IA | 7 mars 2024

Image : Freepik

La consommation énergétique des IA suit une trajectoire non durable et exige des mesures d’efficacité urgentes

À mesure que les technologies d’intelligence artificielle (IA) et d’apprentissage automatique (ML) évoluent, leur consommation d’énergie a grimpé en flèche, posant d’importants défis en matière de durabilité. Cette tendance, motivée par le développement de modèles plus grands et la recherche d’une plus grande précision, suscite des inquiétudes quant à la viabilité à long terme des progrès de l’IA. Dans l'article du Peterson Institute for International Economics Les leaders du secteur tirent la sonnette d’alarme, appelant à une transition vers des pratiques plus économes en énergie pour garantir que l’avenir de l’IA s’aligne sur les capacités énergétiques mondiales et les objectifs environnementaux.

• La consommation d'énergie du machine learning est sur une trajectoire non durable, menace de dépasser la production mondiale d’énergie. La demande de modèles plus grands et d'ensembles de formation étendus a conduit à une augmentation exponentielle de la consommation d'énergie, principalement dans les centres de données, à la fois pour les phases de formation et d'inférence. Les chiffres du CTO d'AMD, Mark Papermaster, mettent en évidence la dure réalité de Consommation d'énergie des systèmes ML par rapport à la production énergétique mondiale. L'industrie technologique, historiquement motivée par des innovations en matière d'efficacité telles que la loi de Moore, est désormais confrontée à une période « d'anti-efficacité », axée sur la performance au détriment d'une consommation énergétique accrue.

Voir:  Durabilité : un must pour la croissance des Fintech

• La la recherche d'une plus grande précision dans les applications d'IA, telles que la reconnaissance vocale et vocale, a conduit les entreprises doivent privilégier les résultats plutôt que la consommation d’énergie. Cette focalisation sur la rentabilité néglige toutefois les impacts potentiels à long terme sur les ressources énergétiques et la durabilité environnementale.
• IA dépendance aux centres de données contribue significativement à son empreinte carbone. Ces centres non seulement consomment de grandes quantités d’électricité mais nécessitent également un refroidissement continu grâce à la climatisation, ce qui augmente encore la consommation d’énergie. À mesure que l’IA se généralise, émissions de carbone Les coûts provenant des centres de données devraient augmenter, exacerbant ainsi l'impact environnemental. Il existe une pression commerciale croissante de la part des consommateurs pour réduire l’empreinte carbone des technologies d’IA. Les entreprises qui s’efforcent de trouver des solutions neutres en carbone pourraient trouver un avantage concurrentiel, car les consommateurs privilégient de plus en plus des pratiques respectueuses de l’environnement.
• Le processus de formation des LLM, tels que GPT-3, est extrêmement gourmand en énergie. A étude récente de l'Université Cornell cité dans l'article a révélé que la formation de tels modèles peut consommer de l'électricité équivalant à 500 tonnes de carbone, comparable à une centrale électrique au charbon fonctionnant pendant près d'une demi-journée. Étant donné que ces modèles nécessitent un recyclage fréquent pour rester à jour, la consommation d’énergie et les émissions de carbone cumulées sont substantielles. Bien que la formation des modèles d’IA soit connue pour être gourmande en énergie, le le processus d'inférence (réponse aux requêtes) peut consommer encore plus d'énergie. Ceci est alarmant car non seulement de plus en plus d’utilisateurs interagissent avec les LLM, mais ils augmentent également leur dépendance et leur utilisation.

Voir:  Les banques canadiennes font l’objet d’un examen minutieux concernant leurs allégations de durabilité

• Au-delà des datacenters cloud, la prolifération des appareil de bord intelligents contribue de manière significative à la consommation énergétique globale des technologies d’IA. Ces appareils, partie intégrante de l'Internet des objets (IoT), devraient consommer plus d’énergie que ce que le monde produit, soulignant la nécessité de solutions économes en énergie dans toutes les facettes du déploiement de l’IA.
• Il y a un manque de transparence de la part des entreprises d'IA concernant les coûts environnementaux liés au développement et à l’exploitation de leurs systèmes. Cette opacité rend difficile l’évaluation de l’ampleur réelle de l’empreinte carbone de l’IA et la mise en œuvre de réglementations efficaces pour atténuer son impact environnemental.

Moyens de réduire l'empreinte carbone de l'IA (selon des chercheurs de Google)

Recherche Google récente sur la réduction de l'empreinte carbone de l'IA suggère quatre pratiques clés visant à minimiser l'impact environnemental des systèmes d'IA :

• Réduire le nombre de paramètres (précision de lecture), ces modèles nécessitent moins de puissance de calcul pour la formation et l'inférence, ce qui entraîne une consommation d'énergie inférieure et, par conséquent, une empreinte carbone réduite.
• Utiliser des processeurs spécialisés conçus spécifiquement pour les tâches d’apprentissage automatique sont plus efficaces que les processeurs à usage général. Ces processeurs spécialisés peuvent gérer les charges de travail d'IA plus efficacement, réduisant ainsi la quantité d'énergie requise pour la formation et l'exécution des modèles d'IA.

Voir:  Comment TinyML libère la puissance de l'IA dans les appareils du quotidien

• Utiliser des centres de données basés sur le cloud qui sont généralement plus économes en énergie que les centres de données locaux. Ils bénéficient d’économies d’échelle et peuvent mettre en œuvre plus efficacement des technologies avancées de refroidissement et de gestion de l’énergie. De plus, les fournisseurs de cloud investissent souvent dans des sources d’énergie renouvelables, réduisant ainsi davantage l’empreinte carbone des opérations d’IA hébergées dans le cloud.
• Optimisez l'infrastructure cloud pour utiliser les emplacements des centres de données en fonction de la disponibilité de sources d'énergie plus propres.. En choisissant des emplacements où les énergies renouvelables sont facilement disponibles et abordables, les entreprises d’IA peuvent réduire considérablement les émissions de carbone associées à la consommation électrique de leurs centres de données.

Les perspectives du développement durable de l’IA

La vaste consommation d'énergie de l'IA, motivée par le développement de modèles plus grands et la recherche d'une plus grande précision, est sur le point d'entrer en collision avec le les objectifs de durabilité environnementale et énergétique de la planète. L’industrie technologique, autrefois célébrée pour ses innovations axées sur l’efficacité, est désormais confrontée au défi d’inverser la tendance « anti-efficacité » qui donne la priorité à la performance plutôt qu’à l’impact environnemental.

Le coût environnemental de la dépendance de l'IA aux centres de données, les besoins énergétiques intensifs pour la formation de grands modèles de langage et la consommation croissante d'énergie pour processus d'inférence mettent en évidence la nature multiforme de l’empreinte carbone de l’IA. De plus, la prolifération des appareils intelligents menace d’exacerber ce problème, soulignant la nécessité de solutions globales économes en énergie dans toutes les facettes du déploiement de l’IA.

Voir:  Le plan énergétique de Bitcoin pour la révolution de l’IA

Les recherches de Google suggèrent des stratégies concrètes pour réduire l'impact environnemental de l'IA, notamment l'adoption de modèles clairsemés, de processeurs spécialisés, de centres de données basés sur le cloud et l'optimisation de l'emplacement de ces centres de données pour exploiter des sources d'énergie plus propres. Ces recommandations offrent une feuille de route permettant à l’industrie de l’IA d’atténuer ses émissions de carbone et de s’aligner sur les efforts mondiaux de développement durable.

La National Crowdfunding & Fintech Association (NCFA Canada) est un écosystème d'innovation financière qui offre des opportunités et des services d'éducation, d'information sur le marché, de gestion de l'industrie, de réseautage et de financement à des milliers de membres de la communauté et travaille en étroite collaboration avec l'industrie, le gouvernement, les partenaires et les sociétés affiliées pour créer une technologie financière et un financement dynamiques et innovants. l'industrie au Canada. Décentralisé et distribué, NCFA s'engage auprès des parties prenantes mondiales et aide à incuber des projets et des investissements dans les secteurs de la fintech, de la finance alternative, du financement participatif, de la finance peer-to-peer, des paiements, des actifs et jetons numériques, de l'intelligence artificielle, de la blockchain, de la crypto-monnaie, de la regtech et de l'insurtech. . S'inscrire La communauté Fintech et de financement du Canada aujourd'hui GRATUITEMENT! Ou devenir un membre contributeur et obtenez des avantages. Pour plus d'informations, s'il vous plaît visitez: www.ncfacanada.org

• Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
• PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
• PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
• PlatonESG. Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
• PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
• La source: https://ncfacanada.org/rising-ai-energy-use-a-call-for-sustainable-innovation/