我们花了数十年清理工业化的后遗症。不要让 AI 重蹈覆辙。✎ Edit

Saya membesar pada era 1970-an dan menyaksikan operasi logistik serta perindustrian berkembang pantas ketika kecekapan dan tanggungjawab alam sekitar masih bukan keutamaan utama. Salah sebuah bandar yang saya diami selama beberapa dekad pernah dikenali kerana pencemaran industri yang teruk, dan sungainya kadangkala toksik.

马来西亚 bukanlah satu-satunya. Di merata dunia, kilang bertambah pantas, pengeluaran pertanian dan ternakan meningkat, manakala kawalan sisa dan pengangkutan industri masih lemah.

Menjelang 1980-an dan 1990-an, kesedaran alam sekitar semakin ketara. Membersihkan sungai, memperbaiki kualiti udara dan mengubah amalan perindustrian memerlukan peraturan, infrastruktur, teknologi - dan paling penting, masa. Dalam operasi logistik, kita juga mula sedar bahawa membawa balik lori kosong, menyimpan stok berlebihan dan menggunakan laluan tidak cekap bukan sahaja membazir wang, malah membebankan alam sekitar.

Saya masih ingat lawatan operasi ke Busan, Korea pada tahun 1998. Selepas terdedah kepada hujan lebat ketika pencemaran serius, saya jatuh sakit teruk untuk tempoh yang lama.

Bermula tahun 2000-an, dunia membuat kemajuan ketara. Piawai alam sekitar diperketat, rawatan air sisa diperluas, tenaga boleh baharu berkembang, pengangkutan bersih menjadi arus perdana, dan penggunaan kenderaan elektrik (EV) semakin meningkat. China, Korea, 马来西亚 dan banyak negara lain melabur besar untuk memperbaiki keadaan yang tercipta pada dekad-dekad awal perindustrian tanpa kawalan. Dalam logistik, kita mula melihat pengoptimuman laluan, pengurusan inventori berasaskan data, dan armada yang lebih cekap menggantikan amalan lama yang membazir.

Hari ini, banyak bandar jauh lebih bersih berbanding tiga dekad lalu. Dalam operasi logistik pula, pembaziran sudah dapat dikurangkan melalui perancangan yang lebih baik.

Kemajuan itu perlu mengingatkan kita akan satu perkara penting: kerosakan alam sekitar bukanlah sesuatu yang tidak boleh dielakkan, tetapi mencegahnya pada peringkat awal jauh lebih mudah berbanding membaikinya kemudian.

Itulah sebabnya saya semakin bimbang tentang cara Kecerdasan Buatan (AI) dibangunkan dan digunakan. 模型 besar sering diproses untuk tugas mudah, inferens diulang tanpa keperluan, dan sistem dibina tanpa penghalaan, segmentasi atau pemprosesan deterministik yang betul. Di sebalik setiap permintaan AI terdapat GPU, pelayan, elektrik, sistem penyejukan, air dan infrastruktur fizikal. AI kelihatan digital, tetapi jejak alam sekitarnya amat nyata. Dalam konteks logistik, ini sama dengan menghantar lori besar untuk mengangkut beberapa kotak kecil, atau menyelenggara gudang sejuk yang hampir kosong.

Masalahnya bukan pada AI. Masalahnya ialah penggunaan AI tanpa disiplin. Kita memperbaiki logistik selama beberapa dekad dengan mengurangkan lori kosong, pembaziran bahan api dan stok tidak perlu. Kita tidak seharusnya mengulangi kesilapan yang sama dengan AI. Di NeuralOps, prinsip kami mudah: gunakan AI canggih hanya apabila kecerdasan canggih benar-benar diperlukan. 智能路由, model khusus, sistem terpisah (detached) dan pemprosesan deterministik dapat mengurangkan pengkomputeran tidak perlu tanpa menjejaskan keupayaan. Bina lebih banyak kecerdasan. Kurangkan pengkomputan tidak perlu. Reka bentuk secara bertanggungjawab dari awal.