Чому штучний інтелект споживає стільки енергії: чи вистачить мереж
Розвиток штучного інтелекту потребує дедалі більше електроенергії. Її споживають не лише під час навчання великих мовних моделей, а й під час обробки запитів користувачів, зберігання та передавання даних, повідомляє Інститут енергетики та навколишнього середовища Пенсильванії.
Зростання кількості дата-центрів створює додаткове навантаження на електромережі, а також збільшує:
- викиди парникових газів,
- споживання води,
- обсяг електронних відходів.
За даними звіту Лоуренс-Берклійської національної лабораторії, у 2023 році центри обробки даних споживали 4,4% усієї електроенергії у США. До 2028 року цей показник може зрости майже втричі.
Махмут Кандемір, професор кафедри комп’ютерних наук та інженерії Університету штату Пенсильванія, припускає, що у 2030–2035 роках на дата-центри може припадати до 20% світового споживання електроенергії. Це створюватиме додаткове навантаження на енергетичну інфраструктуру.
Чому штучний інтелект споживає стільки електроенергії
Однією з головних причин є навчання великих моделей штучного інтелекту. Під час цього процесу система опрацьовує великі обсяги даних і багаторазово коригує мільярди параметрів. Для цього використовують тисячі графічних процесорів (GPU), тензорних процесорів (TPU) та інших обчислювальних компонентів, які можуть працювати безперервно тижнями або місяцями.
Високі витрати на електроенергію — лише частина потреб такої інфраструктури. Дата-центрам також потрібні системи охолодження, технічне обслуговування та потужне обладнання. Крім того, моделі періодично перенавчають або оновлюють, що збільшує загальне споживання ресурсів.
Водночас електроенергію використовують не лише під час створення моделей. Кожен запит до ШІ потребує обчислень, а зберігання та передавання великих масивів даних також навантажує інфраструктуру.
За даними звіту Лоуренс-Берклійської національної лабораторії, споживання електроенергії серверами у США з 2014 до 2023 року зросло більш ніж утричі.
Як зробити штучний інтелект енергоефективнішим
Один зі способів зменшити споживання ресурсів — оптимізувати самі моделі. Замість створення великих універсальних систем із нуля дослідники можуть розробляти менші моделі для конкретних завдань і галузей, наприклад медицини чи обчислювальної хімії. Це дасть змогу зменшити обсяг необхідних обчислень без суттєвої втрати продуктивності.
Інший напрям — розвиток енергоефективного обладнання. Потенціал для зменшення споживання електроенергії мають спеціалізовані прискорювачі, зокрема нейроморфні чипи та оптичні процесори.
Також важливо змінювати джерела живлення дата-центрів. Перехід на сонячну та вітрову енергетику може зменшити залежність від викопного палива. Водночас для цього потрібно розвивати системи зберігання електроенергії та адаптувати енергетичну інфраструктуру.
Ще один підхід — планувати обчислювальні процеси з урахуванням доступності відновлюваної енергії. Наприклад, частину завдань можна переносити на періоди, коли в мережі більше електроенергії з вітрових або сонячних станцій.
Источник: speka.ua