افزایش مصرف انرژی با توسعه روزافزون هوش مصنوعی/ راه گریز چیست؟

به گزارش خبرگزاری علم و فناوری آنا به نقل از یاهو فاینس، مصرف انرژی به دلیل هوش مصنوعی به‌طور چشمگیری افزایش می‌یابد. انتظار می‌رود هوش مصنوعی تأثیر بسیاری را روی همه فعالیت‌ها از زمان ظهور اینترنت داشته باشد.

تحقیقات انجام‌شده در دانشگاه واشنگتن نشان می‌دهد که صد‌ها میلیون پرس‌وجو در «چت جی‌پی‌تی» (ChatGPT) می‌تواند حدود یک گیگاوات ساعت در روز یا معادل انرژی مصرف‌شده توسط ۳۳ هزار خانواده آمریکایی هزینه داشته باشد.

«سجاد مؤذنی»، پروفسور مهندسی برق و کامپیوتر گفت: مصرف انرژی مانند استعلام چت جی‌پی‌تی در مقایسه با برخی از درخواست‌های ایمیل احتمالاً ۱۰ تا ۱۰۰ برابر بیشتر انرژی خواهد داشت. شرکت‌کنندگان در این صنعت می‌گویند که این تنها آغاز راه آینده است.

بحران مصرف انرژی با توسعه روزافزون هوش مصنوعی

«آریجیت سنگوپتا»، بنیان‌گذار و مدیرعامل «آیبل» (Aible)، یک شرکت راه‌حل‌های هوش مصنوعی سازمانی اظهار کرد: شاید در دو تا سه سال آینده به یک درصد از میزان پذیرش هوش مصنوعی رسیده باشیم. جهان در واقع به دلیل هوش مصنوعی به سمت یک بحران انرژی بسیار بد پیش می‌رود، مگر اینکه ما مواردی را اصلاح کنیم.

زمانی فیس‌بوک برای بیش از هفت ساعت بسته شد و بنا به گزارش‌ها، بخشی از آن به دلیل یک اختلال بزرگ در ارتباطات بین مراکز داده این شرکت بود. مرکز داده فیس‌بوک تشنه انرژی در حال ساخت است. مراکز داده قلب فرآیند محاسباتی پیشرفته هستند. آن‌ها مکان‌های فیزیکی با هزاران واحد پردازش و سرور در هسته صنعت رایانش ابری هستند که عمدتاً توسط گوگل، مایکروسافت و آمازون مدیریت می‌شوند.

به گفته «آنجلو زینو»، معاون ارشد و تحلیلگر ارشد سهام در تحقیقات «سی‌اف‌آرای» (CFRA) همان‌طور که به این تغییر به سمت این مدل‌های بنیادی بزرگ‌تر فکر می‌کنید، در پایان روز به این مراکز داده نیاز خواهید داشت تا انرژی بسیار بیشتری را در کل نیاز داشته باشند. 

مراکز داده به‌طور فزاینده‌ای از استفاده از پردازنده‌های ساده‌تر، به نام «سی‌پی‌یو» (CPU)، به واحد‌های پردازش گرافیکی پیشرفته‌تر یا «جی‌پی‌یو» (GPU) تغییر کرده‌اند. این قطعات که توسط شرکت‌هایی مانند «انویدیا» ساخته‌شده‌اند، بیشترین انرژی را دارند.

پردازنده‌های گرافیکی هسته زیرساخت هوش مصنوعی می‌شوند

«پاتریک وارد» توضیح داد: در دهه آینده، پردازنده‌های گرافیکی هسته زیرساخت هوش مصنوعی خواهند بود و پردازنده‌های گرافیکی ۱۰ تا ۱۵ برابر بیشتر از پردازنده‌ها در هر چرخه پردازش انرژی مصرف می‌کنند. آن‌ها بسیار انرژی بر هستند. 

هزینه عظیم زیرساختی تحقیقات انجام‌شده توسط «بنجامین سی لی»، استاد مهندسی برق و علوم کامپیوتر در دانشگاه پنسیلوانیا و پروفسور «دیوید بروکس» از هاروارد نشان داد که مصرف انرژی مرکز داده بین سال‌های ۲۰۱۵ تا ۲۰۲۱ به‌طور متوسط ۲۵ درصد در سال رشد داشته است. سرفصل‌های ملی را به خود اختصاص داد و استفاده از چت جی‌پی‌تی به شدت افزایش یافت.

در همین حال، داده‌های اداره اطلاعات انرژی آمریکا نشان می‌دهد که نرخ رشد سالانه استقرار انرژی‌های تجدید پذیر ۷ درصد در مدت مشابه است، اگرچه انتظار می‌رود این رقم با طرح‌هایی مانند قانون کاهش تورم افزایش یابد.

لی گفت: در حال حاضر این شکاف نسبتاً بزرگ بین نرخ رشد، بین انرژی مرکز داده و استقرار انرژی‌های تجدید پذیر وجود دارد. ما آن را محاسبات ابری می‌نامیم. به نظر می‌رسد هیچ هزینه‌ای برای آن وجود ندارد، اما هزینه زیرساختی هنگفتی وجود دارد. برای مقابله با چنین مصرفی، ارائه‌دهندگان اصلی ابر مانند آزور مایکروسافت، گوگل کلود و سرویس آمازون همگی در انرژی‌های تجدید پذیر سرمایه‌گذاری می‌کنند تا با مصرف برق سالانه خود مطابقت داشته باشند. آن‌ها تعهدات خالص صفر دارند، به این معنی که به همان اندازه که کربن منتشر می‌کنند، حذف می‌کنند.

ایجاد راهکارهای کارآمد برای استفاده از مدل‌های هوش مصنوعی

مایکروسافت آژور از سال ۲۰۱۲ وضعیت ۱۰۰ درصد کربن خنثی خود را تبلیغ کرده و می‌گوید که تا سال ۲۰۳۰ کربن منفی خواهد بود.

آمازون گفته است که انتظار دارد تا سال ۲۰۲۵، به‌عنوان بخشی از هدف خود برای رسیدن به انتشار خالص کربن صفر تا سال ۲۰۴۰، فعالیت‌های خود را با ۱۰۰ درصد انرژی‌های تجدید پذیر تأمین کند.

لی در حال مطالعه روش‌هایی است که در آن مراکز داده می‌توانند محاسبات خود را بر اساس در دسترس بودن انرژی بدون کربن تغییر دهند یا برنامه‌ریزی مجدد کنند.

به گفته وی شاید در وسط روز که انرژی خورشیدی زیادی وجود دارد و در نیمه‌شب بسیار کمتر، بیشتر محاسبه کنید. بنابراین، جای تعجب نیست که چالش مصرف انرژی، گروهی از شرکت‌ها را با هدف ایجاد راه‌های کارآمدتر برای استفاده از مدل‌های هوش مصنوعی بسیج کرده است.

تحلیلگران خاطرنشان می‌کنند که کاهش هزینه‌ها به‌طور طبیعی صنعت را به سمت راه‌حل‌های انرژی سوق می‌دهد. چه به دلیل انتشار گاز‌های گلخانه‌ای یا کارایی مالی یا فشار سرمایه‌گذاران یا هر چیز دیگری باشد، ما می‌بینیم که شرکت‌ها بیشتر به دنبال چگونگی کارآمدتر شدن هستند. این یک هزینه عملیاتی است. هرچه کارآمدتر باشید، هزینه عملیاتی شما کمتر است.

برندگان در این فضا اپراتور‌های مرکز داده هستند. «زینو» (Zino) از تحقیقات سی‌اف‌آرای می‌گوید: مصرف واقعی داده‌ها و نحوه جمع‌آوری همه این‌ها بیشتر به چند شرکت متمرکز می‌شود. شرکت‌های بیشتری اساساً به جای سرمایه‌گذاری و ساخت مراکز داده، فضایی را در فضای ابری اجاره می‌کنند، فقط به این دلیل که در آینده هزینه بیشتری خواهد داشت.