Dirbtinis intelektas (AI) tampa daugelio žmonių visame pasaulyje kasdienio gyvenimo dalimi. Asmeniniu lygmeniu žmonės vis dažniau naudoja AI modelius paieškos užklausoms. Nors „Google“ vis dar dominuoja paieškos rinkoje, „ChatGPT“ sukėlė didžiausią grėsmę jos dominavimui.
Verslo lygmeniu nelieka nuošalyje nei viena pramonės šaka – nuo žemės ūkio iki sveikatos priežiūros, nuo finansų iki pramogų – organizacijos visame pasaulyje integruoja dirbtinį intelektą į savo kasdienes veiklas.
Tikimasi, kad ateinančiais metais dirbtinio intelekto paklausa ir naudojimas pasaulyje eksponentiškai augs, todėl technologijų įmonės reaguoja į šią raidą statydamos didžiulius duomenų centrus. Tačiau šis augimas kainuoja: energijos suvartojimas, ekonominės išlaidos ir poveikis aplinkai. Tradicinis skaičiavimas tiesiog negali neatsilikti nuo augančių skaičiavimo ir energijos poreikių. Norėdami išlaikyti AI revoliuciją, turime permąstyti šiuolaikinės kompiuterijos fiziką.
Energetiniai klausimai
Net neatsižvelgiant į AI, elektroninė kompiuterija yra kritinėje vietoje. Moore'o dėsnis žlunga, Dennardo mastelio keitimas sugedo, todėl daugėja „tamsaus silicio“, lusto tranzistorių dalių, kurios turi likti neįjungtos arba tuščios, kad būtų išvengta perkaitimo.
Išmokyti didelį AI modelį nėra lengva užduotis. Dideli kalbų modeliai (LLM) mokomi naudojant didžiulius duomenų kiekius ir turi trilijonus parametrų. Jie prognozuoja, matuoja, koreguoja ir kartoja procesą milijardus kartų. Apskaičiuota, kad dirbtinio intelekto modeliams parengti reikalinga skaičiavimo galia padvigubės kas šešis mėnesius.
Norint apdoroti ir perkelti tokius didelius duomenų kiekius, reikia didžiulio lygiagretumo ir galios. Tradiciniuose skaičiavimuose didesnės galios reikalingos didesnio tankio sistemos. Didesnis tankis reiškia didesnį atsparumą, o didesnis atsparumas reiškia daugiau šilumos. Tai verčia duomenų centrus perkelti daug energijos nuo skaičiavimo prie vėsinimo, o iki 40 % visų duomenų centro suvartojamos energijos sunaudojama siekiant išvengti serverio gedimo.
Infrastruktūra, palaikanti dirbtinį intelektą, jau susiduria su sunkumais, ir akivaizdu, kad tradicinė kompiuterija nebegali palaikyti ateities plėtros.
Ekonominiai klausimai
Duomenų centrų operatoriai susiduria su finansine problema: arba apriboti skaičiavimo tankį tiek, kiek gali apdoroti jų dabartinės aušinimo įrenginiai, o tai trukdo jų verslo galimybėms, arba padidina šilumines ribas, dėl kurių paspartėja aparatinės įrangos ir komponentų senėjimas, didėja eksploatavimo išlaidos ir atliekos.
Be to, naujų duomenų centrų kūrimo išlaidos taip pat labai didelės. - McKinsey prognozuoja, kad iki 2030 m. reikės 5,2 trilijono JAV dolerių investicijų. Jei duomenų centrai ir toliau remsis tradicine kompiuterija, investicijos į neefektyvią infrastruktūrą bus didžiulė finansinė rizika. Paprastus vartotojus taip pat veikia prastos ekonominės sąlygos; AI daro precedento neturintį spaudimą tinklui, o duomenų centrų energijos poreikis didėja, elektros kainos kyla. Šios išlaidos perkeliamos aplinkiniams namų ūkiams sparčiai didėjančių sąskaitų už elektrą forma.
