Επιστημονική ανακάλυψη για την απαλλαγή από τον άνθρακα και τις εκπομπές αερίων του θερμοκηπίου
Ερευνητές της BitEnergy AI (εταιρεία τεχνολογίας συμπερασμάτων AI), ανακάλυψαν ένα νέο αλγόριθμο προσθήκης ακεραίων που θα μπορούσε να μειώσει το ενεργειακό αποτύπωμα της τεχνητής νοημοσύνης κατά 95%.
Ο τομέας της τεχνολογίας διερευνά διάφορες λύσεις, συμπεριλαμβανομένων των πηγών καθαρής ενέργειας και πιο αποτελεσματικών μεθόδων υπολογισμού, για να αντιμετωπίσει το πρόβλημα κατανάλωσης ενέργειας της τεχνητής νοημοσύνης.
Οι αυξανόμενες ενεργειακές απαιτήσεις της τεχνητής νοημοσύνης αποτελούν σημαντική πρόκληση για τους στόχους βιωσιμότητας και απαλλαγής από τον άνθρακα και τις εκπομπές αερίων του θερμοκηπίου.
Η χρήση της αυξάνεται με ταχείς ρυθμούς καθώς η μηχανική εκμάθηση και τα μεγάλα γλωσσικά μοντέλα γίνονται κυρίαρχη πτυχή των καθημερινών εφαρμογών.
Η εκπαίδευση μοντέλων τεχνητής νοημοσύνης απαιτεί τεράστιες ποσότητες υπολογιστικής ενέργειας, με αποτέλεσμα η ζήτηση ενέργειας στις ανεπτυγμένες χώρες να έχει αυξηθεί το 2024.
Ενώ η τεχνητή νοημοσύνη υπόσχεται τεράστιες υποσχέσεις για την κατασκευή πιο αποδοτικών, σταθερών και έξυπνων ενεργειακών δικτύων, αποτελεί επίσης σημαντική απειλή για τους στόχους που σχετίζονται με την ενεργειακή ασφάλεια και την απαλλαγή από τις ανθρακούχες εκπομπές.
Καθώς το μέγεθος και η εμβέλεια του τομέα εκτοξεύονται, η υπολογιστική ισχύς που απαιτείται για τη διατήρηση της ανάπτυξης της τεχνητής νοημοσύνης διπλασιάζεται περίπου κάθε 100 ημέρες.
Επί του παρόντος το ChatGPT απαιτεί περίπου 564 MWh κάθε μέρα, που θα ήταν αρκετή ενέργεια για να τροφοδοτήσει 18.000 σπίτια στις Ηνωμένες Πολιτείες.
Με αυτήν την κλίμακα και ταχύτητα ανάπτυξης, δεν είναι σαφές πού χώρες όπως οι Ηνωμένες Πολιτείες θα προμηθεύονται αρκετή ενέργεια για να ανταποκριθούν στις ταχέως αναπτυσσόμενες απαιτήσεις του τεχνολογικού τομέα, πολύ λιγότερο να το κάνουν με φιλικό προς το κλίμα τρόπο.
Προσπάθεια ανακάλυψης νέων πηγών καθαρής ενέργειας
Ως αποτέλεσμα, ο τομέας της τεχνολογίας προσπαθεί να ανακαλύψει νέες πηγές καθαρής ενέργειας.
Ο Sam Altman του OpenAI (εταιρεία πίσω από το ChatGPT), υπήρξε ειλικρινής υποστηρικτής των αυξημένων επενδύσεων στην παραγωγή ενέργειας από πυρηνική σχάση καθώς και στην έρευνα και ανάπτυξη πυρηνικής σύντηξης για την κάλυψη των ενεργειακών αναγκών της AI.
«Τα συστήματα τεχνητής νοημοσύνης του μέλλοντος θα χρειαστούν τεράστιες ποσότητες ενέργειας και αυτή η σχάση και η σύντηξη μπορούν να βοηθήσουν στην παράδοση τους», ανέφερε πέρυσι στη Wall Street Journal.
Ο Μπιλ Γκέιτς έχει υποσχεθεί επενδύσεις δισεκατομμυρίων στην πυρηνική ενέργεια για να βοηθήσει στην εκκαθάριση του τομέα της τεχνολογίας.
Πείραμα… με κβαντικό υπολογισμό
Εκτός από την προσοχή στην αυξημένη παραγωγή καθαρής ενέργειας, πολλοί ερευνητές και επιστήμονες πειραματίζονται με τρόπους για να κάνουν την τεχνητή νοημοσύνη πιο ενεργειακά αποδοτική.
Αυτά περιστρέφονται σε μεγάλο βαθμό γύρω από διαφορετικούς τρόπους υπολογισμού που απαιτούν λιγότερη ενέργεια ανά υπολογισμό.
Μια τέτοια λύση είναι η πιθανή εφαρμογή του κβαντικού υπολογισμού για την τεχνητή νοημοσύνη η οποία θα επέτρεπε σε μεγάλα γλωσσικά μοντέλα να εκτελούν πολύ σύνθετους υπολογισμούς πιο γρήγορα και με πολύ λιγότερους πόρους.
Σε ορισμένες περιπτώσεις, οι κβαντικοί υπολογιστές θα μπορούσαν να είναι 100 φορές πιο ενεργειακά αποδοτικοί από τους σημερινούς υπερυπολογιστές.
Ωστόσο, υπάρχει μια άλλη πιθανή υπολογιστική παρέμβαση που θα ήταν πολύ απλούστερη και πιο ρεαλιστική να εφαρμοστεί βραχυπρόθεσμα, καθώς ο κβαντικός υπολογισμός εξακολουθεί να είναι περισσότερο θεωρητικός από ό,τι εφαρμόζεται σε κρίσιμους τομείς.
Ο νέος αλγόριθμος της BitEnergy AI
Μια ομάδα μηχανικών στην BitEnergy AI (εταιρεία τεχνολογίας συμπερασμάτων AI), ανακάλυψε ότι ένας νέος αλγόριθμος προσθήκης ακεραίων θα μπορούσε να μειώσει το ενεργειακό αποτύπωμα της τεχνητής νοημοσύνης κατά 95%.
Τα ευρήματά τους δημοσιεύτηκαν σε επιστημονική εργασία αυτόν τον μήνα μέσω του Πανεπιστημίου Cornell.
«Η νέα τεχνική αντί να χρησιμοποιεί σύνθετο πολλαπλασιασμό κινητής υποδιαστολής (FPM), χρησιμοποιεί πρόσθεση ακεραίων.
Οι εφαρμογές χρησιμοποιούν FPM για να χειρίζονται εξαιρετικά μεγάλους ή μικρούς αριθμούς, επιτρέποντας στις εφαρμογές να πραγματοποιούν υπολογισμούς χρησιμοποιώντας τους με εξαιρετική ακρίβεια.
Είναι επίσης το πιο ενεργοβόρο κομμάτι της τεχνητής νοημοσύνης», ανέφερε πρόσφατα η Tech Xplore.
Αυτή η νέα τεχνολογική ανακάλυψη δεν μπορεί να εφαρμοστεί αρκετά σύντομα. Η τεχνητή νοημοσύνη αναμένεται να αντιπροσωπεύει το 3,5% της παγκόσμιας κατανάλωσης ηλεκτρικής ενέργειας έως το 2030.
Η τεχνητή νοημοσύνη προσθέτει τεραβατώρες ζήτησης στις ΗΠΑ
Μαζί με τα ηλεκτρικά οχήματα, η τεχνητή νοημοσύνη είναι σε καλό δρόμο να προσθέσει 290 τεραβατώρες ζήτησης ηλεκτρικής ενέργειας στο ενεργειακό δίκτυο των Ηνωμένων Πολιτειών για να φτάσει στο ίδιο επίπεδο κατανάλωσης ενέργειας όπως και η Τουρκία (18η μεγαλύτερη οικονομία στον κόσμο), σύμφωνα με τις προβλέψεις της Rystad Energy.
«Όταν κοιτάς τους αριθμούς, είναι συγκλονιστικό.
Σε κάνει να ξύνεις το κεφάλι σου και να αναρωτιέσαι πώς καταλήξαμε σε αυτή την κατάσταση. Πόσο μακριά ήταν οι προβλέψεις; Αυτό έχει δημιουργήσει μια πρόκληση που δεν έχουμε ξαναδεί», δήλωσε στην Washington Post ο Τζέισον Σο (Πρόεδρος της Επιτροπής Δημόσιας Υπηρεσίας της Τζόρτζια, ρυθμιστής ηλεκτρικής ενέργειας των ΗΠΑ).
Ευτυχώς, φαίνεται ότι οι ερευνητές ανταποκρίνονται σε αυτήν την πρόκληση και ο τρόπος με τον οποίο εκτελούμε μεγάλα γλωσσικά μοντέλα θα μπορούσε σύντομα να είναι πολύ πιο ενεργειακά αποδοτικός χωρίς συμβιβασμούς στην απόδοση.
www.worldenergynews.gr
