AI | 7년 2024월 XNUMX일

이미지: 프리픽

AI의 에너지 소비는 지속 불가능한 궤도에 있으며 긴급한 효율성 측정이 필요합니다.

인공 지능(AI) 및 기계 학습(ML) 기술이 발전함에 따라 에너지 소비가 급증하여 지속 가능성에 심각한 문제가 발생했습니다. 더 큰 모델의 개발과 더 높은 정확도에 대한 추구로 인해 발생하는 이러한 추세는 AI 발전의 장기적인 생존 가능성에 대한 우려를 불러일으킵니다. 피터슨 국제경제연구소(Peterson Institute for International Economics)의 기사에서 업계 리더들이 경종을 울리고 있다, AI의 미래가 글로벌 에너지 역량 및 환경 목표와 일치하도록 보다 에너지 효율적인 관행으로의 전환을 촉구합니다.

• 머신러닝의 에너지 소비는 지속 불가능한 궤도에 있습니다. 전 세계 에너지 생산량을 앞지를 것으로 위협. 더 큰 모델과 광범위한 훈련 세트에 대한 수요로 인해 주로 훈련 및 추론 단계 모두를 위한 데이터 센터에서 전력 사용량이 기하급수적으로 증가했습니다. AMD의 CTO인 Mark Papermaster의 수치는 다음과 같은 냉혹한 현실을 강조합니다. 전 세계 에너지 생산량 대비 ML 시스템의 에너지 소비량. 역사적으로 무어의 법칙과 같은 효율성 혁신에 의해 주도되어 온 기술 산업은 이제 에너지 사용 증가를 대가로 성능에 초점을 맞추는 '반효율성' 시대에 직면해 있습니다.

참조 :  지속 가능성: 핀테크 성장을 위한 필수 요소

• XNUMXD덴탈의 음성인식, 음성인식 등 AI 응용분야에서 더 높은 정확도를 추구하는 것은 에너지 소비보다 결과를 우선시하는 기업. 그러나 수익성에 초점을 맞추는 것은 에너지 자원과 환경 지속 가능성에 대한 잠재적인 장기적 영향을 간과합니다.
• AI 데이터 센터에 대한 의존도 탄소발자국에 크게 기여합니다. 이들 센터뿐만 아니라 막대한 양의 전기를 소비하지만 에어컨을 통한 지속적인 냉각도 필요합니다., 이는 에너지 사용을 더욱 증가시킵니다. AI가 보편화되면서 탄소 배출 데이터 센터의 사용량이 증가하여 환경에 미치는 영향이 더욱 커질 것으로 예상됩니다. AI 기술의 탄소 배출량을 줄이려는 소비자의 상업적 압력이 커지고 있습니다. 탄소 중립 솔루션을 위해 노력하는 기업은 소비자가 점점 더 환경적으로 지속 가능한 관행을 선호함에 따라 경쟁 우위를 찾을 수 있습니다.
• GPT-3와 같은 LLM 교육 과정은 극도로 에너지 집약적입니다.. 에이 코넬 대학교의 최근 연구 기사에 인용된 연구에 따르면 이러한 모델을 훈련하면 거의 반나절 동안 가동되는 석탄 연료 발전소와 비교할 수 있는 500톤의 탄소에 해당하는 전력이 소비됩니다. 이러한 모델은 최신 상태를 유지하기 위해 빈번한 재교육이 필요하다는 점을 고려하면 누적 에너지 소비량과 탄소 배출량이 상당합니다. AI 모델 훈련은 에너지 집약적인 것으로 알려져 있지만, 추론 프로세스(쿼리에 응답)는 더 많은 에너지를 소비할 수 있습니다.. LLM과 상호 작용하는 사용자가 더 많아질 뿐만 아니라 LLM의 의존도와 사용량도 증가하고 있기 때문에 이는 놀라운 일입니다.

참조 :  캐나다 은행, 지속 가능성 주장에 대한 조사에 직면

• 클라우드 데이터센터를 넘어, 스마트 엣지 장치s는 AI 기술의 전반적인 에너지 소비에 크게 기여합니다. 사물인터넷(IoT)에 필수적인 이러한 장치는 전 세계가 생산하는 것보다 더 많은 전력을 사용할 것으로 예상됩니다., AI 배포의 모든 측면에서 에너지 효율적인 솔루션의 필요성을 강조합니다.
• 이있다 AI 회사의 투명성 부족 시스템을 개발하고 운영하는 데 드는 환경 비용에 관한 것입니다. 이러한 불투명성으로 인해 AI의 탄소 배출량 전체를 평가하고 환경 영향을 완화하기 위한 효과적인 규정을 구현하기가 어렵습니다.

AI 탄소 발자국을 줄이는 방법(Google 연구원에 따르면)

최근 구글 조사 AI의 탄소 배출량 감소에 관한 보고서는 AI 시스템이 환경에 미치는 영향을 최소화하기 위한 네 가지 주요 관행을 제안합니다.

• 매개변수 수를 줄이세요 (읽기 정확도), 이러한 모델은 훈련과 추론 모두에 더 적은 계산 능력을 필요로 하므로 에너지 소비가 낮아지고 결과적으로 탄소 배출량이 줄어듭니다.
• 특수 프로세서 사용 기계 학습 작업을 위해 특별히 설계된 프로세서는 범용 프로세서보다 효율적입니다. 이러한 특수 프로세서는 AI 워크로드를 보다 효과적으로 처리하여 AI 모델을 훈련하고 실행하는 데 필요한 에너지 양을 줄일 수 있습니다.

참조 :  TinyML이 일상 장치에서 AI 성능을 발휘하는 방법

• 클라우드 기반 데이터 센터 사용 일반적으로 로컬 데이터 센터보다 에너지 효율적입니다. 규모의 경제 혜택을 누리고 고급 냉각 및 에너지 관리 기술을 보다 효과적으로 구현할 수 있습니다. 또한 클라우드 제공업체는 종종 재생 가능 에너지원에 투자하여 클라우드에서 호스팅되는 AI 운영의 탄소 배출량을 더욱 줄입니다.
• 청정 에너지원의 가용성을 기반으로 데이터 센터 위치를 사용하도록 클라우드 인프라를 최적화합니다.. 재생 가능 에너지를 쉽게 이용할 수 있고 가격이 저렴한 위치를 선택함으로써 AI 기업은 데이터 센터의 전력 소비와 관련된 탄소 배출량을 크게 줄일 수 있습니다.

지속 가능한 AI 개발에 대한 전망

더 큰 모델의 개발과 더 높은 정확도에 대한 추구로 인해 AI의 막대한 에너지 사용은 다음과 충돌하고 있습니다. 지구의 환경 및 에너지 지속 가능성 목표. 한때 효율성 중심 혁신으로 유명했던 기술 산업은 이제 환경 영향보다 성능을 우선시하는 "반효율성" 추세를 뒤집어야 하는 과제에 직면해 있습니다.

데이터 센터에 대한 AI 의존으로 인한 환경 비용, 대규모 언어 모델 훈련을 위한 집약적인 에너지 요구 사항, 추론 과정 AI 탄소 발자국의 다면적인 특성을 강조합니다. 더욱이, 스마트 에지 장치의 확산은 이 문제를 악화시킬 위험이 있으며, AI 배포의 모든 측면에서 포괄적인 에너지 효율적인 솔루션의 필요성이 강조됩니다.

참조 :  AI 혁명을 위한 비트코인의 에너지 청사진

Google의 연구에서는 희소 모델, 특수 프로세서, 클라우드 기반 데이터 센터 채택, 청정 에너지원 활용을 위한 데이터 센터 위치 최적화 등 AI가 환경에 미치는 영향을 줄이기 위한 실행 가능한 전략을 제시합니다. 이러한 권장 사항은 AI 산업이 탄소 배출을 완화하고 글로벌 지속 가능성 노력에 부합할 수 있는 로드맵을 제공합니다.

XNUMXD덴탈의 전국 크라우드 펀딩 및 핀 테크 협회 (NCFA Canada)는 수천 명의 커뮤니티 구성원에게 교육, 시장 정보, 산업 관리, 네트워킹 및 자금 조달 기회와 서비스를 제공하고 업계, 정부, 파트너 및 계열사와 긴밀히 협력하여 활기차고 혁신적인 핀테크 및 자금 조달을 창출하는 금융 혁신 생태계입니다. 캐나다의 산업. 분산화되고 분산된 NCFA는 전 세계 이해관계자와 협력하고 핀테크, 대체 금융, 크라우드 펀딩, PXNUMXP 금융, 결제, 디지털 자산 및 토큰, 인공 지능, 블록체인, 암호화폐, 레그테크 및 보험 기술 부문에 대한 인큐베이팅 프로젝트 및 투자를 돕습니다. . 가입하기 캐나다의 Fintech & Funding Community 오늘은 무료입니다! 또는 기고 회원 특권을 얻으십시오. 자세한 내용은 다음을 방문하십시오. www.ncfacanada.org

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://ncfacanada.org/rising-ai-energy-use-a-call-for-sustainable-innovation/