Latest / Verbos: AI og Softwareudvikling / #32 - Kasper Groes Albin Ludvigsen: Bæredygtighed i AI og IT Industrien + Dark Data

Transcript

#32 - Kasper Groes Albin Ludvigsen: Bæredygtighed i AI og IT Industrien + Dark Data · Verbos: AI og Softwareudvikling

0:00
Hej allesammen og velkommen til babos podcast afsnit nummer 32,
0:04
som jo i øvrigt er Vores runde fødselsdag i bina.
0:08
I hvert fald fordi 32 er jo 1 0 0 0.
0:14
Jeg kan faktisk ikke huske hvor mange nuller, men i hvert fald
0:16
binært der har Vi har vi fylder vi rundt i dag med hensyn til
0:20
antal pakker eller podcast. Jeg anyways, hvad hedder det?
0:24
Velkommen til Vores podcast i dag.
0:26
Der skal vi snakke om noget, som vi faktisk har fået en lytter
0:30
henvendelse på. Det er jo således, at man kan
0:32
faktisk skrive ind til hvad bruges podcast på hvad bos post
0:36
snabel a gmail dot com og der har vi fået en lytteren
0:39
henvendelse om at snakke og og ligesom at vende det her med
0:42
bæredygtighed i del AI, men også Sådan data og it generelt.
0:47
Og måske især også vende det her begreb man kalder for dark data,
0:51
som Vi skal lidt mere ind på senere og i den lytter
0:54
henvendelse kom der faktisk også en special request for at få
0:58
Vores den gæst Vi har med i dag med II podcasten.
1:00
Og ja, der vil jeg gerne sige velkommen til Kasper grus.
1:05
Velkommen til. Mange tak.
1:08
Ja og fuldenavn er jo Kasper gross.
1:10
Alle bilen lod i Sådan og ja og. Du er har været aktiv Kasper.
1:17
Du er jo med i blandt andet med i bestyrelsen for dansk stats
1:21
unity som mig og Jonas jo også er, så det bliver lidt ja vi vi
1:24
kender hinanden på forhånd, men du har skrevet rigtig meget om
1:28
du har al den tid Jeg har kendt dig.
1:29
Har du været utrolig engageret i?
1:32
Hvad skal man sige? Hele bæredygtigheds aspektet i
1:34
data science og har skrevet, skriver en del på medium omkring
1:39
det her, og Jeg er blevet citeret i nogle anerkendte
1:42
anerkendte, hvad hedder det medier for for dine artikler og
1:45
så videre? Så jeg tænker, du er den helt
1:47
rigtige at have med her, så det glæder vi os rigtig meget til.
1:51
At indtage. Ja selv tak og jeg tænker du
1:53
skal lige forklare lidt mere om dig selv lige efter at jeg lige
1:56
har sagt at Sådan en lille servicemeddelelse til alle de
1:59
nye lyttere derude, hvis ikke man kender hvad bruges podcast
2:01
så er vi en dansk podcast der snakker om edi så få udvikling
2:04
og data science. Og hvis man kunne tænke sig at
2:07
følge med og support podcasten, så kan man gå ind og følge os på
2:09
youtube på. Man kan også følge os på
2:12
LinkedIn og på Spotify og Apple podcast og mit navn Det er
2:16
Kasper junge. Og jeg hedder Jonas fokus aften.
2:20
Yes. Men jeg tænker, at Vi skal til
2:23
at gå i gang. Hvad hedder det, før vi starter?
2:25
Kasper? Kan du ikke fortælle lidt om dig
2:27
selv? Og ja.
2:29
Så lytter de kan få en lille indflyvning til hvem Det var,
2:31
hvis ikke de kender dig i forvejen.
2:34
Jo Det kan jeg godt jeg. Var det som design test i
2:38
Rigspolitiet, og Det har ikke noget at gøre.
2:41
I hvert fald ikke direkte med. Bæredygtighed i data science
2:46
eller i machine learning, men det her med bæredygtighed.
2:50
Det er noget jeg. Interesserer mig meget for os,
2:53
og jeg bruger noget af min fritid på at skrive om det og
2:57
holde oplæg om det. Og Vi skal måske starte med at
3:03
lige at præcisere, hvad Det er, vi mener, når vi siger
3:05
bæredygtig data science, eller hvad vi nu vælger at kalde
3:08
emnet, fordi nogle de forbinder det jo med, at man anvender data
3:13
science til at reducere co 2 udledningen vil sige andre
3:18
steder så. Altså at man for eksempel bruger
3:22
machine learning til at optimere skibsruter, så de bruger mindre
3:26
brændstof og dermed bidrag. Og til et eller andet
3:30
bæredygtighed, bæredygtighedsmål men men det som jeg beskæftiger
3:34
mig mest med, er det her med, hvordan vi gør det designes som
3:38
disciplin eller udviklingen og anvendelsen af kunstig
3:41
intelligens mere bæredygtig. Ja ja, det synes jeg måske er en
3:46
meget god. Hvad hedder det skelnen lige at
3:48
lave der fordi? Man kan ligesom se det her som
3:51
at man kan bruge data science som et redskab til at.
3:54
Hvad skal man sige? Lave ting systemer mere
3:58
bæredygtige, men Det er jo ligesom det, du beskæftiger dig
3:59
med. Det er ligesom selve aktiv.
4:02
Teten i at begå datacenter, hvad man hvad man kalder det.
4:07
Ja ja. Yes hvad hedder det?
4:09
Og Det er jo faktisk ikke så længe siden, at du har været med
4:12
i en anden podcast, som også beskæftiger sig med II Danmark.
4:16
En dansk podcast skal beskæftige med ã r som belejligt nok hedder
4:19
RI Danmark, hvor at du snakkede med den gode Anders fogh Nissen
4:24
om chat Gitte og den co 2 udledning og jeg tænker egentlig
4:29
lidt, at Jeg vil prøve at, eller vi vil prøve at hvad skal man
4:32
sige ud starte programmet her ud Sådan.
4:35
En lille smule der hvor i ligesom eller hvor man skal sige
4:39
hvor i slap kan man sige. Men Det er et lille overlap
4:42
fordi der har jo været en del snak om det her med om charity
4:45
forurener og hvor meget det forurener om det i virkeligheden
4:48
er og man overhovedet kan have god samvittighed når man sidder
4:51
og pumper og så videre og der kom vi frem til noget i den i
4:56
den episode der og så mit spørgsmål er bare Sådan, hvor
4:59
stort når jeg sidder og bruger chat VT hvor stort?
5:03
Problem, Sådan rent bæredygtighedsmæssigt er det
5:05
hvor meget altså Sådan relativt til alle mulige andre ting jeg
5:08
for eksempel gør. Hvad er den estimerede co 2
5:12
udledning i forhold til det? Ja men altså Det er lidt
5:17
komplekst at svare på det med co 2 udledningen.
5:20
Lad os lige komme ind på det, men lad os starte med det
5:23
estimerede elektricitetsforbrug per query og lad mig starte med
5:28
at sige jeg starter en masse usikkerheder forbundet med de
5:31
tal jeg skal til at at fremlægge og nogle vil mene at.
5:37
De er for små, fordi at de for eksempel fordi Der er nogle
5:41
faktorer mine. Smager ekstra højde fra.
5:44
Men altså Jeg har skrevet en artikel på medium hvor jeg
5:50
estimerer at en priority chat giver pote.
5:56
Måske bruger et sted mellem 0,0017 og 0,0026 kilowatt timer.
6:04
Og hvis du så altså, så har jeg så lavet nogle andre
6:07
beregninger, hvor jeg til udgangspunktet i at lad os sige
6:10
en heavy user, at the hotel er over 30 queries om dagen.
6:13
Det løber op i knap 11.000 queries på et år.
6:17
Og. Det løber så op i så vidt jeg
6:25
husker eller 28 kilowatt timer på et år ikke men Det er jo bare
6:30
gange lad os sige en kvart eller 0,0026 kilowatt timer og så
6:35
ganger du med 11.000 så har du det samlede elforbrug i jævnt
6:39
fra mine estimater. Og hvis vi så siger, at Det er
6:46
de her 28 kilowatt timer på et år som dine queries kræver.
6:51
Så kan vi så være anvendt en eller anden nogle messens
6:55
Factor? Andre kalder det carbon en
6:57
intensity af elektriciteten. Estimere hvad ja, sexual trykket
7:03
er fra produceret de her 28 kilowatt timer, som de tablet
7:08
forbrug kræver. Det globale eller ikke det
7:11
globale, men det jeg tager udgangspunkt i er omkring 450
7:17
gram co 2 per kilowatt time. Og Det er gennemsnittet af.
7:23
Elektriciteten som produceres i alle Microsoft access regioner,
7:29
så der findes data for hvad er den gennemsnitlige co 2
7:34
udledning per produceret kunne være team IUSA og hvad er det i
7:38
Tyskland og hvad er det i Singapore?
7:40
Og så videre så vidt jeg husker. Og så kan vi så gange de her 28
7:46
kilowatttimer med 450 gram og det.
7:50
Giver jo så de her. 13. Kilo co 2 på et år.
7:58
Og så er det så man kan sige hvad, hvad?
8:01
Hvad svarer det til eller hvad er det?
8:02
Sådan er det meget eller er det lidt tons co 2 på et år og en
8:06
amerikaner så er det 15 16 tons på et år, så i det perspektiv er
8:13
de her 12 13 kilo for dit forbrug jo ikke ret meget og man
8:18
kan også kigge på hvad skulle der til?
8:20
Hvad skulle du personligt gøre for at opsætte altså for at
8:23
reducere din udledning på et andet punkt for at gøre godt for
8:27
den udledning dit forbrug har? Og der kunne man for eksempel
8:32
kigge på dit forbrug af oksekød. Hvad hedder det?
8:36
Og Der er der lidt forskellige tal på hvor stort et co 2 aftryk
8:40
Der er fra at producere et kilo oksekød men.
8:45
Nogen nogle estimater siger at. At Det er 100 kilo per 100 kilo
8:52
til 2 per kilo oksekød. Så hvis du vil opsætte de her 12
8:57
kilo co 2 12 13 kilo co 2 som bliver talt bibliotek har brug
9:02
for til ja så skal du spise 12 altså 120 130 gram mindre
9:08
oksekød på et år. Så har du ligesom gjort op for
9:13
det. Og så kan man jo så så så altså.
9:17
Og Jeg tror mange vil sige, Det er jo ikke meget nej det.
9:20
Det synes jeg jo heller ikke. Det er.
9:22
Udfordringen er jo hvis rigtig mange mennesker begynder at
9:25
bruge den her type service meget.
9:27
Vi ser jo der bliver bygget ind i mange forskellige digitale
9:30
produkter, og man kan også spørge sig selv om.
9:35
Altså uanset hvor meget eller hvor let dit forbrug udleder, så
9:38
kan man jo godt spørge sig selv. Får du værdien nok?
9:43
Ud af de forbrug til at du retfærdiggør det her.
9:48
Den her miljøpåvirkning og den her klimapåvirkning, fordi vi
9:50
står jo som altså som som jord, altså som verden i en situation,
9:55
hvor Det er meningen, Vi skal reducere Vores samlede co 2
9:58
aftryk. Vi skal ikke bytte.
10:01
Jeg så for eksempel, at der var Sådan en eller anden på på
10:04
LinkedIn lavet et opslag om, at nu var der Sådan en feature i
10:07
hans LinkedIn, hvor han kunne bruge eller en generative r til
10:12
at at komme med udkast til LinkedIn opslag.
10:15
Og min personlige holdning til det her.
10:17
Det er Sådan meget. Det er Sådan en musical, der
10:19
giver meget lav værdi. Det her værktøj til at generere
10:22
et LinkedIn opslag er meget lille, så så så tror jeg jeg i
10:26
de fleste tilfælde vil sige, at Det er ikke Det er ikke det der.
10:31
Selvfølgelig andre cases hvor at at Det kan give god mening og
10:34
hvor Det er fordi Det er klart det værd.
10:37
Ja fordi Jeg synes det. Jeg synes Det er en rigtig fed
10:39
rigtig fed Sådan. Hvad skal man sige?
10:40
Det er meget til at forholde sig til det her med at man skal
10:43
spise 12 eller 120 til 130 gram oksekød mindre om året er det jo
10:48
så ikke fordi så tænker man. Jo alt hakkedreng mindre på et
10:51
år, ikke? Så tænker man jo så tænker man
10:54
jo åh det går lige det det Det kan jeg godt.
10:56
Det kan jeg godt lide lige overkomme ikke?
10:58
Men som du selv siger også jo problemet er jo hvis det her,
11:01
hvis hvis alle begynder at spise.
11:03
Hvad der svarer til at spise 100 til 120 til 30 gram oksekød mere
11:08
om om året ikke så så begynder der at komme noget volumen på.
11:13
Og så tænker jeg fordi du kom lidt ind på det her.
11:15
Men men Sådan næste spørgsmål er Jeg har studeret lidt om oppe
11:19
omkring mit spørgsmål, bare for ligesom at holde en rød tråd
11:21
igennem det. Hvad hedder det så?
11:24
Jeg tænker også fordi Jeg synes Det er rigtig spændende.
11:26
Hvad hedder det diskussion? Det er også altså hvis man Sådan
11:29
kigger på hvad man Sådan Netto får ud af at bruge chat GT som
11:32
værktøj for eksempel til at arbejde med.
11:35
Kan man så rent faktisk det? Det man sparer muligt altså
11:38
potentielt spare ved at Der er nogen der siger man kan øge sin
11:42
produktivitet op til 30 40 50% nærmest ved at bruge II visse
11:46
opgaver, ikke for eksempel kode. Og opvejer det ligesom altså
11:52
svarer det sig til at man spiser hvis man hvis man den
11:55
produktivitetsforøgelse man har for eksempel eller det mindre
11:59
man kører ned til biblioteket for at hente en bog, som om man
12:02
gør, altså Det er jo fordi man gør det, men men Sådan noget i
12:04
den, altså det det det det man ligesom får ud af at bruge
12:07
capite er det så gør det rent faktisk at man spiser et halvt
12:11
kilo mindre oksekød om året for eksempel eller Sådan.
12:15
Jeg tænker faktisk. Sammen ja.
12:17
Ja altså Sådan. Nej Jeg tror altså Jeg tror jeg
12:20
ved hvor du vil hen spørgsmål altså ja Det er jo super
12:24
komplekst at svare på og altså først og fremmest så hvorvidt at
12:29
en produktivitets. Bygningen er.
12:33
I klimapåvirkning hver? Det er jo Sådan meget
12:35
værdispørgsmål først og fremmest vil jeg sige.
12:38
Man kunne jo godt kigge på som Jonas og jeg for eksempel har
12:41
talt lidt om tidligere. Altså man kunne godt kigge på,
12:43
hvad har vi historisk set betalt i øget co 2 udledningen for per
12:50
produktivitetstab? Honning.
12:55
Per øget enhed i produktivitet og så på den måde Sådan kigge på
13:00
jamen stopper står den produktivitet vi får fra
13:03
chatbots og mål med at være lidt Sådan.
13:04
De største set har betalt for produkti produktivitet, selv
13:07
forbedringer, men det det altså Det er jo meget, meget komplekst
13:12
spørgsmål. Så Jeg tror vil sige, at det Det
13:17
er jo Sådan. Hvorvidt Det er er det værd
13:21
eller Sådan hvorvidt jeg. Jeg har svært ved at se at.
13:26
At, fordi vi bliver mere produktive på Vores arbejde, at
13:29
vi så reducere Vores ressourceforbrug eller Vores co
13:33
2 udledning et andet sted. Altså Det er svært at komme med
13:35
et argument, fordi mit argument er bare min fantasi rækker ikke
13:40
til det tror jeg. Hvis jeg skulle prøve at give et
13:43
eksempel ikke altså hvis Jeg er 30% vil jeg produktive på mit
13:48
arbejde, så har jeg jo ikke altså Jeg er der stadig samme
13:52
mængde tid hver uge. Det vil sige min computer kører
13:55
samme mængde tid jeg altså lyset på kontoret.
13:59
At være sammenhængende tid. Jeg har samme transport og altså
14:03
alt Sådan. Ressourceforbruget enhed eller
14:05
per co 2 per kilo co 2 i jeg udleder.
14:09
Men men Jeg kan ikke se at redde.
14:12
Til at i hvert fald altså. Man kan godt fremlægge det
14:16
perspektiv i hvert fald, at det ikke vil reducere, men så er der
14:18
så nogle der. Hvis jeg lige må tale lidt mere
14:22
altså så altså så er der så nogen der skriver en?
14:27
Der er nogen der har skrevet en artikel.
14:29
Som man kan finde på archive og den er hvis der også skal vist
14:33
også publicere Sådan for Real et sted.
14:36
Hvor de regner på. Hvad er co 2 aftrykket fra at et
14:43
menneske skriver en salgstekst versus at chat bibliotek skriver
14:47
en sidste tekst? Og og der nu vil jeg så sige, at
14:52
deres metode finder jeg problematisk.
14:56
Men altså man kan potentielt godt være lavet den slags
15:00
regnestykker sige, at altså sparer vi noget, hvis vi får
15:05
chat hjem til at skrive en sides tekst frem for at vi selv gør
15:09
det. Men men altså og det Det er den
15:13
konklusion som den her artikel når frem til, men der Der er en
15:18
masse Sådan metodiske overvejelser i.
15:21
Ja Larsen, problematikker i deres metode, som altså for
15:24
eksempel det, at når de skal udregne co 2 aftryk fra at et
15:28
menneske skriver en side. Så siger de jamen en side.
15:32
Det tager 0,8 timer at lave og måden de udregner hvad et
15:37
menneske co 2 udledningen er på en time.
15:39
Der vil de bare sige en amerikaner udleder 15 tons på et
15:42
år. Altså dividerer det med antallet
15:44
af timer på et år og så altså så.
15:48
Der er slet ikke nogen sammenhænge.
15:49
Altså så så en amerikaner carbonfibre per time er jo det
15:54
samme uanset om de bruger et bibliotek eller ej.
15:56
Altså så så Der er lige lidt. Mere metoden.
16:00
Så de der den der team en amerikaner vil bruge på det de
16:02
forsvinder. Bare du ved så er han bare en
16:05
amerikaner bare gun i en time. Og Det var Det var så her, hvor
16:09
jeg brød ind på LinkedIn og sagde det.
16:12
Det mindede mig om dengang jeg havde mikroøkonomi på på på uni
16:15
Det var spild af min tid. Jeg må alle indrømme også bruge
16:21
jeg. Jeg er rørende enige i, at Jeg
16:22
synes Det er dybt problematiske metode, og den burde i hvert
16:26
fald fremlagde der, men altså helt helt aldeles.
16:29
Så er det her jo bare fuldstændig.
16:32
Det er virkelig, virkelig, virkelig svært at måle på.
16:33
Ikke altså? Der var engang en en klokke, det
16:39
underviser på på universitetet. Jeg faktisk ikke huske hvem Det
16:42
var, der gjorde det, men som sagde prøv at at idealisere det
16:47
eksperiment, der skulle til for at.
16:50
Man gør det her til faktuel viden at noget havde x har
16:55
effekten på y. Og prøv at tænk over hvad for et
16:58
eksperiment der skulle til for at kunne afsløre det der, og så
17:01
vil man meget hurtigt opdage at Sådan.
17:03
Nå ja, Det er Sådan. Fantasien eksperiment, der ikke
17:07
findes i den virkelige verden, fordi vi kan eksperimentere med
17:10
jordkloden på den måde og og og og det siger lidt om, hvad Det
17:14
er, hvor langt væk man har er fra videnskabeligt at kunne
17:18
påvise at at at den effekt skulle være der, altså i forhold
17:22
til at bruge chat, kapitel og mennesket skriver og så videre
17:25
og så videre. Altså det der eksperiment kan du
17:27
ikke stille op. Jeg tror jeg tænker også bare
17:30
Sådan jeg tænker Sådan. Jeg tænker Jeg tror måden jeg
17:33
tænker på. Det er meget er meget Sådan.
17:34
Altså hvis jeg bruger til at gribe til at stille nogle
17:37
spørgsmål til et eller andet framework jeg bruger eller til
17:40
altså. Hvis chat Gitte svar sparer mig
17:44
tid på at jeg skal sidde og Google eller skrue igennem noget
17:47
scrolle igennem noget dokumentation og så videre, så
17:49
kan man sige så er der jo mængde af tid og min computer er tændt
17:54
og den strøm den bruger et andet tid hvor den ellers ville være
17:57
endt med al den tid. Det ville have taget mig
18:00
problemet ved den antagelse tænker jeg bare at Jeg vil jo
18:03
stadig have den tændt i så lang tid.
18:05
Jeg vil bare nå at få lavet mere så til produktivitet.
18:08
På den måde vil vi ligesom. Men Det er jo det Der er
18:11
problemet i ja Det er jo det Der er problemet i den her
18:14
sammenhæng. Det er at at hvis man skal lave
18:16
den så. Beregninger, så er man nødt til
18:18
at lave en masse antagelser om hvad for nogle ting Der er
18:20
konstante, og Det er jo derfor man har eksperimenter når man
18:23
laver bedriver videnskab. Det er jo, at Der er potentielt
18:28
i det miljø, man arbejder i en masse ting, som ikke er
18:30
konstante, men man kan kontrollere en ting.
18:33
Og så har man randomiseret forhold og så kan man statistisk
18:37
så ud fra det ligesom beregne den her effekt her ikke.
18:41
Og og Det er jo Sådan man laver karrusellen for rens, Det er der
18:44
bare ikke tale om i den sammenhæng her.
18:46
Der har vi bare en masse flyvske antagelser.
18:48
Og, og man ved ikke om man har alle variable tænkt igennem.
18:52
Jo man ved måske i virkeligheden, at Det har man i
18:54
hvert fald ikke fordi Der er så mange faktorer der spiller ind,
18:57
at man kan ikke forestille sig, at man kan holde alle ting, alle
19:00
boldene i luften og og lave det stykke eller det regnestykke
19:05
korrekt uden at der opstår fejl. Man kunne godt sige Sådan noget,
19:08
men man kunne godt sige Sådan noget med at okay, lad os sige
19:11
at chatte PT et generelt gøres hurtigere til at skrive bedre
19:14
software. Sådan så at det software vi
19:16
skriver. Det er simpelthen mere
19:18
optimeret. Det er et bedre dokumenteret.
19:20
Altså at Vores kollegaer skal bruge mindre tid på at sætte sig
19:22
ind i det og altså Sådan, hvis man kunne godt forestille sig,
19:25
Der er Sådan, Det var Sådan noget post impl.
19:28
På klimaet ved et eller andet, altså med at så, så man
19:32
forestiller sig, at man kan forestille sig, at Der er en
19:35
trend mod, at vi arbejder mod at den måde, vi altså software skal
19:39
gøre. Hvad skal man sige verden til et
19:41
grønnere sted og at den trend. I at man udvikler software der
19:46
kan det gør ligesom hurtigere fordi man eller Sådan jeg ved
19:49
det ikke altså det. Men ja komplekst spørgsmål.
19:53
Eller Der er en ting, jeg lige vil vende tilbage til.
19:55
Det du sagde kan jeg svare altså du Det har du snakket om at.
19:59
At sætte dem til måske spare dig for nogle Google søgninger og
20:01
Sådan, og Det er faktisk. Nu kan man jo til at sige for,
20:05
at Jeg har svært ved at se hvordan anvendelse er for
20:08
eksempel tdc kunne føre til reduktioner, men Det er et af
20:11
de. Eksempler som jeg godt kan komme
20:14
i tanke om, og som jeg også har skrevet om i nogle af mine
20:16
artikler altså. Hvis hvis du kun skal lave en
20:19
chat bibliotek quarry. For at.
20:23
Nå et eller andet mål og det mål ellers ville have krævet.
20:27
Lad os sige 10 Google søgninger og indlæsningen af 10 sider på
20:30
Stack overflow. Så kan det jo godt være at at
20:35
anmeldelser til at se på den måde vil være en netpost.
20:39
Det er jo mange requests og meget data der skal flyttes over
20:42
the wire og alt muligt. Ja der kan.
20:47
Der kan helt klart godt være nogle live cases, men men altså
20:50
jeg. Ja jeg, Jeg tror ja.
20:53
Men Det er jo det jeg fornemmer. Jeg fornemmer, at Vi er ved at
20:56
grave os ned i et meget dybt kaninhul her, og Vi har et Vi
20:59
har nogle flere, Vi skal. Vi skal jo videre er Det er det
21:01
okay, vi går videre, Jonas. Er selvfølgelig.
21:03
Super hvad hedder det OK super fordi i og så nu nu fordi nu
21:08
prøver vi ligesom at bære os lidt videre fra fra chatt
21:10
konkret og prøve at snakke lidt mere om noget som måske også er
21:14
lidt udefra det du især har skrevet rigtig meget om Kasper
21:16
men men som også er super interessant og så må i også
21:19
komme ind på II hvad hedder det ERI Danmark podcasten det her
21:24
med at. I den samlede.
21:25
Altså hvis man kigger på den samlede it industri, så er den.
21:29
I hvert fald den den estimerede. Hvad skal man sige udledningen
21:32
af på den måde der? Hvad skal man sige?
21:36
Jeg er ret lille og forsvinde, eller hvad skal jeg sige?
21:41
Så hvad kan man sige, er der på en eller anden måde hvad?
21:45
Hvad er der ellers hvis man kigger på it industrien som som
21:48
som som helhed? Hvad er Sådan, at hvis man
21:51
skulle, hvis man kunne tage, hvis man bare skulle ligesom
21:53
slette eller fjerne, destruere den den mest, den største synder
21:58
inden for co 2 udledning i industrien?
22:00
Hvad, hvor skulle man starte eller Sådan, hvad hvad, hvad,
22:02
hvordan ser det billede ud Sådan har og Det er nok et spørgsmål
22:05
til jer begge 2 også hvis hvis i har nogle insights Det er et
22:09
stort spørgsmål. Bor her altså altså request der
22:14
bliver sendt over eller Sådan. Ja.
22:19
Har vi overhovedet nogen ide om det?
22:22
Altså jeg ved det ikke, men altså man kunne godt starte med
22:26
at Sådan og prøve at tænke hvad er det for nogle komponenter?
22:29
Der har et ressourcebrug eller hvad er det for noget, skal man
22:32
sige dele af? At hele Sådan et skal man sige
22:36
af hele er internettet eller digitale services, som er
22:39
internetbaseret. Altså, Der er jo selvfølgelig
22:42
noget netværkskommunikation, og så er der nogle.
22:48
Altså nogle processorer i nogle servere et eller andet sted der
22:51
og står og og kræver noget energi.
22:54
Og så er der en. Producer devices tror jeg man
22:57
kalder det altså Vores telefoner og Vores computere som bruger
23:01
noget strøm. Og derudover er der altså udover
23:05
det strømforbrug, Der er. Så er der også en masse Sådan
23:07
embedded eller en body emissions forbundet med produktionen af
23:12
Vores industri devices netværksudstyr.
23:17
Serverne processorerne i serverne også de bygninger som
23:22
serverne står inde i skal jo i virkeligheden også regnes med.
23:25
Så så altså Der er virkelig mange faktorer og.
23:30
Jeg har fået en kommentar på min min estimater af tab biblioteks
23:39
elforbrug per quarry fra en fyr. Som som Jeg har et indgreb ved
23:45
virkelig meget om datacenter, energiforbrug og han skrev, at
23:51
med den metode jeg havde anvendt, så ville jeg misse 80
23:55
til 90% af. Det ser vi den serie 2 udledning
24:00
der ville være ved at anvende. Fordi at min metode for eksempel
24:05
ikke tager højde fra. For hvad skal man sige?
24:09
Elforbruget fra netværksudstyret og heller ikke tage højde for al
24:15
den udledning, Der er forbundet med at opføre datacentre.
24:19
Så jeg. Jeg har Sådan indtryk af at.
24:23
At Det er i hvert fald er nogle store poster Sådan på co 2
24:27
regnskab, der ligger i alt altså meget andet end bare det at der
24:31
står en GBU og kører et eller andet sted.
24:34
Man kunne måske godt faktisk at sige, at at Det er Det er en af
24:38
de mindre poster, selvom at vi jo taler meget om at GU er meget
24:42
energikrævende. Ja fordi det knuser mange tal.
24:48
Ja, Der er jo også hele kølingen af af gpu erne og alle
24:54
komponenterne og Sådan nogle ting, som som jo selvfølgelig
24:58
også sluger en del strøm men hvis jeg skal prøve at svare på
25:03
det der. Jeg aner dybest set ikke noget
25:04
om, så ville jeg vende den lidt om og sige, hvor kunne man
25:06
eventuelt spare noget og noget af det?
25:09
Der er jo i hvert fald er ret sikkert indenfor IT.
25:12
Det er jo, at hvis man som far retning kigger på sin cloud
25:15
regning. Og man gerne.
25:18
Hvis bare på den, så er det Sådan rimelig altså Sådan en til
25:23
en i forhold til hvordan man påvirker co 2 udledningen tænker
25:26
jeg ikke fordi at din regning den går ned ikke så går co 2
25:30
udledningen også ned og jeg tænker bare at altså mængden af
25:34
ineffektive processer og. Server, der står idle og
25:41
egentlig ikke laver noget eller laver noget meget kort tid eller
25:44
slet ikke bruger hele cpu en og så står resten af cpuen bare
25:49
svinder lidt. Du ved ikke alt det der overhead
25:51
af strømforbrug Der er. Hvor der ikke bliver udført
25:55
noget arbejde. Ikke fordi Det er jo det man
25:57
gerne vil have. Altså altså Der er jo noget,
26:00
skal jo noget, noget kraft og noget arbejde til at det ligesom
26:05
batter og det giver noget værdi. Der tænker jeg bare, der må være
26:10
sindssygt meget fra, hvis vi Sådan taler bredt.
26:15
Og Sådan noget så sjovt som den der.
26:19
Vi har snakket om, at en forbedring på en sorterings
26:22
algoritme, som som er lavet af af deep minds reinforcement
26:27
learning løsning. Som bliver implementeret i sit
26:31
plus plus og bare bliver totalt broadcastet ud til alle
26:34
datacentre ikke altså det det Det kan meget hurtigt påvirke
26:39
Sådan nogle Sådan noget strømforbrug.
26:42
Det er Sådan nogle ting Jeg synes Der er interessante i
26:44
virkeligheden. Altså hvordan kan vi gøre Vores
26:46
processer mere effektive? Sådan er jeg meget enig i, og
26:53
det fik mig til at tænke på, hvor altså den måske lidt
26:56
fortærskede eksempel. Men altså Jeg synes Det er meget
26:58
godt. Man kunne godt også tænke over
27:01
om Der er nogen service man kan lukke ned på visse tidspunkter
27:07
altså skal Skats tast selv, eller hvad det hedder, skal det
27:11
være tilgængeligt fra 0 2 til til 0 6 på hverdage.
27:17
Hvad ved jeg altså. Jeg kunne godt overveje at lukke
27:20
nogle services ned i nogle specifikke tidsrum og så spare
27:24
på den måde. Der men Der er bare et eller
27:28
andet ved det her ikke som som Der er et eller andet, som gør
27:31
at at Jeg synes Sådan på en eller anden måde nå.
27:35
Det det, Det er mere Sådan håndgribeligt og det batter lidt
27:38
mere i min bevidsthed. I hvert fald når man snakker om
27:41
det her med at gøre hardware hurtigere nedkøle datacenteret
27:44
du ved Sådan altså når man tænker over hvad skal man sige
27:49
og angribe de her fra en hardware vinkel.
27:53
Påvirket egentlig når man snakker om Sådan, altså hvis nu
27:56
for eksempel det her med at se plus er blevet har fået en
27:58
hurtigere sorterings algoritmen. Hvor meget sparer det egentlig?
28:03
Altså er det det par et par instruktioner?
28:07
Vent Sådan. Det er bare svært at forholde
28:09
sig til, hvad det helt præcist er, så jeg tænker også Sådan,
28:11
hvis man nu sagde, at hvis man nu sagde, at Jeg vil Jeg vil
28:16
vove at påstå, at alt det kode, der kører i verden i dag, er
28:18
ikke 100% optimeret, så 100% optimeret som det kunne.
28:23
Observation Jeg synes Det er en modig modig påstand.
28:28
Og dit tåbelige belæg for det jo.
28:31
Men det kunne bare være interessant at tænke over, altså
28:34
lave Sådan et tankeeksperiment der hed.
28:35
Hvad nu hvis alt kode der kørte i verden var 100% optimeret og
28:40
skrevet i assembler og bare du ved programmet har altså og så
28:45
til til hvor Vi er nu ikke altså Sådan hvor kan vide hvor meget
28:48
der så ville være at spare Sådan.
28:50
Ja det. Må være den ultimative, ikke.
28:52
Det må være det ultimative. Du ved at spare på software
28:55
siden. Men men så så er der nogen der
28:57
vil byde ind med argumentet om, at så skal der jo bruges mere
29:01
tid på at skrive og vedligeholde det her kode.
29:06
Hvis vi altså enige om, at Det er sværere at vedligeholde og
29:10
skrive maskinkode en pyton for eksempel ikke.
29:12
Altså så Vi er som forbruge sjældent længere for at skrive
29:17
og vedligeholde kode til kodens co 2 udledning, så kan det være
29:21
at det ikke er en lidtpost det alligevel, men Det er jo mere
29:25
Sådan noget regnskabs. Eller skal man sige ja noget
29:27
noget regnetekniske ikke. Hvordan gør du lige?
29:30
Co 2 udledninger og elforbruget op.
29:34
Men der ligger da helt Jeg vil skat hvor der ligger meget i og
29:36
den slags optimering. Altså nu sad jeg for eksempel.
29:39
For nylig selv og. Og eksperimenteret med hvilken
29:44
effekt quantification af en model havde på.
29:49
Hvor lang tid det tog? Altså hvad skal man sige ikke
29:52
per toke men Sådan per. Per enhed per datapunkt i
29:58
dataset. Det var en ja, en Vores Formel
30:02
og. Produktsiden på datacenteret var
30:07
altså 25% kort. På når man anvender den model
30:13
end kan man anvende en ægge queensize model og.
30:18
Nu jeg brugte det sig et værktøj der hedder.
30:22
Coach carbon til at måle hvad hedder det elforbruget og
30:26
estimere co 2 aftrykket fra? Den her proces.
30:33
Og og der desværre så kunne være altså der den her pakke coach
30:38
carbon kunne ikke lige hvad skal man sige genkende min cpu så den
30:43
anvendte bare en Sådan konstant energi faktor eller
30:46
energiforbrug på CPU. Men vi kan jo nok godt antage at
30:51
cpu forbruget er altså er. Skal man sige lavere for en
30:57
kontrakt model, samtidig med at hele produceringen tager kortere
31:00
tid, så så. Hvad skal man sige modellen
31:03
eller det her den her coach carbon park ansøg så at for
31:08
begge processer altså både den kontra så den ikke quantic
31:10
proces var cpu ens strømforbrug konstant, men fordi at
31:15
producenten var 25% kortere. Jeg så brugte den så også 25%
31:19
mindre strøm, og man kan så godt forestille sig, at hvis at min
31:24
den her pakke har været i stand til at måle strømforbruget fra
31:26
min cpu. Under protester tiden hvad
31:29
lavere for den kontrast modellen for den ikke contest model?
31:34
Men Det er Det er mere Sådan en mavefornemmelse fra min side.
31:39
Men altså. Det lyder plausibelt.
31:43
Tænker jeg også, hvad hedder det så?
31:45
En af de antagelser, Der er okay at have i verden, tror jeg.
31:49
Ligesom junges antagelse har været, at kode ikke er optimeret
31:52
100%. Hvad hedder det?
31:54
Men altså så ja altså alle sammen gud og altså og prøv at
31:59
kontakte jeres modeller er super, Det er supernemt for det
32:02
meste for eksempel holdning face Der er nogle pakker til hvis Det
32:06
kan spare hvad hedder det 25% på deres elforbrug?
32:11
Så er det jo meget godt ud lige præcis i mit tilfælde så betød
32:14
det ikke noget for for for modellens performance ikke noget
32:18
der var nævneværdig. Og Det er jo også værd at sige,
32:22
at at hvis man netop kan nå det til hvor man så altså det
32:25
betyder jo egentlig ikke noget for for.
32:28
Modellens kan man sige performance, men det det gør
32:31
noget for inferens og latency samtidig også med med den her
32:35
contraction. Whats not 2 like altså man får
32:39
jo lige bare det bedste verdener.
32:41
Ikke tilbage til din point i år, så det her med at at altså det.
32:45
Det er jo bare fuld plade på rigtig mange vigtige parametre.
32:48
Ikke Der er noget man bruger oplevelsen fordi det går
32:50
hurtigere og Der er noget for klimaet, fordi de bruger min
32:52
drøm. Var der noget for forretningen?
32:53
Fordi at de bruger færre penge? Holdene så det udvikler bør
32:59
bruge mere tid på tid og tanke på at optimere de løsninger, de
33:04
de laver derude. Det det altså.
33:07
Det, Det kan ikke siges ofte nok tror.
33:09
Jeg, men Det er jo også, men Det er rigtigt som du siger Casper,
33:12
Der er jo i virkeligheden en kæmpestor grund til at kigge ind
33:16
i Sådan nogle ting her ikke både ja brugeroplevelse mæssigt og
33:19
forretningsmæssigt og og kostmæssigt ikke og Sådan tror
33:23
jeg i virkeligheden. Det er i rigtig meget Sådan i
33:26
mange ingeniørkunst, som også andet end software ikke med hvor
33:30
det ligesom Det kan give rigtig god mening at tænke i de her
33:33
baner, fordi så bliver tingene billigere og Det kan vi godt
33:35
lide og mere effektive, og Det er jo i virkeligheden Det er.
33:38
Man laver som ingeniør ikke. Det er jo bare at gøre ting
33:41
hurtigere og billigere bedre og Sådan bygge ting ud af Sådan
33:44
noget. Ikke så.
33:47
Vi. Mangler, vi mangler lige en
33:48
effektiviseringsplan løsning, også fordi Windows de har jo
33:52
faktisk den her fantastiske app de har lavet fra tidernes morgen
33:56
kaldet papirkurv, og der kan man jo også bare putte kødet ned i,
34:00
og Det er eddermame effektivt forsvar strøm til jeg bare lige
34:03
og jeg tager med med der ligger masser af koder derude som man
34:06
godt kunne smide ned i en skraldespand som ikke skaber
34:08
noget. Som helst værdi, så hvis nu man
34:11
bare kunne få nogle udviklere til at sige til deres chefer det
34:13
her, Det er bare noget lort skal smide ud, så bør man spare penge
34:17
siger du? Det kunne være man kunne regne
34:20
på hvad en linje kode koster at have opbevaret datacenter.
34:25
Men Det er jo en meget god safeway i virkeligheden.
34:27
Måske hvis i skal nå at tale om det, er det fredag.
34:29
Ikke Det er nemlig Det er faktisk lige præcis jeg tænkte
34:32
Det var lige præcis Det var tid, fordi Vores Vores kære lyttere
34:35
som har skrevet ind ville jo rigtig gerne have.
34:38
Vi vendte det her begreb dark data og jeg tænker at det lød
34:41
som om du havde læst op på det. Kasper kan du prøve at forklare
34:45
om hvad det her dark data begreb dækker over?
34:49
Ja altså så vil jeg lige se, at Der er forskellige bud på
34:53
definitioner, men altså Det er data som ikke bruges eller ikke
34:57
skaber nogen eller synderlig værdi for forretningen i
35:01
virkeligheden. Nogen siger det single use Det
35:04
er nogle, siger det i dag, der aldrig bliver brugt, men er i
35:07
hvert fald. Det det data, som ikke giver
35:10
særlig meget værdi, og som bare ligger et sted og bruger strøm
35:13
på at være opbevaret i virkelighed.
35:18
Det havde vi meget. Ja, og Det er der nemlig meget
35:21
af. Altså nu fandt jeg lige nogle
35:23
tal på på det her altså. Der var et sted.
35:29
Det var en artikel fra. World economic forum, hvor at de
35:37
siger, at for en virksomhed i forsikringsbranchen,
35:42
detailhandlen eller i banksektoren med 100
35:45
medarbejdere, så genererer man 3000 gigabyte dark data på et
35:51
år. Det vil altså sige cirka 3
35:54
gigabyte dark data per år per medarbejder.
36:01
Og så kan man jo så og kigge på. Hvad har det af Sådan af
36:05
elforbrug og co 2 udledning? Men Der er det.
36:11
Der er meget forskellige bud på. Hvad elforbruget og co 2
36:15
udledningen er per opbevaret. Gigabyte så det.
36:19
Det er Sådan. Ja, det vil være Sådan meget,
36:22
som bliver tændt at komme af med det.
36:25
Det kan vi sagtens komme ind på. Det ville være meget spændende,
36:27
men altså, det Der er åbenbart meget af den her slags data,
36:30
altså der bruges til noget særligt.
36:34
Og Det er jo Sådan det må jo skyldes en eller anden form for
36:36
udviklingsmønstre, der foregår rundt omkring med at så ligesom
36:39
du ved så høvler man bare dataen indsamler i fuldstændig vildskab
36:43
og i frygt for ligesom at miste noget data som man man man man
36:47
har. Man skulle have brugt, så putter
36:49
man det ligesom bare ned i en database og opbevare det Sådan
36:53
og så. Og så er det jo virkelig nok
36:55
kunne jeg forestille mig meget Sådan dovenskab i virkeligheden,
36:57
som gør at man ikke får ryddet op i det, og ligesom får ligesom
37:01
man heller ikke får optimeret alt kode man burde, så får man
37:04
heller ikke ryddet op II den næste 3 bucket man har man har
37:07
gang i, og i virkeligheden synes jeg også man kender det meget
37:11
selv fra Sådan, hvad skal man sige?
37:14
Man har da også nogle harddisks rundt omkring derhjemme, hvad
37:17
skal man sige? Som ligesom hvor der ligger
37:19
noget data på som om du ikke lige kunne huske hvad Det er,
37:22
men så ligger det jo ligesom bare der.
37:24
Men det bruger vi så ikke strøm, hvis den ikke er sat til, kan
37:27
man sige, men Der er jo selvfølgelig noget embody
37:29
emissions i at have produceret den harddisk, så så Der er vi
37:35
jo, så der vil man jo stadig godt argumentere for at Der er
37:37
en form for co 2 udledning per gigabyte du har opbevaret,
37:41
selvom der ikke er sat strøm til.
37:43
Helt klart og det altså det. Den står jo også og snøre og
37:46
klar til at blive læst fra og Sådan nogle ting ikke så.
37:50
Det det, det bruger også strøm med.
37:53
Jeg vælger også. Jeg synes Det er det rigtige
37:56
ord. Det der jo frygt for altså at
37:59
miste det oplever jeg erpost hvor meget?
38:02
Altså Det er specifikke former for data især til machine
38:06
learning og og og AI brug for for folk som ikke har prøvet at
38:12
lave den slags modeller. For hvis jeg skal være Frank og
38:17
og så og så er der Sådan en ide om at hvis nu Vi har.
38:21
Så Vi har rigtig meget data, hvis du har, hvis du bare har
38:24
rigtig meget data vi bare glemmer det hele, så ved vi jo
38:27
pludselig rigtig meget om rigtig mange ting og derfor ved Vores
38:31
model også rigtig meget om alle mulige ting, og Det er sikkert
38:34
godt og og altså. Det er jo bare Det er jo faktisk
38:41
bare noget vi mere og mere også bliver opmærksomme på, som som
38:45
udvikler af forskellige typer af modeller, at kvaliteten af data
38:51
er langt, langt langt vigtigere end kvantitet af data, som i
38:56
virkelig, virkelig, virkelig meget vigtigere.
39:00
Og og Det er i sig selv er jo mega morsomt.
39:03
Ikke fordi. Så kunne man jo sige, at lad os
39:07
nu tage Sådan et eksempel, hvor man har samlet data i et eller
39:11
andet bestemt format og mål på en bestemt måde.
39:13
Altså en bestemt metode, Der er konstant, og dermed så kører det
39:17
3 år, så har man 3 års data med det.
39:19
Men den metode finder man måske så ud af.
39:22
Det var faktisk ikke lige det bedste metode.
39:24
Man skulle egentlig hellere samle ind på en anden måde,
39:26
fordi Det var havde en bedre kvalitet til det formål man nu
39:29
skulle. Så har man, så er der Sådan en
39:31
rigiditet i at ændre på den indsamlingsmetode og ligesom
39:35
bare sige jamen Det er lige meget med de der Det er son cost
39:38
Det er 3 år og Det er ligegyldigt.
39:40
Nu har vi lært noget Vi skal lave.
39:41
Vi skal lave noget nyt, ikke fordi Vi har fundet ud af
39:44
hvordan vi samler data bedre ind til det her formål, men så fordi
39:48
at de 2 ting ligesom ikke er linet og den der datahistorisk
39:52
og alt det der Sådan åh nej så forsvinder alt guldet jo hvis vi
39:54
begynder at ændre på det her. Der der opstår der netop Sådan
39:58
en frygt for, at man mister sit dna.
40:02
Og man tør ikke ligesom at innovere på det data man hvordan
40:05
man samler ind og metoden og Sådan noget.
40:07
Hvor dybest set så er de der 3 år ligegyldige.
40:09
Hvis man. Måske har måske nogen, der har
40:11
misforstået begrebet big data, og som ligesom har bare tænkt,
40:15
det skal bare være stor. Vi skal bare have meget data
40:17
ikke? Jo mere data Vi har, jo mere
40:20
data på x aksen jo federe machine learning modeller ud af
40:23
boksen ikke eller et eller andet.
40:25
Altså i princippet er jo altså. Big data er jo et begreb altså
40:29
Der er opstået som en problemstilling på, hvordan
40:32
håndterer vi, at nogen har valgt at Vi skal hårdt så fucking
40:35
meget data? Undskyld udtrykket og så fandt
40:38
vi så ud af den. Nå ja, Vi skal bruge endnu mere
40:41
computer ikke, og Vi skal distribuere det og Vi skal lave
40:43
software løsninger til at håndtere alle de der.
40:45
Crazy mængder af data, ikke? Så så på en eller anden måde, så
40:49
er det Sådan lidt altså man føder lidt ind i sin egen.
40:56
Hvad kan man sige verden ikke og løser egne og skabte problemer
41:01
og bruger så strøm på det. Og hvor er værdien ikke altså.
41:06
Og Vi har altså noget at lære af det, synes jeg.
41:10
Så. Det var mit brand, kan vi høre
41:13
det? Jeg jeg tænker altså Det er jo
41:16
ikke kun i organisationer, at den her folk er der, Vi har
41:20
oplevet noget også alle sammen selv i Vores fotobibliotek.
41:24
Ikke på telefonen og hvad ved jeg ikke altså man tager lige 3
41:27
billeder af det samme og man sletter dem aldrig, men så
41:31
ligger de bare der ikke. Og Der er også Sådan.
41:33
Der er også en en hel del arbejde forbundet med at gå det
41:36
igennem igen. Og ligesom sige nå de der 5
41:39
billeder jeg 2 er den der ged der eller den der kø eller et
41:43
eller andet som. Hele familien er lige hernede.
41:49
Ja så. Det kunne godt bruge en r til at
41:51
gå igennem alle billederne. Det vil sikkert også koste noget
41:53
og sige, er du sikker på det her billede er noget du kan beholde?
41:58
Rystet så er spørgsmålet jo, bruger den mere energi på at
42:02
analysere dine billeder end du sparer eller ej, men.
42:07
Ja generelt er. CN baserede modeller, hvis lidt
42:12
mere Sådan lidt mindre computer krævende end for eksempel
42:17
transformer arkitektur ikke. Men nu er den jo også udbredt
42:21
til billedebehandling, kan jeg forstå transformere attituden.
42:24
Ikke så. Men så så problemet er for mig
42:29
virker på mig på en anden måde, som om Der er en frygt for at
42:33
ikke at gemme det rigtige data og miste noget af det data man
42:36
har og lidt jeg kunne forestille mig, at virkeligheden er meget
42:39
beslægtet med det du også nævnte.
42:41
Kasper den der frygt med at uha de billeder er det de der 20
42:45
billeder jeg 2 er den samme ged for 5 år siden hvad nu hvis der
42:49
var 2 af dem der var mega fedt? Jeg kom til at slette det ene af
42:51
dem ikke? Så er der en anden frygt for at
42:55
at ligesom hvad skal man sige at miste miste data, og så er der
43:00
en eller anden form for og og så er der også en kæmpe et kæmpe
43:03
arbejde forbundet med, at så ligesom at slette data og slette
43:08
det rigtige data. Og Der er jo også noget af data,
43:12
man er nødt til at gemme af planens hensyn eller
43:16
lovgivningsmæssige hensyn. Ikke alt muligt logning.
43:20
Og hvad ved jeg, som jeg også fylder, og som Jeg vil tro
43:24
falder ind under betegnelsen dark data fordi.
43:26
Altså hvis tanken på dig. Det er at data der ikke bruges
43:28
til noget, så er det mest at man logger jo.
43:32
Ja. Ja det bliver aldrig brugt.
43:36
Så. Det er meget sjovt, men Det er
43:39
sjovt fordi Det er jo rigtigt. Man kender det jo også
43:41
personligt ikke altså på ens computer så alle de der ens
43:44
download mappe Sådan hold da op der ligger bare PDF og alt
43:48
muligt mærkeligt billeder og så ryger det ned i en mappe der
43:51
hedder mads og så ryger det ned i en anden mappe der hedder
43:55
endnu mere messe. Og så siger jeg Google drive at
43:58
du ikke har mere opbevaringsplads, så kører du
44:00
sgu lige doublement, fordi Det er nemmere end at rydde op,
44:02
ikke? Jo.
44:05
Lige præcis ja ja, Der er en kæmpe stor arbejdsbyrde
44:09
forbundet med det her. Virkelig til.
44:11
Hvad hedder det inden jeg tænker lige inden vi Vi skal til at
44:17
runde af her? Kunne godt tænke mig lige at
44:18
stille et andet spørgsmål som som Jeg er 100% sikker på at
44:21
ingen af os har et ligesom svar på lige med det samme, men som
44:25
jeg tænker vi kan måske fortælle os lidt frem til fordi
44:28
umiddelbart så ser jeg det her dark data problem som en eller
44:32
anden form for. Hvad skal man sige?
44:34
Mønster arbejdsmønster, udviklingsmønster i industrien?
44:39
Ja, og så måske er det også privat som ligesom er et.
44:43
Lidt problemer som ligesom ikke er ser altså 1 1 1 form for
44:47
mønster som er ubæredygtige. Det i sig selv et åbent
44:51
spørgsmål. Der er ikke nogen, der har
44:53
svaret på det her, men kan man også forestille sig, at findes
44:55
andre typer af af måder? Man arbejder på i industrien,
45:01
hvor Der er plads til forbedring.
45:04
Det var. Bare.
45:06
Stille altså ja det Det er der jo altså.
45:10
Men så spørgsmålet lige hvad ikke, men hvis jeg bare lige
45:14
skal skal skyde min første tanke på banen her, så.
45:20
Af kunne man jo godt tænke over, hvor man kører sin kode, hvis
45:25
man har mulighed for Sådan at hvad hedder det Sådan noget?
45:28
Shoppe lidt rundt mellem forskellige cloud regioner og.
45:33
Hvis man ikke står og har Sådan et presserende behov for for
45:36
trænet til en model så hurtigt som muligt, så kunne man jo godt
45:40
også skjulere efter hvornår at se.
45:44
Jamen så grineren i den pågældende Region.
45:48
Det er jo nemt i python. Simpel at gemme et checkpoint på
45:52
din model og så indlæse det igen senere.
45:56
Men igen det. Det kræver jo en indsats og.
46:02
Jeg kunne forestille mig, at så længe at man ikke på en eller
46:04
anden måde bliver målt på den her slags ting, altså.
46:08
Så længe at man som team ikke måler på det, eller så længe at
46:11
ens performance evaluering ikke på en eller anden måde har
46:13
inkorporeret den her slags matrix, så.
46:17
Det kan jeg sagtens forstå, at man ikke arbejder aktivt med
46:19
det. Ja fordi det nærmest er
46:23
usynligt. Ja, Det er jo egentlig noget,
46:28
som Jeg vil vove at påstå, hvis man skulle have den der
46:31
mulighed, som jeg i øvrigt synes er en super god ide, så skulle
46:36
man have nogle cloud winters til ligesom at løse den, altså den
46:40
der optimerings opgave på en eller anden måde i hvert fald
46:42
give nogle nogle muligheder for at skjulere.
46:47
Og måske også prissætte i virkeligheden efter efter det
46:53
tit er det jo forestiller mig også forbundet med.
46:55
Nu har vi jo herhjemme har vi jo vindmøllerne ikke de de buldrer
46:58
derud af, og Det er masser af grøn energi, og så er prisen -1
47:01
eller andet ikke kom også vist noget strøm, for ellers så også
47:04
el net Sådan nogle ting ikke? Og det kunne jo det kunne jo
47:09
sagtens tænkes at man kunne finde på at lave den slags sit
47:13
datacenter som man kunne styre det der altså tænker jeg, det må
47:15
være muligt, ikke så det. Jeg tror Det er mega
47:19
interessant, men så skal man nok regulere at datacentret skal
47:22
have. Hvad kan man sige?
47:25
At, de skal give en eller anden mulighed for for brugeren,
47:28
ligesom når vi flyver et fly, så skal vi kunne sige ja til at.
47:32
Give en anden for at få aflivet, eller hvad skal jeg kalde det
47:35
til co 2 regnskabet ikke? Altså du ved måske flyene ikke
47:38
er det bedste eksempel, fordi de sviner uanset hvad vi trykker på
47:41
knapperne, og vi bestiller en billet ikke, men men.
47:44
Et eller andet. Så var det bedre.
47:48
Så vidt jeg husker en af de store og muligvis flere af de
47:51
store cloud wenders som har Sådan noget skal isolerings
47:54
funktionalitet og som er baseret på data fra elektricitet maps,
47:59
som leverer data om carbon intensiteten på produceret strøm
48:06
i mange dele af verden. Interessant op.
48:10
Mit hoved, men så forsvandt den, så er der en af jer lige.
48:16
Hvad hedder det? Ja.
48:18
Jo nu nu nu kom jeg i tanke om det.
48:21
Jeg ville spørge om Det er faktisk spørgsmål til jer Sådan,
48:24
altså fordi nogle gange så siger man jo Vi skal lade være med at.
48:31
Og bare blindt og bruge en eller anden fancy deep learning model,
48:35
og så skal vi jo måske i stedet bruge en klassisk machine model,
48:40
hvis man kan det eller noget endnu simplere endda.
48:44
Altså i hvor stor udstrækning oplever i, at det egentlig er
48:47
muligt altså. De problemstillinger i sidder
48:50
med i sidder jo meget med NP far fortsætter mig ikke altså i hvor
48:55
stor udstrækning kunne man eller ja, for så var vi hen altså er
49:02
det skal man skal man have fat i den største transformere model
49:07
til til meget det i laver eller kunne man bruge regis i
49:10
virkeligheden, hvis man bad? Jeg synes det gør en god pointe
49:15
du har der Kasper fordi Det er rigtigt.
49:17
Man kunne godt tænke sig at tænke at Sådan, men hvorfor
49:19
vælger man ikke bare altid de de de skal man sige de de de mest
49:23
old school modeller de billigste modeller og decision trees x
49:26
boot eller andet fordi ofte så er performance hvad skal man
49:31
sige egentlig ikke vildt meget bedre med transformers?
49:35
Det jeg oplever personligt, Det er tit at Det er tiere det her
49:38
med typen opgave, altså Sådan en input output hvordan det ligesom
49:43
skal for eksempel. Hvis man skal generere tekst for
49:48
eksempel altså jeg Det er Sådan, Det er Sådan en transformer
49:51
opgave. Der kan man ikke bare lige bruge
49:54
til FDF eller word, eller Det kan man godt.
49:57
Men men Det er bare ligesom det det Der er noget input.
50:00
Output format, så får man noget forfærdeligt ud.
50:03
Det er helt sikkert. Men altså man kan jo godt bruge
50:05
egne hænder til at generere. Men altså ja.
50:08
Men de er jo ikke nødvendigvis særligt meget mere.
50:11
Altså Det er mit indtryk er ikke, at de nødvendigvis er er
50:14
særlig meget mere. Hvad kan man sige?
50:18
Computer efficiente altså. Nej, men Det er jo.
50:23
Ikke nej, Det er rigtigt nok. Ikke nødvendigvis.
50:27
Ja, men Der er ikke altid en Sådan sammenhæng mellem antallet
50:33
af neuroner og strømforbruget. Det er også meget med.
50:36
Hvad er det for nogle operationer, der foregår i lagen
50:38
og Sådan noget ikke? Så tænker jeg på på birds
50:42
størrelse modeller ikke? Altså selv Der er en en kan jo
50:45
ikke blive stor. Det er jo det helt problem, men
50:47
de kan faktisk ikke blive større så Sådan.
50:50
Hvis man skulle stille dem overfor hinanden i forhold til
50:53
hvor, hvor store de er i Sådan vigtigste veje størrelse og
50:57
Sådan nogle ting der, så tror jeg ikke nødvendigvis computer
50:59
mæssigt i sidste ende de ville være som super forskellige, men
51:02
fordi at at at transformeren kan vokse sig så stor, så bliver den
51:07
jo bare mere et mønster end end end gør ikke end kan slet ikke
51:11
blive så stor, så den er fuldstændig urealistisk.
51:14
Jo, Det kan den godt, og så vil man bruge uendelige mængder af
51:16
ressourcer for at blive så stor ikke og derfor så så vil den jo
51:20
aldrig nå dertil. Så Det er måske lidt lidt lidt
51:23
pære æbler, sammenligning i virkeligheden, men tilbage så er
51:26
det også målet, så så vil jeg i hvert fald svare.
51:29
Der er rigtig tit opgaver, vi godt kan løse maske de
51:32
generative, men tit bruger vi jo noget generelt tivt.
51:37
Måske til en at klassificere i virkeligheden.
51:39
Så nå, men så er det en klassificering klassifikations
51:42
opgave, hvor den generative model til det ikke også, og Det
51:45
har vi også snakket om her med drive det på på podcasten.
51:49
Som som også snakkede om det der med at brug nu de der modeller
51:52
til det generative. Og hvis du så har en eller anden
51:55
klassifikation, som går over til en klassifikation for det tager
51:58
bare længere tid arbejdstime mæssigt at komme hen og finde
52:03
den løsning fordi tit så skal man ud i noget meget kostede
52:06
mig, at man skal bruge noget mere tid, så Det er Sådan en.
52:08
Det er den dovne vej at tage en eller.
52:10
Anden lige for tiden. Det er rigtigt den denne vej
52:13
også ikke kan man sige, og Det er jo.
52:16
Jeg Jeg har også. Jeg har totalt synder i at have
52:19
brugt store transformere, men jeg kunne have brugt en et
52:22
lineær relation til et eller andet logisk reaktion til et
52:24
eller andet totalt. Og Det er jo fordi at Jeg er
52:28
elektroingeniør uddannet og jeg hoppede direkte på dronning
52:30
kurset uden at få det basis maskinen eller det fik jeg.
52:35
Men ja jeg var bare learning så så på den måde så der kan være
52:40
noget uvidenhed i at man bruger de store flotte shiny modeller,
52:46
men der kan også være noget dovenskab en gang imellem.
52:48
Ikke fordi man ikke lige Sådan det virker jo.
52:50
De kører sgu meget godt, ikke altså?
52:53
I altså også fordi Det er jo Det er blevet super nemt.
52:58
Bare hente et eller andet fra høringsfase ikke som mere end
53:01
mindre bare er plug and play. Det er jo Sådan slikbutik fra
53:05
fra design af eller folk der arbejder med det her felt, ikke?
53:10
Og så er det måske nemmere at hive en eller anden bordmodel
53:13
ned end at og og og træne en eske boost på nogen andre former
53:21
for indblanding, selvom man siger.
53:23
Men jeg, hvis jeg skal være helt ærlig, Sådan skal man sige, så
53:26
er det altså Jeg har 0% af min udviklingstid.
53:30
Tænker jeg over co 2 udledning af det, jeg laver.
53:33
Altså 0%. Men det tænker over den
53:36
effektivitet der tid procestid per tog og Sådan noget du ikke
53:39
hvad? Jo, men Det er det hvis Jeg er
53:41
utålmodig, hvis jeg ikke gider at vente på.
53:43
Jeg synes ikke altså hvis jeg ved Jeg kan gøre noget på 10
53:45
minutter i stedet for 2 timer for eksempel.
53:47
Eller hvis jeg ved, at den service jeg skal bygge den den,
53:51
det går ikke at den er så langsom, så bliver du nødt til
53:53
at lave den hurtigere, ikke så. Ja så implicit kan man sige, at
53:59
man måske altså for for påvirket CO 2 regnskabet ved at tænke i
54:06
latency og effektivitet og Sådan nogle ting.
54:11
Med en langsom løsning, hvis man kan slippe afsted med en langsom
54:13
løsning, så gør man det altså det.
54:15
Det er Sådan, tror jeg. Det er ikke, hvis man kan slippe
54:17
afsted med med at skrive noget langsomt kode, altså ellers
54:19
havde vi jo allesammen skrevet alt muligt i.
54:22
Rust eller et eller andet ikke? Ja.
54:26
Så det må jeg indrømme det det det det det det tænker jeg godt
54:28
nok ikke meget over. Det er kun når jeg snakker med
54:30
dig Kasper ligesom siger Vi skal lige have carbon tracker ind i
54:34
forskellige ting og sager fordi. Det er jo nedtrykkende.
54:37
Jeg ved godt Det er Sådan det forholder sig.
54:40
Ja simpelthen kulturændring ikke, men så altså, og så skal
54:45
man jo også vende den om og sige at.
54:47
Det er jo ikke alle organisationer, hvor det rigtige
54:50
giver mening. Altså at kigge.
54:52
Altså interesserer sig for det her fordi at altså man skal jo
54:55
alligevel være ret lang på anvendelse af af store modeller.
54:59
Store neurale netværk, store som fører modeller.
55:03
At man har et miljø. Den aftryk eller klima er en
55:06
klima privatliv. Der er stor nok til at at nogen
55:09
vil interessere sig for at reducere den, så man skal jo
55:12
også være lidt. Hvad skal man sige?
55:14
Ja pragmatisk eller lidt realistisk i det her Sådan Vi
55:17
skal. Vi behøver ikke alle sammen gå
55:19
og have dårlig samvittighed fordi at.
55:21
Så så så stort er aftrykket jo nok heller ikke for for de
55:25
fleste virksomheders vedkommende der Der er det jo igen.
55:30
Det generelle it landskab, hvis man er inden for det digitale,
55:33
men måske i virkeligheden også lige så meget, at alle
55:35
medarbejderne kører i bil frem for at tage toget.
55:38
Eller hvad ved jeg ikke. Altså Det er Sådan nogle ting,
55:41
som folk, som formentlig i det samlede co 2 regnskab fylder
55:44
mere end at at du valgte at bruge en stor fordel fremfor
55:51
noget custom du selv har siddet og trænet i.
55:54
Ja og så og så tror jeg også den her synlighed gør en hel masse.
55:56
Ikke fordi hvis jeg havde. Jeg tror jeg havde været mere
55:59
bevidste om det, hvis der stod Sådan et speedometer og bare
56:01
Sådan, så kan du se hvor meget Det er.
56:03
Utroligt var brænder af på hver sekund.
56:05
Der går ikke altså så Det er også meget.
56:07
Jeg tror også et stort problem ved det her er også at Det er
56:09
mega abstrakt. Det er svært at forholde sig til
56:11
og man tænker ikke rigtig over det på den måde, Der er det mere
56:15
Sådan Der er det mere til at tage og føle på, hvis man kommer
56:18
til at hvis man gud forbyde det kommer til at købe
56:20
plastiksugerør for eksempel. Så kan man bare mærke isen
56:25
smelte op på på nordpolen. Ikke.
56:28
Jeg fik galt i halsen. Så ja ja, Det er Det er en
56:36
vigtig agenda det her og men men hvad altså Sådan.
56:42
Er vi overordnet Sådan optimistiske omkring, at vi går
56:44
i den rigtige retning, eller er vi altså eller forkerte retning,
56:47
kan man sige det. Det virker som om, at at totalt
56:50
set kommer der mere computer, der kommer mere af, at der
56:52
kommer mere og mere og mere data og trafik og Sådan noget.
56:54
Men er der også en en eller anden form for modbevægelse?
56:57
Mit indtryk, at Der er det for eksempel, at Der er poppet en
57:00
række organisationer op inden for de senere år, som arbejder
57:04
på at sætte fokus på det her problem.
57:06
Vi har Sådan noget som Green software foundation Green web
57:09
foundation ditto sustainability. Digital.
57:15
Så Daniel infrastructure Alliance eller Sådan noget?
57:18
Altså der der findes en række og og og Jeg kan jo også mærke i,
57:24
altså når selvom det ikke er så mange år.
57:26
Jeg har skrevet om det her, så kan jeg da mærke særligt
57:30
fantastisk bibliotek blive en ting.
57:32
At, Der er en større interesse for.
57:35
Hvor den her altså for miljøpåvirkningen fra særligt ã
57:39
r, men også Sådan generelt for IT altså Journal.
57:43
Fra mainstream medier vil skrive artikler om der altså det.
57:47
Det så vi i hvert fald slet ikke i 2017, da altså da tilsynene så
57:52
de ikke kommer ud af og der samtidig også kom med et af de
57:56
seminal papers indenfor Green af at komme ud.
57:59
Altså der. Det var ja, Det var ikke noget.
58:02
Hvad skal man sige? General Alliance, det så bare så
58:06
jeg jeg var positiv og jeg ser en jeg ser en positiv udvikling.
58:11
Ja, så det handler om at snakke om det.
58:13
Det handler om at gøre skabe synlighed omkring det og Sådan
58:16
og med hensyn til at snakke om det, og ligesom at skrive om
58:18
det, så er det jo rigtig godt. Vi har Sådan nogle som dig
58:20
Kasper til at til at oplyse, hvad hedder det os alle sammen i
58:23
forhold til det her? Ja Det er mega fedt.
58:27
Hvis ikke i har mere noget. Jeg er nogle af jer har noget
58:30
mere, så tænker jeg, at Vi er ved at få den af.
58:34
Det lyder fint i med på den. Det er super.
58:36
Jamen så vil jeg sige 1000 tak for en god snak 1000 tak for at
58:40
du har lyst til at være med i podcasten Kasper.
58:44
Konventionen vi ses jo. Selv tak og vi tak til alle jer
58:48
der lyttede med derude. Vi ses i næste uge hej.