که دست خود هوش مصنوعی (AI) دارای پتانسیل حل برخی از سخت‌ترین مشکلات پیش روی بشر، از جمله چالش‌های تغییرات آب و هوایی است. اما در عین حال، این فناوری - به ویژه هوش مصنوعی مولد - از مقدار زیادی قدرت محاسباتی و در نتیجه مقدار زیادی انرژی استفاده می کند. این یک مشکل است، و مشکلی که فقط در حال رشد است.
مقدار توان محاسباتی مورد نیاز برای مدل‌های پیشرفته هوش مصنوعی هر پنج یا شش ماه دو برابر می‌شود، و منطقی است تصور کنیم که با افزایش تقاضا برای فناوری، به افزایش آن ادامه دهد. مراکز داده در حال حاضر تا 1.5 درصد از عرضه برق جهان را مصرف می کنند و مصرف انرژی مسئول حدود 75 درصد از انتشار گازهای گلخانه ای ساخته دست بشر در اتحادیه اروپا است.
تحقیقات اخیر گارتنر پیش‌بینی می‌کند که «تا سال 2030، هوش مصنوعی می‌تواند به کاهش انتشار گازهای گلخانه‌ای جهانی بین 5 تا 10 درصد کمک کند». با این حال، در همان سال، گارتنر پیش بینی کرد که "هوش مصنوعی می تواند تا 3.5٪ از برق جهان را مصرف کند".
صنعت فناوری با یک چالش واضح مواجه است: یافتن راه‌حل‌هایی برای محدود کردن نیازهای انرژی هوش مصنوعی و در نتیجه باز کردن پتانسیل کامل فناوری برای کمک به نسل بشر.
هوش مصنوعی چگونه انرژی مصرف می کند
توان مورد نیاز هوش مصنوعی به دو عامل بستگی دارد: انرژی زمانی که مدل‌ها آموزش داده می‌شوند مصرف می‌شود و در طول استنتاج، جایی که داده‌های زنده از طریق یک مدل هوش مصنوعی آموزش‌دیده برای حل وظایف اجرا می‌شوند. تحقیقات منتشر شده در ژورنال Joule نشان می‌دهد که استنتاج می‌تواند حداقل 60 درصد از مصرف انرژی هوش مصنوعی مولد را تشکیل دهد و گفت ن قابلیت‌های هوش مصنوعی به جستجوهای وب می‌تواند تقاضای انرژی را ده برابر کند. همچنین هنگام درگیر شدن با یک مدل تولیدی در مقایسه با یک موتور جستجو، به دلیل گفتگوهای رفت و برگشتی که کاربران تلاش می کنند به نتیجه دلخواه خود برسند، حجم درخواست ها افزایش می یابد.
مدیر EMEA، HPC و AI در Lenovo Infrastructure Solutions Group (ISG).
از آنجایی که موارد استفاده جدید برای هوش مصنوعی مولد در مورد متن، تصاویر و ویدیو ظاهر می شود، همچنین شاهد افزایش در مدل های بزرگی هستیم که به صورت روزانه آموزش داده می شوند، بازآموزی می شوند و تنظیم دقیق می شوند. کلاس اخیر مدل‌های هوش مصنوعی مولد به بیش از 200 برابر افزایش قدرت محاسباتی برای آموزش نسبت به نسل‌های قبلی نیاز دارد. هر نسل جدید از مدل ها به قدرت محاسباتی بیشتری برای استنتاج و انرژی بیشتری برای آموزش نیاز دارد. این یک چرخه ثابت است که به طور مداوم تقاضا را به زیرساخت های مورد نیاز اضافه می کند.
از نظر سخت افزاری، واحدهای پردازش گرافیکی ( GPU ) مورد استفاده برای هوش مصنوعی می توانند چندین برابر انرژی یک سیستم CPU سنتی مصرف کنند. پردازنده‌های گرافیکی امروزی می‌توانند تا 700 وات مصرف کنند، و یک نصب متوسط به 8 واحد پردازش گرافیکی برای هر سرور نیاز دارد. این بدان معناست که یک سرور می تواند نزدیک به شش کیلووات مصرف کند، در مقایسه با یک کیلووات برای واحد سرور دو سوکت سنتی که شرکت ها برای مجازی سازی استفاده می کنند. پس ، سوال بزرگ این است که چگونه می توانیم این را پایدارتر کنیم؟
یافتن پاسخ
اولین قدم این است که درک کنیم که پایداری یک سفر است: هیچ اقدام منحصر به فردی وجود ندارد که بتواند آن را در مورد هوش مصنوعی «رفع» کند. اما قدم های کوچک می توانند تفاوت بزرگی ایجاد کنند. صنعت محاسبات پیامی با صدای بلند و واضح برای ایجاد محصولات بهتری که از منابع کمتری استفاده می کنند ارسال می شود. این فراخوان از سوی مصرف کنندگان و سرمایه گذاران و همچنین به طور فزاینده ای از سوی دولت ها می آید. بهره وری انرژی در آینده یک الزام قانونی برای سازمان ها در فضای هوش مصنوعی خواهد بود. اصلاحات اخیر قانون هوش مصنوعی اتحادیه اروپا، اپراتورها را موظف می کند که روش های پیشرفته ای را برای کاهش مصرف انرژی و افزایش کارایی پلت فرم های هوش مصنوعی خود اتخاذ کنند.
این را می توان به سه روش فنی خاص به دست آورد: اول در تراشه های مورد استفاده برای تولید توان محاسباتی، دوم در رایانه های ساخته شده برای آن تراشه ها، و سوم در مرکز داده. پایداری به طور فزاینده ای در حال تبدیل شدن به یک تمایز رقابتی هم برای سازندگان تراشه و هم برای سازندگان رایانه شخصی است و با تلاش شرکت ها برای دستیابی به اهداف ESG بیشتر خواهد شد. بر اساس تحقیقات انجام شده در مجله Nature، در دهه‌های آینده، پیشرفت‌های جدیدی مانند تراشه‌های آنالوگ می‌تواند جایگزینی با انرژی کارآمد و مناسب برای شبکه‌های عصبی باشد.
در مرکز داده، فن‌آوری‌های قدیمی‌تر خنک‌کننده هوا در حال حاضر برای مقابله با نیازهای انرژی بالای هوش مصنوعی تلاش می‌کنند و مشتریان برای به حداقل رساندن مصرف انرژی به خنک‌کننده مایع روی می‌آورند. با انتقال موثر گرمای تولید شده توسط هوش مصنوعی به آب، مشتریان می توانند تا 30 تا 40 درصد در مصرف برق صرفه جویی کنند. مراکز داده که توسط منابع انرژی تجدیدپذیر هدایت می شوند، کلید کاهش ردپای کربن هوش مصنوعی خواهند بود. رویکردهای «به‌عنوان یک سرویس» به فناوری هوش مصنوعی همچنین می‌تواند به به حداقل رساندن ضایعات کمک کند و اطمینان حاصل کند که سازمان‌ها از جدیدترین و پایدارترین سخت‌افزار استفاده می‌کنند، بدون سرمایه اولیه.
هوش مصنوعی برای همیشه
یک مبادله در مورد هوش مصنوعی و نیازهای انرژی آن وجود دارد که باید مورد بحث قرار گیرد. برخی از هوش مصنوعی به نفع نوع بشر استفاده می کنند، مثلاً با بهبود پزشکی یا مقابله با تغییرات آب و هوایی، در حالی که برخی دیگر از آن برای تولید سرگرمی استفاده می کنند. این سؤالاتی را در مورد اینکه آیا ما باید به آن نیازهای مختلف انرژی به گونه ای متفاوت نگاه کنیم، ایجاد می کند.
مسلم است که هوش مصنوعی پتانسیل بسیار زیادی برای انجام کارهای خوب دارد و در حال حاضر در بسیاری از زمینه‌ها تأثیر گذاشته است. ده‌ها نمونه وجود دارد که چگونه هوش مصنوعی پتانسیل کاهش اثرات تغییرات آب و هوایی را دارد، با اشاره به سازمان ملل که نه تنها به پیش‌بینی و درک بهتر آب‌وهوای شدید کمک می‌کند، بلکه به جوامعی که تحت تأثیر این وضعیت قرار گرفته‌اند نیز کمک مستقیم می‌کند.
علاوه بر این، هوش مصنوعی می تواند درک جدیدی از دنیای اطراف ما ارائه دهد که به نوبه خود می تواند به مهار انتشار گازهای گلخانه ای کمک کند. در شهرهای هوشمند، با صرفه جویی در چند دقیقه یا ساعت در گرمایش و تهویه مطبوع در مقیاس شهر، با یادگیری عادات مردم و خاموش کردن تدریجی سیستم گرمایش یا تهویه مطبوع در یک ساعت قبل از خروج از خانه، امکان به حداقل رساندن انتشار گازهای گلخانه ای وجود دارد. این فناوری همچنین می تواند ترافیک را در سطح شهر تنظیم کند، به طوری که وسایل نقلیه به طور موثر رانندگی کنند و از ترافیک جلوگیری شود. استارت‌آپ نروژی Oceanbox.io در مأموریت خود برای درک اعماق اقیانوس‌ها از هوش مصنوعی پیش‌بینی‌کننده استفاده می‌کند و حرکت جریان‌هایی را پیش‌بینی می‌کند که می‌تواند به مبارزه با گسترش آلودگی و کمک به کشتی‌ها برای کاهش مصرف بنزین کمک کند.
سهم هوش مصنوعی در دنیای صفر خالص
هیچ شکی وجود ندارد که هوش مصنوعی از قدرت زیادی استفاده می کند، اما ما می توانیم گام به گام با این موضوع مقابله کنیم - با استفاده از خنک کننده آب گرم به جای خنک کننده هوا، استفاده از منابع انرژی تجدیدپذیر برای هدایت مراکز داده، و از طریق نوآوری در طراحی تراشه و کامپیوتر.
از بسیاری جهات، هوش مصنوعی همچنین می‌تواند چیزهای مثبتی برای بشریت ارائه دهد و به نیرویی قدرتمند برای سوق دادن جهان به سمت اهداف توسعه پایدار سازمان ملل تبدیل شود. این پتانسیل به ما کمک می کند تا علل تغییرات آب و هوایی را بهتر درک کنیم و با آن مقابله کنیم، نابرابری را کاهش دهیم و اقیانوس ها و جنگل های خود را حفظ کنیم. با استفاده مسئولانه، هوش مصنوعی می تواند با اهداف پایداری همراه شود. همانطور که جهان گرد هم می آید تا به سمت صفر خالص حرکت کند، هوش مصنوعی به طور فزاینده ای نقش مهمی ایفا خواهد کرد.
ما بهترین سازندگان وب سایت هوش مصنوعی را فهرست کرده ایم .
این مقاله به عنوان بخشی از کانال Expert Insights TechRadarPro تهیه شده است که در آن بهترین و باهوش ترین ذهن ها در صنعت فناوری امروز را معرفی می کنیم. نظرات بیان شده در اینجا نظرات نویسنده است و لزوماً نظرات TechRadarPro یا Future plc نیست. اگر علاقه مند به مشارکت هستید، اطلاعات بیشتری را در اینجا بیابید: https://www.techradar.com/news/submit-your-story-to-techradar-pro
ارسال نظر