Czy sztuczna inteligencja jest kolejnym dużym zagrożeniem związanym ze zmianą klimatu? Nie mamy pojęcia

Centrum danych Dziekan Mouhtaropoulos | Getty

Na niedawnej konferencji w San Francisco Gary Dickerson wszedł na scenę i wypowiedział śmiałą przepowiednię. Dyrektor naczelny firmy Applied Materials, która jest dużym dostawcą dla branży półprzewodników, ostrzegł, że przy braku znaczących innowacji w zakresie materiałów, produkcji i projektowania chipów obciążenia związane z SI w centrach danych mogą odpowiadać za jedną dziesiątą światowego zużycia energii elektrycznej do 2025 r. .

Obecnie miliony centrów danych na całym świecie pochłaniają nieco mniej niż 2% — a te statystyki obejmują wszelkiego rodzaju obciążenia obsługiwane przez ich ogromne macierze serwerów. Firma Applied Materials szacuje, że serwery obsługujące sztuczną inteligencję odpowiadają obecnie za zaledwie 0,1% globalnego zużycia energii elektrycznej.

Inni dyrektorzy technologiczni również biją na alarm. Anders Andrae z Huawei uważa, że ​​centra danych mogą do 2025 r. zużywać jedną dziesiątą energii elektrycznej na świecie. chociaż jego szacunki obejmują wszystkie ich zastosowania, nie tylko AI .

Jonathan Koomey, specjalny doradca starszego naukowca Instytut Gór Skalistych , jest bardziej optymistyczny. Oczekuje, że zużycie energii w centrach danych pozostanie stosunkowo płaskie w ciągu najbliższych kilku lat, pomimo gwałtownego wzrostu aktywności związanej z AI.

Te szeroko rozbieżne prognozy podkreślają niepewność dotyczącą wpływu sztucznej inteligencji na przyszłość obliczeń na dużą skalę i ostateczne konsekwencje dla zapotrzebowania na energię.

Większe zdjęcia

AI z pewnością jest żądna władzy. Trenowanie i uruchamianie takich rzeczy, jak modele głębokiego uczenia się, wiąże się z przetwarzaniem ogromnych ilości danych, co obciąża pamięć i procesory. Badanie przeprowadzone przez grupę badawczą OpenAI mówi, że ilość mocy obliczeniowej potrzebne do sterowania dużymi modelami AI już podwaja się co trzy i pół miesiąca.

Prognoza Applied Materials sama w sobie jest najgorszym scenariuszem mającym na celu podkreślenie tego, co może się zdarzyć w przypadku braku nowego sposobu myślenia o sprzęcie i oprogramowaniu. Sundeep Bajikar, szef strategii korporacyjnej i wywiadu rynkowego firmy, mówi, że zakłada, że ​​z biegiem czasu nastąpi zmiana w zestawieniu informacji wykorzystywanych do trenowania modeli sztucznej inteligencji, przy czym filmy i inne obrazy będą stanowić rosnący procent całości w stosunku do informacje tekstowe i dźwiękowe. Dane wizualne są bardziej intensywne obliczeniowo i dlatego wymagają więcej energii.

Pojawi się również więcej informacji dla modeli, które będą chrupać dzięki pojawieniu się takich rzeczy, jak pojazdy autonomiczne i czujniki wbudowane w inne inteligentne urządzenia. A upowszechnienie się superszybkiej łączności bezprzewodowej 5G jeszcze bardziej ułatwi przesyłanie danych do iz centrów danych.

Bajikar mówi, że te i inne trendy podkreślają pilną potrzebę tego, co jego firma nazywa nowym podręcznikiem w zakresie materiałów i produkcji w erze sztucznej inteligencji. Niektórzy badacze uważają, że pragnienie mocy AI może stać się nawet poważnym problemem środowiskowym: zespół z University of Massachusetts w Amherst opublikował niedawno badanie pokazujące, że trenowanie kilku popularnych i dużych modeli AI powoduje prawie pięciokrotność emisji w całym okresie życia przeciętnego Amerykanina samochód.

Obstawianie na podstawach

Jednak pesymistyczne prognozy ignorują kilka ważnych wydarzeń, które mogą ograniczyć przejmowanie władzy przez sztuczną inteligencję. Jednym z nich jest powstanie hiperskalowych centrów danych, których pionierami są firmy takie jak Facebook i Amazon.

Korzystają one z szerokiej gamy podstawowych serwerów dostosowanych do określonych zadań. Maszyny są bardziej energooszczędne niż serwery w konwencjonalnych centrach, które muszą żonglować szerszym zakresem funkcji. Trwające przejście na hiperskalowanie, wraz z postępami w zakresie chłodzenia i innych technologii, jest głównym powodem, dla którego zużycie energii w nowych centrach danych zostało w zasadzie zniwelowane przez poprawę wydajności w ciągu ostatnich kilku lat.

Pomogą również nowe rodzaje mikroczipów. Prognoza Applied Materials zakłada, że ​​obciążenia sztucznej inteligencji będą nadal działać na istniejącym sprzęcie, którego wydajność będzie się stopniowo poprawiać w ciągu najbliższych kilku lat. Jednak wiele start-upów, a także dużych firm, takich jak Intel i AMD, opracowuje półprzewodniki, które wykorzystują technologie, takie jak fotonika, do zasilania sieci neuronowych i innych narzędzi AI zużywających znacznie mniej energii.

Koomey mówi, że alarmistyczne prognozy ignorują również fakt, że w przypadku niektórych rodzajów zadań AI, takich jak rozpoznawanie wzorców, przybliżone dane wyjściowe z modeli są wystarczające. Oznacza to, że energia nie musi być wydatkowana na obliczanie wyników z dokładnością do setek miejsc po przecinku.

Jak na ironię, największym sprawdzianem zużycia energii przez sztuczną inteligencję może być sama sztuczna inteligencja. Google już wykorzystuje technologię opracowaną przez firmę DeepMind, którą przejęła w 2014 roku, do wydajniejszego chłodzenia swoich centrów danych. Sztuczna inteligencja już pomogła firmie obniżyć rachunki za chłodzenie o 40%, wydając zalecenia dla operatorów; teraz skutecznie samodzielnie obsługuje systemy chłodzenia w centrach.

Sztuczna inteligencja będzie wykorzystywana również do optymalizacji innych aspektów działania centrów danych. I, podobnie jak zwycięstwo Google'a, przyniesie to korzyści wszystkim rodzajom obciążeń. Nie oznacza to, że centra danych nie będą zużywać znacznie więcej energii z powodu rosnącego zapotrzebowania na sztuczną inteligencję, ale jest to kolejny powód, dla którego tworzenie tutaj prognoz jest tak cholernie trudne.

ukryć