Rozwój sztucznej inteligencji (SI) zrewolucjonizował sposób, w jaki oddziałujemy z technologią. Od prostych zadań, takich jak włączanie światła, po skomplikowane polecenia głosowe, SI stała się integralną częścią naszego codziennego życia. Jednak za tymi pozornie bezproblemowymi interakcjami kryje się ogromna sieć zasobów, pracy i przetwarzania algorytmicznego.
W 2018 roku Kate Crawford i Vladan Joler pisali o ogromie zasobów, które są potrzebne do wykonywania nawet najprostszych zadań przez systemy SI. Skala zużycia energii i pracy związana z działaniem SI przewyższa znacznie to, co byłoby potrzebne człowiekowi do wykonania tych samych zadań. Przejdźmy do roku 2021 i zobaczymy, jak wykładniczy wzrost przeszedł ta branża.
Najnowsze analizy pokazują, że ilość mocy obliczeniowej używanej do szkolenia dużych modeli SI znacząco wzrosła w ciągu ostatnich sześciu lat. Faktycznie, wzrosła ona 300 000 razy szybciej niż prawo Moore’a, które opisuje tempo, w jakim moc obliczeniowa ma tendencję do podwojenia się co dwa lata. Ten ogromny wzrost mocy obliczeniowej jest niezbędny do przetwarzania i „uczenia się” z ogromnych ilości danych.
W miarę jak SI staje się coraz bardziej zaawansowana, wzrasta też zużycie energii przez te systemy. Dokładne wartości dotyczące zużycia energii przez SI są trudne do określenia, ale raporty sugerują, że w 2021 roku SI odpowiadała za 10-15% całkowitego zużycia energii przez Google. Oznacza to około 2,3 terawatogodzin rocznie, co odpowiada zużyciu energii przez miasto o wielkości Atlanty.
Rosnący apetyt SI na energię jest widoczny w prognozach na przyszłość. Firma Nvidia, wiodący producent układów serwerowych do SI, przewiduje wysyłkę 1,5 miliona jednostek serwerowych na rok do 2027 roku. Jeśli te serwery pracowałyby na pełnej wydajności, rocznie zużywałyby co najmniej 85,4 terawatogodzin energii, przekraczając zużycie energii wielu małych krajów.
Potrzeba przełomów w technologii energetycznej staje się coraz bardziej pilna. CEO OpenAI, Sam Altman, sugeruje, że do zaspokojenia potrzeb energetycznych SI konieczna jest technologia fuzji lub ogromnie tańsza energia słoneczna w masowej skali. Sam Altman zainwestował w start-up Helion Energy, który ma na celu osiągnięcie tego przełomu.
Tymczasem wysokie zużycie energii przez SI nadal będzie ograniczającym czynnikiem. Koszty korzystania z SI zarówno pod względem energii, jak i finansowe, będą ograniczać powszechny dostęp do zaawansowanych modeli SI. W miarę wzrostu kosztów obliczeniowych dla modeli SI staje się jasne, dlaczego giganci technologiczni, tak jak Google, są ostrożni, udostępniając te modele publiczności.
Przyszłość SI ma niesamowity potencjał, ale niezbędne będzie adresowanie potrzeb energetycznych i kosztów związanych z tymi systemami dla ich zrównoważonego rozwoju. Dążąc do przełomów w technologii energetycznej, musimy zadbać, aby wzrost SI nie odbywał się kosztem naszego środowiska i zasobów.
FAQ:
The source of the article is from the blog guambia.com.uy