نسل بعدی فناوری‌ها به دنبال کاهش مصرف انرژی هوش مصنوعی هستند
شرکت World Fund، مستقر در برلین، هشدار داده که صرفا انتقال مراکز داده به انرژی‌های تجدیدپذیر نمی‌تواند پاسخ کاملی برای کاهش کربن در محاسبات AI باشد. داریا ساحاروا، شریک مؤسس World Fund، در رویداد «آینده محاسبات سبز» در مونیخ گفت: «ما باید نحوه محاسبات را از ابتدا دوباره فکر کنیم، از مواد و تراشه‌هایی که استفاده می‌کنیم گرفته تا نرم‌افزار‌هایی که اجرا می‌کنیم.»
به گزارش thenextweb، در این رویداد، World Fund همراه با Dealroom و شتاب‌دهنده فناوری عمیق اینتل، Ignite، گزارشی جدید منتشر کردند که مجموعه‌ای از فناوری‌های نوظهور را معرفی می‌کند. این فناوری‌ها شامل تراشه‌های تولیدشده در فضا و پردازنده‌هایی که شبیه مغز عمل می‌کنند، هستند. هدف این است که این نوآوری‌ها اشتها‌ی انرژی عظیم هوش مصنوعی را کاهش دهند و دورانی جدید از محاسبات سبزتر را آغاز کنند.
نقشه راه برای محاسبات سبز
گزارش از داده‌های Dealroom استفاده کرده و اکوسیستم محاسبات سبز را نقشه‌برداری کرده است. در این حوزه، ۶۵ استارت‌آپ شناسایی شده‌اند که ۵۴ تا از آنها در اروپا فعالیت می‌کنند. این شرکت‌ها تاکنون حدود ۹۰۰ میلیون دلار سرمایه‌گذاری جذب کرده‌اند. نصف این شرکت‌ها در پنج سال گذشته تاسیس شده‌اند وتعداد ۱۲ شرکت تنها در ۱۲ ماه اخیر به وجود آمده‌اند.
سه فناوری کلیدی برای کاهش کربن هوش مصنوعی
گزارش سه فناوری اصلی را به عنوان بالقوه‌ترین راه‌حل‌ها برای کاهش کربن در AI معرفی کرده است:
۱. مواد نیمه‌رسانا پیشرفته
موادی مانند نیترید گالیوم (GaN)، کاربید سیلیکون (SiC) و گرافن می‌توانند با بهبود کارایی و عملکرد حرارتی در سخت‌افزار‌های محاسباتی، مصرف انرژی AI را به طور قابل توجهی کاهش دهند.
شرکت Space Forge، استارتاپی در ولز، از شرایط خاص فضا مانند میکروگرانش، خلاء و دما‌های شدید برای تولید نیمه‌رسانا‌هایی استفاده می‌کند که ادعا می‌کند سه تا پنج برابر خالص‌تر از نمونه‌های تولیدشده روی زمین هستند. جوشوا وسترن، مدیرعامل و بنیانگذار Space Forge، گفت: «بهره‌وری تراشه‌های سیلیکونی را به حد نهایی رسیده‌ایم. »
۲. پارادایم‌های محاسباتی جدید
محاسبات کوانتومی، عصبی و نوری نیز به عنوان راه‌حل‌های امیدوارکننده مطرح هستند.محاسبات کوانتومی می‌تواند محاسبات پیچیده را بسیار سریع‌تر از ماشین‌های کلاسیک حل کند و در نتیجه زمان محاسبات و مصرف انرژی کلی را کاهش دهد. اینس دِ وگا، معاون ارشد نوآوری در IQM، مهم‌ترین استارت‌آپ محاسبات کوانتومی اروپا، گفت:«ماشین‌های کلاسیک بیش از حد بزرگ، گران و انرژی‌بر هستند.»
محاسبات نوری که از فوتون‌ها (ذرات نور) به جای الکترون‌ها استفاده می‌کند، می‌تواند سرعت پردازش را تا ۱۰۰ تا ۱۰۰۰ برابر افزایش دهد. شرکت آلمانی Black Semiconductor نمونه‌ای از این فناوری را ارائه کرده است. آنستاسیا نوسوا، مهندس سابق تراشه در Infineon و مجری پادکست Anastasi In Tech، اظهار داشت: «تراشه‌های نوری می‌توانند تا ۱۰۰ برابر کارآمدتر از نیمه‌رسانا‌های سیلیکونی معمولی باشند.»
۳. نرم‌افزار‌های پیشرفته
علاوه بر سخت‌افزار، بهینه‌سازی نرم‌افزار نیز نقش مهمی در کاهش مصرف انرژی AI دارد. شرکت Deep Render در لندن، از یادگیری عمیق برای فشرده‌سازی فایل‌ها بدون از دست دادن کیفیت استفاده می‌کند. این کار حجم داده‌هایی که باید منتقل یا ذخیره شوند را کاهش می‌دهد و در نتیجه میزان قدرت محاسباتی مورد نیاز را کمتر می‌کند.
با وجود پتانسیل بالای این فناوری‌ها، هنوز در مراحل اولیه توسعه قرار دارند. در همین حال، مصرف انرژی برای آموزش مدل‌های هوش مصنوعی هر سه تا چهار ماه دو برابر می‌شود (طبق اطلاعات OpenAI).
داریا ساحاروا تاکید کرد: «برای مقیاس‌پذیری این راه‌حل‌های محاسباتی در اروپا، نه تنها به سرمایه‌گذاری فراوان نیاز داریم، بلکه به حمایت دولت نیز نیازمندیم.» او بر این باور است که اروپا باید حدود یک تریلیون یورو اختصاص دهد تا فناوری‌های آب و هوا، از جمله محاسبات سبز، به سطح مطلوب برسند.
انتهای پیام/
