5 мин. чтения
9/4/2023 6:06:26 AM

Углеродный след технологий: может ли ИИ революционизировать ответственно?

Article Preview Image Трансформация мировых серверов данных, готовых к AI-готово, идет полным ходом.

Примерно 8000 обработанных центров обработки данных или около того дата -центров планеты будут расти с появлением искусственного интеллекта - настолько, что исследование оценивает, что к 2025 году ИТ -индустрия могла использовать 20 процентов всех произведенных электроэнергии, и иИзлучает до 5,5 процентов от выбросов углерода в мире.

Это создает реальную - и для некоторых, все более срочных - вопросов о углеродном следе отрасли, поскольку стартапы и компании отстают за последним мартом форварда Силиконовой долины.

«Коробка Pandora открыта»,-сказал Арун Айенгар, генеральный директор Untether AI, высокоспециализированной компании, занимающейся производством чипов, которая стремится сделать ИИ более энергоэффективным.

«Мы можем использовать ИИ таким образом, чтобы улучшить требования к климату или мы можем игнорировать требования к климату и оказаться, что они сталкиваются с последствиями в течение десяти лет или около того с точки зрения воздействия».

Преобразование мировых серверов данных в готовность ИИ уже идет полным ходом, в том, что один из руководителей Google назвал «точкой перегиба уникальной в генерации в вычислениях».

Но масштаб миссии огромен.

Создание генеративных инструментов искусственного интеллекта, таких как GPT-4, которые способствуют CHATGPT или Google Palm2, за бот-бардом, может быть разбито на два ключевых этапа: фактическое «обучение», а затем выполнение (или «вывод»).

В 2019 году исследователи Амхерста Университета штата Массачусетс обучили несколько крупных языковых моделей и обнаружили, что обучение одной модели ИИ может излучать эквивалент выбросов CO2 из пяти автомобилей в течение их жизни.

Более позднее исследование Google и Калифорнийского университета в Беркли сообщило, что обучение GPT-3 привело к 552 метрическим тоннам выбросов углерода, что эквивалентно управлению проездом на пассажирском автомобиле 1,24 миллиона миль (2 миллиона километров).

Модель последнего поколения Openai, GPT-4, обучена примерно в 570 раз больше параметров-или входных данных-чем GPT-3, и масштаб этих систем будет расти только по мере того, как ИИ становится более мощным и повсеместным.

Nvidia, чип -гигант AI, предоставляет процессоры, которые необходимы для обучения, известные как графические процессоры.И хотя они более энергоэффективны, чем типичные чипы, они остаются грозными потребителями власти.

Другая сторона генеративного ИИ - развертывание или вывод: когда обученная модель применяется для идентификации объектов, реагирования на текстовые подсказки или какой -либо вариант использования.

Развертывание не обязательно нуждается в вычислительном виде чипа NVIDIA, но принялось в совокупности, бесконечные взаимодействия в реальном мире намного перевешивают обучение с точки зрения рабочей нагрузки.

«Вывод теперь станет еще более проблемой с Chatgpt, который может использоваться любым и интегрированным в повседневную жизнь с помощью приложений и веб -поисков», - сказала Линн Каак, доцент кафедры компьютерных наук в школе Hertie в Берлине.

Крупнейшие облачные компании настаивают на том, что они стремятся быть максимально энергоэффективными.

Amazon Web Services обещает быть углеродным к 2040 году, в то время как Microsoft пообещала быть углеродной отрицательной к 2030 году.

Последние доказательства того, что компании серьезно относятся к энергоэффективности, обнаруживают.

По данным Международного энергетического агентства, в период с 2010 по 2018 год использование глобального центра обработки центров обработки данных выросло всего на 6 процентов, несмотря на увеличение рабочих нагрузок и вычислительных экземпляров на 550 процентов.

Аи -магоны Силиконовой долины считают, что дискуссии о текущем углеродном следе ИИ находятся не так, как это и недооценивают его революционный потенциал.

У скептиков есть «задом наперед», генеральный директор Nvidia Дженсен Хуанг заявил журналистам в недавнем визите в штаб -квартиру своей компании в Калифорнии.

Он утверждал, что массовое развертывание ИИ и более быстрого вычисления в конце концов уменьшит необходимость перейти в облака данных мира.

Суперспособности ИИ превратят ваш ноутбук, автомобиль или устройство в вашем кармане в энергоэффективный суперкомпьютер без необходимости «извлекать» данные из облака.

«В будущем будет немного крошечная модель, которая будет составлять на ваш телефон, а 90 процентов пикселей будут получены, будет получено 10 процентов, а не на 100 процентов - и поэтому вы собираетесь сэкономить (энергия),” он сказал.

Сэм Альтман из Openai считает, что ИИ достаточно скоро сможет построить человечество совершенно новое будущее.

«Я думаю, что, как только у нас появится действительно мощный супер интеллект, решение об изменении климата не будет особенно сложным», - недавно сказал Альтман.

«Это иллюстрирует, насколько большим мы должны мечтать … подумайте о системе, где вы можете сказать:« Скажи мне, как сделать много чистой энергии дешево, скажите мне, как эффективно захватить углерод и скажите мне, как построить фабрикуСделай это в планетарном масштабе.

Но некоторые эксперты беспокоятся о том, что безумный бросок для искусственного интеллекта вычеркнул страхи по поводу планеты, по крайней мере, на данный момент.

«Крупные корпорации тратят много денег прямо сейчас развертывая ИИ. Я пока не думаю, что они думают о воздействии на окружающую среду», - сказал ИИ в ИИ.

Но он добавил: «Я думаю, что это наступит».

© 2023 LRN4

Получи бесплатную еженедельную рассылку со ссылками на репозитории и лонгриды самых интересных историй о стартапах 🚀, AI технологиях 👩‍💻 и программировании 💻!
Присоединяйся к тысячам читателей для получения одного еженедельного письма

Подписывайся на нас:

Нашли ошибку в тексте? Напишите нам.

Добавляй ЛРНЧ в свою ленту Google Новостей.
Читайте далее 📖

Охлаждающий материал следующего поколения без электричества

8/10/2024 · 5 мин. чтения

Охлаждающий материал следующего поколения без электричества

Исследователи используют машинное обучение для оптимизации дизайна солнечных элементов

8/7/2024 · 5 мин. чтения

Исследователи используют машинное обучение для оптимизации дизайна солнечных элементов