Ar AI yra kita didelė klimato kaitos grėsmė? Mes neturime supratimo

Duomenų centras Dekanas Mouhtaropoulosas | Getty

Neseniai San Franciske vykusioje konferencijoje Gary'is Dickersonas užlipo į sceną ir padarė drąsią prognozę. „Applied Materials“, kuri yra didelė puslaidininkių pramonės tiekėja, vadovas perspėjo, kad nesant reikšmingų naujovių medžiagų, lustų gamybos ir dizaino srityse, duomenų centrų dirbtinio intelekto darbo krūvis iki 2025 m. gali sudaryti dešimtadalį pasaulyje suvartojamos elektros energijos. .

Šiandien milijonai duomenų centrų visame pasaulyje sunaudoja šiek tiek mažiau nei 2 %, o ši statistika apima visų rūšių darbo krūvius, atliekamus didžiuliuose serverių masyvuose. „Applied Materials“ apskaičiavo, kad serveriai, kuriuose veikia dirbtinis intelektas, šiuo metu sunaudoja tik 0,1 % viso pasaulio elektros energijos.

Kiti technologijų vadovai taip pat skambina pavojaus signalu. Andersas Andrae iš „Huawei“ mano, kad iki 2025 m. duomenų centrai gali sunaudoti dešimtadalį pasaulio elektros energijos. nors jo sąmata apima visą jų naudojimą, ne tik AI .

Jonathanas Koomey, specialusis vyresniojo mokslininko patarėjas Rocky Mountain institutas , yra sangviniškesnis. Jis tikisi, kad duomenų centrų energijos suvartojimas per ateinančius kelerius metus išliks palyginti nepakitęs, nepaisant su AI susijusios veiklos šuolio.

Šios labai skirtingos prognozės pabrėžia netikrumą, susijusį su AI poveikiu didelio masto skaičiavimo ateičiai ir galutiniu poveikiu energijos paklausai.

Didesnės nuotraukos

AI tikrai yra alkanas energijos. Mokant ir naudojant tokius dalykus, kaip gilaus mokymosi modeliai, reikia kaupti didžiulius duomenų kiekius, o tai apmokestina atmintį ir procesorius. Tyrimų grupės OpenAI tyrimas teigia, kad skaičiavimo galios suma reikalingi dideliems AI modeliams vairuoti jau padvigubėja kas tris su puse mėnesio.

„Applied Materials“ prognozė, kaip ji pati pripažįsta, yra blogiausias scenarijus, skirtas pabrėžti, kas gali nutikti, jei nebūtų naujo mąstymo apie aparatinę ir programinę įrangą. Sundeep Bajikar, bendrovės įmonės strategijos ir rinkos žvalgybos vadovas, teigia, kad laikui bėgant pasikeis informacijos, naudojamos mokant dirbtinio intelekto modelius, derinys, o vaizdo įrašai ir kiti vaizdai sudaro vis didesnį procentą, palyginti su teksto ir garso informacija. Vizualiniams duomenims reikia daugiau skaičiavimo, todėl jiems reikia daugiau energijos.

Taip pat bus daugiau informacijos apie modelius, kurie bus naudojami dėl to, kad daugėja autonominių transporto priemonių ir kituose išmaniuosiuose įrenginiuose įtaisytų jutiklių. Be to, itin spartus 5G belaidis ryšys dar labiau palengvins duomenų perkėlimą į duomenų centrus ir iš jų.

Bajikaras sako, kad šios ir kitos tendencijos pabrėžia, kad skubiai reikia, ką jo įmonė vadina nauju AI eros medžiagų ir gamybos žaidimu. Kai kurie tyrinėtojai mano, kad dirbtinio intelekto galios troškimas netgi gali tapti dideliu aplinkosaugos galvos skausmu: Masačusetso universiteto Amherste komanda neseniai paskelbė tyrimą, rodantį, kad kelių populiarių ir didelių dirbtinio intelekto modelių mokymas išmeta beveik penkis kartus daugiau nei vidutinis amerikietis. automobilis.

Lažybos dėl pagrindų

Tačiau pesimistinėse prognozėse neatsižvelgiama į keletą svarbių įvykių, galinčių apriboti AI galią. Vienas iš jų yra didelio masto duomenų centrų, kurių pradininkės yra tokios kompanijos kaip „Facebook“ ir „Amazon“, atsiradimas.

Jie naudoja daugybę pagrindinių serverių, pritaikytų konkrečioms užduotims atlikti. Mašinos taupo energiją nei serveriai įprastuose centruose, kurie turi žongliruoti įvairesnėmis funkcijomis. Nuolatinis perėjimas prie didelio masto, taip pat aušinimo ir kitų technologijų pažanga yra didelė priežastis, dėl kurios per pastaruosius kelerius metus naujų duomenų centrų energijos suvartojimas iš esmės buvo panaikintas dėl efektyvumo pagerėjimo.

Taip pat padės naujos rūšies mikroschemos. Taikomųjų medžiagų prognozėje daroma prielaida, kad dirbtinio intelekto darbo krūviai ir toliau bus vykdomi naudojant esamą aparatinę įrangą, kurios efektyvumas palaipsniui gerės per ateinančius kelerius metus. Tačiau daugybė naujų įmonių, taip pat didelės įmonės, tokios kaip „Intel“ ir AMD, kuria puslaidininkius, kurie naudoja tokias technologijas kaip fotonika, kad galėtų maitinti neuroninius tinklus ir kitus dirbtinio intelekto įrankius, naudojančius daug mažiau energijos.

Koomey teigia, kad nerimą keliančiose projekcijose taip pat neatsižvelgiama į tai, kad kai kurioms AI užduotims, pvz., modelio atpažinimui, pakanka apytikslių modelių išvesties. Tai reiškia, kad nereikia eikvoti energijos skaičiuojant rezultatus šimtų skaičių po kablelio tikslumu.

Ironiška, bet didžiausias AI energijos suvartojimo patikrinimas iš tikrųjų gali būti pats AI. „Google“ jau naudoja 2014 m. įsigytos bendrovės „DeepMind“ sukurtą technologiją, kad efektyviau vėsintų savo duomenų centrus. Dirbtinis intelektas jau padėjo įmonei sumažinti aušinimo sąskaitą 40%, pateikdamas rekomendacijas žmonėms; dabar jis pats efektyviai valdo aušinimo sistemas centruose.

AI bus naudojamas ir kitiems duomenų centrų veiklos aspektams optimizuoti. Ir, kaip ir „Google“ laimėjimas, tai bus naudinga įvairiems darbo krūviams. Tai nereiškia, kad duomenų centrai nepasinaudos žymiai daugiau energijos dėl augančios AI burtininkų paklausos, tačiau tai dar viena priežastis, kodėl prognozuoti čia taip sunku.

paslėpti