Vai AI ir nākamais lielais klimata pārmaiņu drauds? Mums nav ne jausmas

Datu centrs Dekāns Mouhtaropoulos | Getty

Nesenajā konferencē Sanfrancisko Gerijs Dikersons kāpa uz skatuves un izteica drosmīgu prognozi. Uzņēmuma Applied Materials izpilddirektors, kas ir liels pusvadītāju nozares piegādātājs, brīdināja, ka, ja nebūs būtisku inovāciju materiālos, mikroshēmu ražošanā un projektēšanā, datu centru mākslīgā intelekta darba slodze līdz 2025. gadam varētu veidot desmito daļu no pasaules elektroenerģijas patēriņa. .

Mūsdienās miljoniem datu centru visā pasaulē aizņem nedaudz mazāk par 2%, un šī statistika ietver visa veida darba slodzi, kas tiek apstrādāta to plašajos serveru masīvos. Applied Materials lēš, ka serveri, kuros darbojas AI, pašlaik veido tikai 0,1% no globālā elektroenerģijas patēriņa.

Arī citi tehnoloģiju vadītāji izsauc trauksmi. Anders Andrae no Huawei domā, ka datu centri līdz 2025. gadam varētu patērēt desmito daļu no visas pasaules elektroenerģijas. lai gan viņa aplēse aptver visus to lietojumus, ne tikai AI .

Džonatans Kūmijs, vecākā zinātnieka īpašais padomnieks Rocky Mountain institūts , ir stingrāks. Viņš sagaida, ka datu centru enerģijas patēriņš turpmākajos dažos gados saglabāsies relatīvi nemainīgs, neskatoties uz ar AI saistītās aktivitātes pieaugumu.

Šīs ļoti atšķirīgās prognozes izceļ neskaidrību par AI ietekmi uz liela mēroga skaitļošanas nākotni un galīgo ietekmi uz enerģijas pieprasījumu.

Lielākas bildes

AI noteikti ir enerģijas izsalcis. Apmācība un darbība, piemēram, padziļinātas apmācības modeļi, ietver milzīgu datu apjomu iznīcināšanu, kas apliek ar nodokli atmiņu un procesorus. Pētījumu grupa OpenAI saka, ka skaitļošanas jaudas apjoms nepieciešams, lai vadītu lielus AI modeļus jau dubultojas ik pēc trīsarpus mēnešiem.

Lietišķo materiālu prognoze, pēc paša atzīšanas, ir sliktākā gadījuma scenārijs, kas paredzēts, lai uzsvērtu to, kas varētu notikt, ja aparatūras un programmatūras jomā nebūtu jaunas domāšanas. Sundeep Bajikar, uzņēmuma korporatīvās stratēģijas un tirgus izlūkošanas vadītājs, saka, ka tas pieņem, ka laika gaitā mainīsies informācijas klāsts, kas tiek izmantots AI modeļu apmācībai, un video un citi attēli veidos pieaugošo procentuālo daļu no kopējā apjoma, salīdzinot ar teksta un audio informācija. Vizuālie dati ir skaitļošanas ziņā intensīvāki, un tāpēc tiem ir nepieciešams vairāk enerģijas.

Būs arī vairāk informācijas, lai modeļi varētu darboties, pateicoties tādu lietu skaita pieaugumam kā autonomie transportlīdzekļi un citās viedierīcēs iebūvētie sensori. Un īpaši ātra 5G bezvadu savienojamības izplatība padarīs vēl vienkāršāku datu pārsūtīšanu uz datu centriem un no tiem.

Bajikar saka, ka šīs un citas tendences uzsver steidzamo nepieciešamību pēc tā, ko viņa uzņēmums sauc par jaunu materiālu un ražošanas rokasgrāmatu AI laikmetam. Daži pētnieki domā, ka mākslīgā intelekta slāpes pēc spēka pat varētu kļūt par nopietnām galvassāpēm vides jomā: Masačūsetsas Universitātes Amherstas komanda nesen publicēja pētījumu, kurā parādīts, ka vairāku populāru un lielu AI modeļu apmācība rada gandrīz piecas reizes vairāk emisiju nekā vidējais amerikānis. auto.

Derības uz pamatiem

Taču pesimistiskās prognozēs netiek ņemti vērā vairāki svarīgi notikumi, kas varētu ierobežot AI jaudas sagrābšanu. Viens no tiem ir hipermēroga datu centru pieaugums, kuru aizsācēji ir tādi uzņēmumi kā Facebook un Amazon.

Tie izmanto plašu pamata serveru klāstu, kas pielāgots konkrētiem uzdevumiem. Iekārtas ir energoefektīvākas nekā serveri tradicionālajos centros, kuriem ir jāžonglē ar plašāku funkciju klāstu. Notiekošā pāreja uz hipermērogu, kā arī dzesēšanas un citu tehnoloģiju attīstība ir liels iemesls, kāpēc jauno datu centru enerģijas patēriņš būtībā ir samazinājies efektivitātes uzlabojumu dēļ pēdējos gados.

Palīdzēs arī jauna veida mikroshēmas. Lietišķo materiālu prognozē ir pieņemts, ka AI darba slodze turpinās darboties ar esošo aparatūru, kuras efektivitāte pakāpeniski uzlabosies dažu nākamo gadu laikā. Taču daudzi jaunizveidoti uzņēmumi, kā arī lieli uzņēmumi, piemēram, Intel un AMD, izstrādā pusvadītājus, kas izmanto tādas tehnoloģijas kā fotonika, lai darbinātu neironu tīklus un citus AI rīkus, izmantojot daudz mazāk enerģijas.

Koomey saka, ka trauksmes projekcijas ignorē arī faktu, ka dažiem AI uzdevumiem, piemēram, modeļa atpazīšanai, pietiek ar aptuveno modeļu izvadi. Tas nozīmē, ka enerģija nav jātērē, aprēķinot rezultātus līdz simtiem zīmju aiz komata.

Ironiski, bet lielākā AI enerģijas patēriņa pārbaude patiesībā varētu būt pati AI. Google jau izmanto tehnoloģiju, ko izstrādājis uzņēmums DeepMind, ko tā iegādājās 2014. gadā, lai efektīvāk atdzesētu savus datu centrus. AI jau ir palīdzējis uzņēmumam samazināt dzesēšanas rēķinu par 40%, sniedzot ieteikumus operatoriem; tagad tas efektīvi darbina dzesēšanas sistēmas centros.

AI tiks izmantots, lai optimizētu arī citus datu centru darbības aspektus. Un, tāpat kā Google atvēsinošā uzvara, tas nāks par labu visu veidu darba slodzēm. Tas nenozīmē, ka datu centri nepatērēs ievērojami vairāk enerģijas, jo pieaug pieprasījums pēc AI burvjiem, taču tas ir vēl viens iemesls, kāpēc prognozēt šeit ir tik sasodīti grūti.

paslēpties