AI | 7 maart 2024

Afbeelding: Freepik

Het energieverbruik van AI bevindt zich op een onhoudbaar traject en vereist dringende efficiëntiemaatregelen

Naarmate de technologieën voor kunstmatige intelligentie (AI) en machine learning (ML) evolueren, is hun energieverbruik enorm gestegen, wat aanzienlijke uitdagingen op het gebied van duurzaamheid met zich meebrengt. Deze trend, aangedreven door de ontwikkeling van grotere modellen en de zoektocht naar hogere nauwkeurigheid, roept zorgen op over de levensvatbaarheid van AI-ontwikkelingen op de lange termijn. In het artikel van het Peterson Institute for International Economics Marktleiders luiden de noodklok, waarbij wordt aangedrongen op een verschuiving naar energie-efficiëntere praktijken om ervoor te zorgen dat de toekomst van AI aansluit bij de mondiale energiecapaciteiten en milieudoelstellingen.

• Het energieverbruik van machine learning bevindt zich op een onhoudbaar traject. dreigt de mondiale energieproductie te overtreffen. De vraag naar grotere modellen en uitgebreide trainingssets heeft geleid tot een exponentiële toename van het stroomverbruik, vooral in datacentra voor zowel trainings- als inferentiefasen. Cijfers van AMD's CTO Mark Papermaster benadrukken de grimmige realiteit van Het energieverbruik van ML-systemen vergeleken met de energieproductie in de wereld. De technologie-industrie, historisch gedreven door efficiëntie-innovaties zoals de wet van Moore, wordt nu geconfronteerd met een periode van ‘anti-efficiëntie’, waarbij de nadruk ligt op prestaties ten koste van een toenemend energieverbruik.

Siehe:  Duurzaamheid: een must voor Fintech-groei

• De het streven naar hogere nauwkeurigheid in AI-toepassingen, zoals stem- en spraakherkenning, heeft daartoe geleid bedrijven om prioriteit te geven aan resultaten boven energieverbruik. Deze focus op winstgevendheid gaat echter voorbij aan de potentiële langetermijneffecten op energiebronnen en ecologische duurzaamheid.
• AI's afhankelijkheid van datacenters draagt ​​aanzienlijk bij aan de ecologische voetafdruk. Deze centra niet alleen verbruiken enorme hoeveelheden elektriciteit, maar vereisen ook continue koeling via airconditioning, waardoor het energieverbruik verder toeneemt. Naarmate AI steeds wijdverspreider wordt, wordt de koolstofemissies van datacenters zal naar verwachting toenemen, waardoor de gevolgen voor het milieu nog groter zullen worden. Er is een groeiende commerciële druk van consumenten om de CO2-voetafdruk van AI-technologieën te verkleinen. Bedrijven die streven naar koolstofneutrale oplossingen kunnen een concurrentievoordeel behalen, omdat consumenten steeds meer de voorkeur geven aan ecologisch duurzame praktijken.
• Het proces van het trainen van LLM's, zoals GPT-3, is extreem energie-intensief. Een recent onderzoek van Cornell University uit het artikel blijkt dat het trainen van dergelijke modellen elektriciteit kan verbruiken die overeenkomt met 500 ton koolstof, vergelijkbaar met een kolencentrale die bijna een halve dag draait. Aangezien deze modellen regelmatig moeten worden bijgeschoold om up-to-date te blijven, zijn het cumulatieve energieverbruik en de COXNUMX-uitstoot aanzienlijk. Hoewel het bekend is dat het trainen van AI-modellen energie-intensief is, is de... het inferentieproces (reageren op vragen) kan zelfs nog meer energie verbruiken. Dit is alarmerend omdat er niet alleen meer gebruikers zijn die interactie hebben met LLM's, maar ook hun afhankelijkheid en gebruik toenemen.

Siehe:  Canadese banken worden kritisch onderzocht op duurzaamheidsclaims

• Naast datacenters in de cloud is er sprake van een snelle verspreiding van slim edge-apparaats draagt ​​aanzienlijk bij aan het totale energieverbruik van AI-technologieën. Deze apparaten, die een integraal onderdeel vormen van het Internet of Things (IoT), Er wordt verwacht dat zij meer energie zullen verbruiken dan de wereld genereert, waarbij de behoefte aan energie-efficiënte oplossingen voor alle facetten van de inzet van AI wordt benadrukt.
• Er is een gebrek aan transparantie bij AI-bedrijven met betrekking tot de milieukosten van de ontwikkeling en exploitatie van hun systemen. Deze ondoorzichtigheid maakt het moeilijk om de volledige omvang van de CO2-voetafdruk van AI te beoordelen en effectieve regelgeving te implementeren om de impact op het milieu te beperken.

Manieren om de CO2-voetafdruk van AI te verkleinen (volgens Google-onderzoekers)

Recent Google-onderzoek over het verkleinen van de CO2-voetafdruk van AI suggereert vier belangrijke praktijken gericht op het minimaliseren van de milieu-impact van AI-systemen:

• Verminder het aantal parameters (lees nauwkeurigheid), vereisen deze modellen minder rekenkracht voor zowel training als gevolgtrekking, wat leidt tot een lager energieverbruik en bijgevolg een kleinere ecologische voetafdruk.
• Gebruik gespecialiseerde verwerkers speciaal ontworpen voor machine learning-taken zijn efficiënter dan processors voor algemene doeleinden. Deze gespecialiseerde processors kunnen AI-werklasten effectiever verwerken, waardoor de hoeveelheid energie die nodig is voor het trainen en uitvoeren van AI-modellen wordt verminderd.

Siehe:  Hoe TinyML AI-kracht ontketent op alledaagse apparaten

• Gebruik cloudgebaseerde datacenters die over het algemeen energiezuiniger zijn dan lokale datacenters. Ze profiteren van schaalvoordelen en kunnen geavanceerde technologieën voor koeling en energiebeheer effectiever implementeren. Bovendien investeren cloudproviders vaak in hernieuwbare energiebronnen, waardoor de ecologische voetafdruk van AI-activiteiten die in de cloud worden gehost verder wordt verkleind.
• Optimaliseer de cloudinfrastructuur om datacenterlocaties te gebruiken op basis van de beschikbaarheid van schonere energiebronnen. Door locaties te kiezen waar hernieuwbare energie direct beschikbaar en betaalbaar is, kunnen AI-bedrijven de CO2-uitstoot die gepaard gaat met het energieverbruik van hun datacenters aanzienlijk verminderen.

De vooruitzichten voor duurzame AI-ontwikkeling

Het enorme energieverbruik van AI, gedreven door de ontwikkeling van grotere modellen en de zoektocht naar hogere nauwkeurigheid, ligt op ramkoers met de milieu- en energieduurzaamheidsdoelstellingen van onze planeet. De technologie-industrie, ooit geroemd om efficiëntiegedreven innovaties, staat nu voor de uitdaging om de ‘anti-efficiëntie’-trend, die prioriteit geeft aan prestaties boven de impact op het milieu, te keren.

De milieukosten van de afhankelijkheid van AI van datacenters, de intensieve energiebehoefte voor het trainen van grote taalmodellen en het toenemende energieverbruik voor inferentieprocessen benadrukken de veelzijdige aard van de CO2-voetafdruk van AI. Bovendien dreigt de proliferatie van slimme edge-apparaten dit probleem te verergeren, wat de behoefte aan alomvattende energie-efficiënte oplossingen voor alle facetten van de inzet van AI onderstreept.

Siehe:  Bitcoin's energieblauwdruk voor de AI-revolutie

Het onderzoek van Google wijst in de richting van uitvoerbare strategieën om de impact van AI op het milieu te verminderen, waaronder de adoptie van schaarse modellen, gespecialiseerde processors, cloudgebaseerde datacenters en het optimaliseren van de locatie van deze datacenters om schonere energiebronnen te benutten. Deze aanbevelingen bieden een routekaart voor de AI-industrie om de CO2-uitstoot te verminderen en aan te sluiten bij de mondiale inspanningen op het gebied van duurzaamheid.

De Nationale Crowdfunding & Fintech Association (NCFA Canada) is een financieel innovatie-ecosysteem dat onderwijs, marktinformatie, rentmeesterschap van de sector, netwerk- en financieringsmogelijkheden en -diensten biedt aan duizenden leden van de gemeenschap en nauw samenwerkt met de industrie, de overheid, partners en aangesloten bedrijven om een ​​levendige en innovatieve fintech- en financieringsomgeving te creëren. industrie in Canada. NCFA is gedecentraliseerd en gedistribueerd en houdt zich bezig met mondiale belanghebbenden en helpt bij het incuberen van projecten en investeringen in fintech, alternatieve financiering, crowdfunding, peer-to-peer financiering, betalingen, digitale activa en tokens, kunstmatige intelligentie, blockchain, cryptocurrency, regtech en insurtech-sectoren . Aanmelden Canada's Fintech & Funding Community vandaag GRATIS! Of word een bijdragend lid en ontvang speciale voordelen. Ga voor meer informatie naar: www.ncfacanada.org

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://ncfacanada.org/rising-ai-energy-use-a-call-for-sustainable-innovation/