Kami Luangkan Dekad Memperbaiki Kesan Perindustrian. Jangan Ulangi Kesilapan yang Sama dengan AI.✎ Edit

Saya memulakan kerjaya dalam operasi logistik pada era di mana pertumbuhan industri sering mendahului tanggungjawab alam sekitar. Salah satu hab logistik dan kawasan perindustrian yang saya lawati selama dekad dahulu terkenal dengan pencemaran teruk, dan sungai di situ kadangkala sangat toksik.

Malaysia bukan satu-satunya. Di seluruh dunia, kilang berkembang pesat, pertanian diintensifkan, pengeluaran ternakan meningkat, dan kawalan sisa masih lemah. Di belakang setiap aktiviti ini terdapat rangkaian logistik - pengangkutan, gudang, rantaian sejuk dan pusat pengagihan - yang juga meninggalkan jejak alam sekitar yang besar.

Pada dekad 1980an dan 1990an, kempen kesedaran alam sekitar menjadi lebih ketara. Membersihkan sungai, memperbaiki kualiti udara dan mengubah amalan industri memerlukan peraturan, infrastruktur, teknologi dan yang paling penting, masa. Dalam operasi logistik, perubahan ini bermakna standard emisi kenderaan, pengurusan sisa gudang dan penambahbaikan kecekapan pengangkutan.

Saya masih ingat berada di Busan, Korea pada tahun 1998 untuk kerja-kerja penilaian operasi logistik. Selepas terdedah kepada hujan lebat semasa tempoh pencemaran teruk, saya jatuh sakit serius untuk tempoh yang lama.

Bermula dekad 2000an, dunia mula membuat kemajuan besar. Standard alam sekitar meningkat, rawatan air sisa diperluas, tenaga boleh baharu berkembang, pengangkutan lebih bersih menjadi arus perdana dan penggunaan EV meningkat. China, Korea, Malaysia dan banyak negara lain melabur secara besar-besaran dalam memperbaiki keadaan yang tercipta semasa dekad-dekad awal perindustrian tidak terkawal. Dalam domain saya, pengoptimuman laluan, armada EV, gudang hijau dan automasi pintar memainkan peranan penting.

Hari ini, banyak bandar jauh lebih bersih berbanding tiga puluh tahun yang lalu.

Kemajuan itu perlu mengingatkan kita sesuatu yang penting: kerosakan alam sekitar bukanlah sesuatu yang tak boleh dielakkan, tetapi mencegahnya seawal mungkin jauh lebih mudah berbanding membaikinya kemudian. Dalam pembinaan sistem, reka bentuk yang betul dari awal sentiasa lebih murah daripada retrofit.

Ini sebabnya saya semakin bimbang tentang cara AI dibangunkan dan diguna pakai. Model besar sering digunakan untuk tugas mudah, inferens diulang secara tidak perlu, dan sistem dibina tanpa routing, segmentasi atau pemprosesan deterministik yang betul. Di belakang setiap permintaan AI terdapat GPU, pelayan, elektrik, sistem penyejukan, air dan infrastruktur fizikal. AI mungkin kelihatan digital, tetapi jejak alam sekitarnya sangat nyata. Dalam operasi logistik, ini serupa dengan menghantar kontena penuh untuk mengangkut beberapa SKU sahaja, atau menjalankan algoritma pengoptimuman laluan pada setiap pergerakan tanpa keperluan sebenar.

Masalahnya bukan AI. Masalahnya ialah menggunakan AI tanpa disiplin. Kami telah meluangkan dekad membersihkan akibat perindustrian tidak terkawal. Kami tidak seharusnya mengulangi kesilapan yang sama dengan AI. Di AINNA, prinsip kami dalam pembangunan NeuralOps mudah: gunakan AI lanjutan hanya apabila kecerdasan lanjutan benar-benar diperlukan. Smart Routing, model khusus, sistem terpisah dan pemprosesan deterministik boleh mengurangkan pengiraan tidak perlu sambil mengekalkan keupayaan. Bina lebih banyak kecerdasan. Kurangkan penggunaan GPU yang tidak perlu. Reka secara bertanggungjawab dari awal.