درباره هیاهوی هوش مصنوعی
همانطور که تنگی هوش مصنوعی (AI) روی دنیای فناوری فشرده می‌شود، شرکت‌های فعال در زمینه مرکز داده به تمام قد و سرعت وارد توسعه AI شده‌اند. در میان هیجان آن‌ها از پتانسیل AI، این شرکت‌ها با یک سوال پرچالش روبرو هستند: چگونه مصرف انرژی عظیم مرتبط با AI را مدیریت کنند؟
چالش انرژی AI پیشرفته
نسخه‌های پیشرفته از AI، مانند AI تولیدی، نه تنها صنعت فناوری را نوید می‌دهد بلکه چالش‌هایی را برای یک روند جهانی دیگر – جابه‌جایی به کارگیری انرژی تمیز – ایجاد می‌کند. به نظر می‌رسد یک تضاد منافع باشد که واحدهای پردازش گرافیکی (GPU) – موتورهای کاری پشت مدل‌های AI مانند ChatGPT – نیازمند مقدار زیادی انرژی برای هر دو مرحله پردازش و خنک شدن هستند. برای بیانش بهتر، رک‌های سرور استاندارد قبل از ظهور AI حدود 10-15 کیلووات برق مصرف می‌کردند. حال با یکپارچگی AI، نیازمند 40-60 کیلووات خیره‌کننده شده‌اند.
تعقیب بزرگان فناوری از انرژی تجدیدپذیر
در پاسخ به این وضعیت، شرکت‌های پیشرو فعال در زمینه مراکز داده کمتر خالی مانده‌اند. شرکت آمازون با تبدیل شدن به بزرگترین خریدار انرژی تجدیدپذیر به صورت جهانی پیشتاز می‌شود، با سرمایه‌گذاری در بیش از 274 پروژه انرژی تجدیدپذیر. مایکروسافت نیز حدود 5.8 گیگاوات انرژی تجدیدپذیر را در سراسر جهان به دست آورده است تا هدف خود از 100 درصد انرژی تمیز تا سال 2030 را حمایت کند. به این جنبش، متا در سال 2023 دستیابی به دستیابی به 100 درصد انرژی تمیز را داشته است.
یکپارچه‌سازی AI با انرژی تمیز: بدون چالش‌های خود نیست
با این حال، تاروتوم‌بافی AI و انرژی تمیز ساده نیست. انتظار می‌رود تقاضای انرژی برای AI در پنج سال آینده به شدت افزایش یابد، زیرا محصولاتی مانند Copilot و Gemini توسط مایکروسافت و گوگل اصلاح می‌شوند. رقابت پیش‌بینی شده با سامانه‌های AI مانند ChatGPT تنها به فزاینده کردن فوریت این چالش انرژی اضافه خواهد شد. سازمان انرژی بین‌المللی اظهار داشته که اگر AI تولیدی در رشد خود دست به دست شود، مراکز داده تا سال 2026 به حجم مصرف انرژی خود نسبت به سال 2024، سومین قدرت تقاضای تازه برق در ایالات متحده را در دو سال آینده تشکیل خواهند داد.
همزمان با بوم اقتصادی دیجیتال و روندهای الکتریفیکیشن در حال رونق، بیشتر شرکت‌ها و مصرف‌کنندگان به دنبال انرژی بدون دی‌اکسید کربن هستند، با محصول‌هایی مانند اتومبیل‌های الکتریکی که به افزایش تقاضا نیازمند است. چالش‌ها در گسترش شبکه، مانند موارد زنجیره تامین و نرخ‌های سودآوری بالا که پیشروی پروژه‌های نیروی بادی و خورشیدی جدید را معطل می‌کند، پیشرفت را پیچیده‌تر می‌کند، همراه با مشکلات در ساخت خطوط انتقال جدید.
پیدا کردن نقطه وسط مانند تلاش‌های انیویدیا برای افزایش کارایی انرژی GPUs می‌تواند باعث افزایش مصرف شود و مشکلات دیگری ایجاد کند. یک جایگزین ارایه شده توسط شرکت Bain & Company ادامه فعالیت نیروگاه‌های استندبایی برای شرکت‌های ثروتمند است. با این حال، این ممکن است به پیوستن به سوخت‌های فسیلی منجر شود و از تعهدات اقلیمی ارایه‌دهندگان ابر در فشردن شرایط اقلیمی فاصله‌ها واعظه کند.
احتمال وجود یک نقص در تامین انرژی‌های تجدیدپذیر، همراه با افزایش هزینه‌های GPUs و تکانه‌های قیمت انرژی، می‌تواند اگر دامنه واردات نگردد، صنایع را روبه‌رو با مسایل بحرانی آینده قرار دهد.
AI و مصرف انرژی
همانطور که AI ادامه می‌یابد، تقاضای انرژی این سامانه‌ها یک مسئله اساسی می‌شود. نیازهای محاسباتی AI بسیار زیاد بوده، با الگوریتم‌های پیچیده که نیازمند مقادیر بزرگی از برق برای پردازش داده و آموزش مدل هستند. به عنوان مثال، آموزش یک مدل AI تکیه گذار از ۵ خودرو در طول عمرش می‌تواند معادل مصرف کربنی داشته باشد.
سرمایه‌گذاری در انرژی تجدیدپذیر
یکی از راه‌حل‌ها سرمایه‌گذاری در منابع انرژی تجدیدپذیر است. عناصر بزرگ فناوری می‌توانند برخی از اثرات زیست محیطی AI را با استفاده از انرژی از پروژه‌های بادی، خورشیدی و هیدروالکتریک کاهش دهند. با این حال، طبیعت ناپذیر برخی از منابع انرژی تجدیدپذیر نیاز به راه‌های تکمیلی مانند سیستم‌های ذخیره‌سازی باتری یا استراتژی‌های پاسخ به تقاضا دارد تا امنیت تامین انرژی مداوم برای عملیات AI را تضمین کند.
سخت‌افزار با کارایی انرژی
روی‌کاری دیگری برای مدیریت گرسنگی AI به انرژی، توسعه سخت‌افزارهای با کارایی انرژی بیشتر است. فراتر از GPUs، تحقیقات در حال انجام بر روی مدارهای مجتمع خاص برنامه‌نویسی (ASICs) و واحدهای پردازش تانسور (TPUs) است که قادرند بهتر محاسبات AI را انجام دهند.
بهینه‌سازی‌های AI
بهینه‌سازی نرم‌افزارها هم نقش بسزایی بازی می‌کند. الگوریتم‌ها و مدل‌هایی که برای آموزش و استدلال نیازمند کمتر نیازمندی‌ها هستند و این بدان معنا که کمتر انرژی نیازمندند، تحت توسعه هستند. تکنیک‌هایی مانند قطع، کوانتیزاسیون و انتقال دانش می‌توانند اندازه و پیچیدگی مدل‌های AI را کاهش دهند بدون از دست دادن اجرای بزرگ.
چالش‌های یکپارچه‌سازی AI و انرژی تمیز
یکی از چالش‌های اصلی در یکپارچه‌سازی AI با انرژی تمیز، عدم تطابق در دسترسی به انرژی تجدیدپذیر و تقاضای مداوم و بالای برقی‌هایی است که سیستم‌های AI نیاز دارند. علاوه بر این، محدودیت‌های جغرافیایی تعیین می‌کنند که پروژه‌های انرژی تجدیدپذیر کجا بایدهایجاد شود که ممکن است منجر به عدم تطابق بین جایی که قدرت محاسباتی AI لازم است و جایی که انرژی تمیز به دست می‌آید، شود.
محدودیت‌های شبکه انرژی
شبکه انرژی موجود احتمالاً قادر به مدیریت بار افزایش یافته ناشی از AI بدون بهبودهای زیرساختی مهم نیست. سرمایه‌گذاری و نوآوری در به‌روزسانی شبکه ضروری است برای یکپارچه‌کردن دیگر منابع تجدیدپذیر و فراهم کردن برق قابل اعتماد برای تکنولوژی‌های انرژی-گران‌مصرف مانند AI.
تبعات سیاستی و آیین‌نامه‌ها
تبعات سیاستی هم وارد می‌شوند. دولت‌ها ممکن است نیاز به ایجاد یا تطبیق سیاست‌ها و آیین‌نامه‌ها را برای تشویق به استفاده از انرژی تمیز در مراکز داده و بخش تکنولوژی به طرف گردانند، همراه با اطمینان از اینکه انرژی تجدیدپذیر از سوی نیازهای اساسی دیگر منحرف نشود.
مزایا و معایب
مزیت اصلی از پیگیری شرکت‌های فناوری بزرگ در سرمایه‌گذاری انرژی تجدیدپذیر، کاهش وابستگی به سوخت‌های فسیلی و گاز‌های گلخانهایی است، که با اهداف جهانی اقلیمی همخوانی دارد. با این حال، معایب شامل هزینه‌های بالای سرمایه‌گذاری اولیه، نیاز به پیشرفت‌ها در فناوری برای ذخیره و مدیریت انرژی تجدیدپذیر به صورت کارا، و تأثیرات زیست محیطی ممکن از تولید و دفع زیرساخت‌های انرژی تجدیدپذیر است.
برای کسب اطلاعات بیشتر در مورد این موضوع، می‌توانید به منابع معتبری مانند سازمان
The source of the article is from the blog exofeed.nl