоо нь тэрхүү нотолгоог төлөөлөн удирдах зөвлөл, зохицуулагч, олон нийт тус бүр төөрөгдөлгүйгээр үйлдэл хийж чадах өгүүлэмж болгон хөрвүүлэхийг хамардаг. Ногоон хиймэл оюун ухааны практик энэ хоёрын дунд оршдог, учир нь загварын хэмжээг зөв тохируулах нь нэгэн зэрэг инженерийн шийдвэр, худалдан авалтын шийдвэр, тайлагналын шийдвэр юм. Доорх хүснэгтэд ур чадвар бүрийг удирдагчийн гаргаж чаддаг байх ёстой баримт бичигтэй нь холбосон бөгөөд энэ нь ажил олгогч, аудиторууд тухайн чадварыг шалгах хэлбэр ч мөн юм.

SUMAS-ийн аль зам таны хувьд тохирох вэ?

SUMAS тогтвортой санхүү, хиймэл оюун ухааны шинэчлэлийг дөрвөн замаар зааж байгаа бөгөөд эдгээр нь агуулгаараа биш, харин элсэлтийн түвшин, үргэлжлэх хугацаа, суралцах хэлбэрээрээ ялгаатай тул сонголт таны одоогийн боловсрол, бодитоор гаргаж чадах суралцах цагаас эхэлнэ. Дөрвүүлэнг нь Швейцарийн Gland хотод Lake Geneva кампус, Италийн Milan хотод хотын кампустай, ACBSP итгэмжлэлтэй SUMAS — Sustainability Management School англи хэлээр явуулдаг. SUMAS дахь хиймэл оюун ухааны сургалтыг профессор Jan Erik Meidell, Ph.D. удирддаг бөгөөд түүний хичээлүүдэд Статистик ба машин сургалт, Бизнест хэрэглэх хиймэл оюун ухаан, Блокчейн ба төвлөрсөн бус санхүү, мөн Capstone: AI for Good багтдаг ба түүний өөрийн ажил нь хиймэл оюун ухаан, өгөгдлийн шинжлэх ухааныг тогтвортой байдал, ESG засаглалын асуудалд хэрэглэдэг. AI for Good нь тусдаа зэрэг биш, харин төгсгөлийн хичээл тул үүнийг хайж буй уншигчид элсэлтийн албанаас одоогоор аль зам үүнийг агуулж байгааг асуух хэрэгтэй. Хүснэгтэд практикт сонголтыг шийддэг шалгуураар дөрвөн замыг харьцуулав.

SUMAS-тай хамт ногоон хиймэл оюун ухаан, өгөгдлийн хариуцлагатай удирдлагын ур чадварыг хэрхэн хөгжүүлэх вэ?

Үүсгэх хиймэл оюун ухааныг удирдах ур чадварыг бий болгох нь зэрэг сонгохоос ч нарийн асуултаас эхэлдэг: дээр дурдсан баримт бичгүүдээс аль нь та өнөөдөр гаргаж чадахгүй байна вэ? Ул мөрийн хэмжилт, цэвэр нөлөөллийн шинжилгээ нь бодит өгөгдлийн багц дээр давтан хийсэн техникийн дадлагаар бүрддэг бол өгөгдлийн хариуцлагатай удирдлага, нөлөөллийн харилцаа холбоо нь бодит байгууллагын хязгаарлалтын дор хийсэн хэрэглээний төслүүд болон тоог эсэргүүцэх чадвартай сонсогчдын өмнө хамгаалах сахилга батаар бүрддэг. SUMAS эдгээр хоёуланг нь түнш байгууллагуудтай хамтран хэрэгжүүлдэг Sustainability Industry Projects болон төгсгөлийн ажлаар хөгжүүлдэг бөгөөд бүх хөтөлбөрийнхөө хүрээнд төгсөгчдийн 90 хувийн ажил эрхлэлтийн түвшинг мэдээлдэг. Өөрчлөлт хийхээр эргэцүүлж буй уншигчид тогтвортой байдлын менежмент дэх карьерын талаарх болон эргэлтийн эдийн засгийн стратегийн талаарх бидний гарын авлагуудыг мөн уншиж болно. Тэдгээрт мэргэжлийн замнал, нөөцийн үр ашгийн ойлголтуудыг илүү гүнзгий авч үзсэн байгаа. Практик дараагийн алхам бол дутуу байгаа баримт бичгийг хамгийн хурдан бүтээх боломж олгох хугацаа, хэлбэртэй замыг сонгох явдал юм.