Η εταιρείες που ασχολούνται με την τεχνητή νοημοσύνη αγωνίζονται για να βρουν τρόπο να μειώσουν τις τεράστιες απαιτήσεις σε ενέργεια, που απαιτούνται για την λειτουργία των μοντέλων τους. Αυτό προσπαθούν να το κάνουν μέσω καλύτερων συστημάτων ψύξης, πιο αποδοτικών chips και πιο έξυπνων υλοποιήσεων σε θέματα software, όμως η ίδια η τεχνητή νοημοσύνη χρησιμοποιείται όλο και περισσότερο και πλέον η διαθέσιμη ενέργεια δεν φτάνει.

Η τεχνητή νοημοσύνη εξαρτάται εξ ολοκλήρου από τα data centers, που εκτιμάται πως θα καταναλώνουν το 3% της παγκόσμιας παραγωγής ηλεκτρικής ενέργειας, μέχρι το 2030, σύμφωνα με τον Διεθνή Οργανισμό Ενέργειας. Αυτό είναι το διπλάσιο από αυτό που χρησιμοποιούν σήμερα.

Οι ειδικοί της αμερικανικής συμβουλευτικής εταιρείας McKinsey, περιγράφουν την κατάσταση σαν αγώνα δρόμου για την κατασκευή αρκετών data centers, ώστε να μην μείνουν οι εταιρείες πίσω στην ραγδαία ανάπτυξη της τεχνητής νοημοσύνης. Όμως αυτή η μανία με την δημιουργία όλο και περισσότερων data centers, έχει τεράστιο ενεργειακό κόστος για τον πλανήτη.

«Υπάρχουν διάφοροι τρόποι για να λυθεί το πρόβλημα», εξήγησε ο Mosharaf Chowdhury, καθηγητής πληροφορικής στο Πανεπιστήμιο του Μίσιγκαν.

Οι εταιρίες θα πρέπει να δημιουργήσουν περισσότερο πράσινο ενεργειακό εφοδιασμό, κάτι που όμως απαιτεί χρόνο και χρήμα. Αλλιώς θα πρέπει να βρουν τρόπο να καταναλώνουν λιγότερη ενέργεια για την ίδια υπολογιστική ισχύ. Αυτό σημαίνει πως θα πρέπει να γίνουν αλλαγές τόσο στο hardware, όσο και στον κώδικα της τεχνητής νοημοσύνης.

Για παράδειγμα, το εργαστήριό του έχει αναπτύξει αλγόριθμους που υπολογίζουν ακριβώς πόση ηλεκτρική ενέργεια χρειάζεται κάθε τσιπ τεχνητής νοημοσύνης, μειώνοντας την κατανάλωση ενέργειας κατά 20-30%.

Τα κέντρα δεδομένων αναμένεται να αποτελούν το 3% του παγκόσμιου ενεργειακού προϋπολογισμού έως το 2030. (4X-image/Getty Images Signature/Canva)

Τα Data Centers απαιτούν τεράστια ποσά ενέργειας. Από την ψύξη των συστημάτων και τις άλλες υποδομές, μέχρι τα μηχανήματα που το απαρτίζουν, η δίψα για ενέργεια δεν έχει όρια. Πραγματικά, ένα data center τεχνητής νοημοσύνης, χρειάζεται όσο ενέργεια χρειάζεται μια μικρή πόλη για να λειτουργήσει επαρκώς.

Πλέον, πολλά data centers χρησιμοποιούν αισθητήρες για τον έλεγχο θερμοκρασίας σε συγκεκριμένες ζώνες, αντί να ψύχουν ομοιόμορφα όλο το κτήριο. Αυτό τους επιτρέπει να βελτιστοποιούν τη χρήση νερού και ηλεκτρικής ενέργειας σε πραγματικό χρόνο, σύμφωνα με τον Pankaj Sachdeva της McKinsey.

Για άλλους, η λύση είναι στην υδρόψυξη, που αντικαθιστά τα ενεργοβόρα κλιματιστικά, με ένα υγρό που κυκλοφορεί απευθείας στα μηχανήματα, όπως ακριβώς και στους υπολογιστές μας. Βέβαια, το σύστημα που κρατάει αυτό το νερό κρύο και αυτό έχει μεγάλες απαιτήσεις σε ενέργεια.

Το πρόβλημα είναι πως τα σύγχρονα chips τεχνητής νοημοσύνης, καταναλώνουν 100 φορές περισσότερη ενέργεια από ότι χρειαζόντουσαν οι servers πριν από δύο δεκαετίες.

Η AWS, η κορυφαία παγκοσμίως επιχείρηση cloud computing της Amazon, δήλωσε την περασμένη εβδομάδα ότι ανέπτυξε τη δική της μέθοδο υγρών για την ψύξη των GPU της Nvidia στους διακομιστές της, αποφεύγοντας την ανάγκη ανακατασκευής των υπαρχόντων κέντρων δεδομένων.

«Απλώς δεν θα υπήρχε αρκετή χωρητικότητα υγρής ψύξης για να υποστηρίξει την κλίμακα μας», δήλωσε σε βίντεο στο YouTube ο Ντέιβ Μπράουν, αντιπρόεδρος υπηρεσιών πληροφορικής και μηχανικής μάθησης στην AWS.

Η Κίνα, λόγω των περιορισμών που είχε μέχρι σήμερα στην απόκτηση chips τεχνητής νοημοσύνης από την Nvidia, έχει ρίξει όλο το βάρος, στο να κάνει πιο αποδοτικά τα μοντέλα της, ώστε να μην χρειάζονται τόσο υψηλές επιδόσεις.

Έρευνα του Yi Ding του Πανεπιστημίου Purdue έδειξε ότι τα τσιπ τεχνητής νοημοσύνης μπορούν να διαρκέσουν περισσότερο χωρίς να χάσουν την απόδοσή τους. Αυτό μπορεί να επιτευχθεί με την καλύτερη ανάπτυξη του software.

«Αλλά είναι δύσκολο να πείσεις τις εταιρείες ημιαγωγών να βγάζουν λιγότερα χρήματα» ενθαρρύνοντας τους πελάτες να συνεχίσουν να χρησιμοποιούν τον ίδιο εξοπλισμό για μεγαλύτερο χρονικό διάστημα, πρόσθεσε ο Ding.

Ο Ding πιστεύει πως ότι και να κάνουν οι εταιρείες, «Η κατανάλωση ενέργειας θα συνεχίσει να αυξάνεται», παρά τις προσπάθειες περιορισμού. «Αλλά ίσως όχι τόσο γρήγορα».

Τον Ιανουάριο, η κινεζική νεοσύστατη εταιρεία DeepSeek παρουσίασε ένα μοντέλο τεχνητής νοημοσύνης που είχε την ίδια απόδοση με τα κορυφαία αμερικανικά συστήματα, παρά το γεγονός ότι χρησιμοποιούσε λιγότερο ισχυρά τσιπ – και κατ’ επέκταση, λιγότερη ενέργεια. Οι μηχανικοί της DeepSeek το πέτυχαν αυτό προγραμματίζοντας τις GPU τους με μεγαλύτερη ακρίβεια και παρακάμπτοντας ένα ενεργοβόρο βήμα εκπαίδευσης που προηγουμένως θεωρούνταν απαραίτητο.

Όμως, από την ανακοίνωση του DeepSeek, οι ΗΠΑ ρίχνουν ακόμα παραπάνω χρήματα σε data centers, ώστε να μη χάσουν τη μάχη της τεχνητής νοημοσύνης. Φυσικά, όλα αυτά έχουν μεγάλο αντίκτυπο και στο περιβάλλον. Μπορεί να καταστρέφουμε τον πλανήτη, αλλά τουλάχιστον μπορούμε να φτιάχνουμε Chibi style εικόνες για τα Social Media και βιντεάκια από τους εργάτες της αρχαίας Αιγύπτου που χτίζουν τις πυραμίδες.

Ακολουθήστε το Techmaniacs.gr στο Google News για να διαβάζετε πρώτοι όλα τα τεχνολογικά νέα. Ένας ακόμα τρόπος να μαθαίνετε τα πάντα πρώτοι είναι να προσθέσετε το Techmaniacs.gr στον RSS feeder σας χρησιμοποιώντας τον σύνδεσμο: https://techmaniacs.gr/feed/.

ΑΦΗΣΤΕ ΜΙΑ ΑΠΑΝΤΗΣΗ

Please enter your comment!
Please enter your name here

This site uses Akismet to reduce spam. Learn how your comment data is processed.