AI | 7 Mart 2024

Resim: Freepik

Yapay Zekanın Enerji Tüketimi Sürdürülemez Bir Yolda ve Acil Verimlilik Önlemleri Gerektiriyor

Yapay zeka (AI) ve makine öğrenimi (ML) teknolojileri geliştikçe enerji tüketimleri hızla arttı ve bu da önemli sürdürülebilirlik zorlukları ortaya çıkardı. Daha büyük modellerin geliştirilmesi ve daha yüksek doğruluk arayışının yönlendirdiği bu eğilim, yapay zeka ilerlemelerinin uzun vadede uygulanabilirliği konusunda endişeleri artırıyor. Peterson Uluslararası Ekonomi Enstitüsü'nün makalesinde Sektör liderleri alarm veriyorYapay zekanın geleceğinin küresel enerji yetenekleri ve çevresel hedeflerle uyumlu olmasını sağlamak için enerji açısından daha verimli uygulamalara doğru bir geçiş yapılması çağrısında bulunuyoruz.

• Makine öğreniminin enerji tüketimi sürdürülemez bir yolda, Küresel enerji üretimini geride bırakma tehdidi. Daha büyük modellere ve kapsamlı eğitim setlerine olan talep, özellikle veri merkezlerinde hem eğitim hem de çıkarım aşamaları için güç kullanımında katlanarak bir artışa yol açtı. AMD'nin CTO'su Mark Papermaster'ın rakamları, bu durumun katı gerçekliğini vurguluyor ML sistemlerinin enerji tüketiminin dünyanın enerji çıkışıyla karşılaştırılması. Tarihsel olarak Moore Yasası gibi verimlilik yenilikleriyle yönlendirilen teknoloji endüstrisi, artık artan enerji kullanımı pahasına performansa odaklanan bir “verimlilik karşıtı” dönemle karşı karşıya.

Bakınız:  Sürdürülebilirlik: Fintech Büyümesinin Şartı

• The Ses ve konuşma tanıma gibi yapay zeka uygulamalarında daha yüksek doğruluk arayışı, Şirketler enerji tüketimi yerine sonuçlara öncelik verecek. Ancak kârlılığa yapılan bu odaklanma, enerji kaynakları ve çevresel sürdürülebilirlik üzerindeki potansiyel uzun vadeli etkileri gözden kaçırıyor.
• yapay zeka veri merkezlerine bağımlılık karbon ayak izine önemli ölçüde katkıda bulunmaktadır. Bu merkezler sadece Çok miktarda elektrik tüketir ancak aynı zamanda klima yoluyla sürekli soğutmaya ihtiyaç duyar.Bu da enerji kullanımını daha da artırır. Yapay zeka yaygınlaştıkça karbon emisyonu Veri merkezlerine olan ilginin artması ve bunun çevresel etkiyi daha da kötüleştirmesi bekleniyor. Tüketicilerden yapay zeka teknolojilerinin karbon ayak izini azaltmaya yönelik artan bir ticari baskı var. Tüketiciler çevresel açıdan sürdürülebilir uygulamaları giderek daha fazla tercih ettikçe, karbon nötr çözümler için çabalayan şirketler rekabet avantajı bulabilir.
• GPT-3 gibi LLM'lerin eğitim süreci son derece enerji yoğundur. bir Cornell Üniversitesi'nin son araştırması Makalede bahsedilen, bu tür modellerin eğitiminin, yaklaşık yarım gün çalışan kömür yakıtlı bir elektrik santraliyle karşılaştırılabilecek 500 metrik ton karbona eşdeğer elektrik tüketebildiğini buldu. Bu modellerin güncel kalması için sık sık yeniden eğitim gerektirdiği göz önüne alındığında, kümülatif enerji tüketimi ve karbon emisyonları oldukça yüksektir. Yapay zeka modellerinin eğitiminin enerji yoğun olduğu bilinse de, çıkarım süreci (sorulara yanıt vermek) daha fazla enerji tüketebilir. Bu durum endişe verici çünkü sadece yüksek lisans eğitimleriyle etkileşime giren daha fazla kullanıcı değil, aynı zamanda onların güveni ve kullanımları da artıyor.

Bakınız:  Kanada Bankaları Sürdürülebilirlik İddiaları Üzerinden İncelemeyle Karşı Karşıya

• Bulut veri merkezlerinin ötesinde, yaygınlaşması akıllı kenar cihazıYapay zeka teknolojilerinin genel enerji tüketimine önemli ölçüde katkıda bulunuyor. Nesnelerin İnterneti'nin (IoT) ayrılmaz bir parçası olan bu cihazlar, dünyanın ürettiğinden daha fazla enerji kullanması bekleniyorYapay zeka dağıtımının tüm yönlerinde enerji açısından verimli çözümlere olan ihtiyacın altını çiziyor.
• Var Yapay zeka şirketlerinin şeffaflık eksikliği sistemlerini geliştirmenin ve çalıştırmanın çevresel maliyetleriyle ilgili. Bu şeffaflık, yapay zekanın karbon ayak izinin tam kapsamının değerlendirilmesini ve çevresel etkisini azaltmak için etkili düzenlemelerin uygulanmasını zorlaştırıyor.

Yapay Zekanın Karbon Ayak İzini Azaltma Yolları (Google Araştırmacılarına göre)

Son Google araştırması Yapay zekanın karbon ayak izinin azaltılması konusunda yapay zeka sistemlerinin çevresel etkisini en aza indirmeyi amaçlayan dört temel uygulama öneriliyor:

• Parametre sayısını azaltın (okuma doğruluğu), bu modeller hem eğitim hem de çıkarım için daha az hesaplama gücü gerektirir, bu da daha düşük enerji tüketimine ve dolayısıyla daha az karbon ayak izine yol açar.
• Özel işlemciler kullanın Makine öğrenimi görevleri için özel olarak tasarlanan işlemciler, genel amaçlı işlemcilerden daha verimlidir. Bu özel işlemciler, yapay zeka iş yüklerini daha etkili bir şekilde işleyebilir ve yapay zeka modellerini eğitmek ve çalıştırmak için gereken enerji miktarını azaltabilir.

Bakınız:  TinyML, Günlük Cihazlarda Yapay Zeka Gücünü Nasıl Ortaya Çıkarıyor?

• Bulut tabanlı veri merkezlerini kullanın Bunlar genellikle yerel veri merkezlerine göre enerji açısından daha verimlidir. Ölçek ekonomilerinden faydalanıyorlar ve gelişmiş soğutma ve enerji yönetimi teknolojilerini daha etkili bir şekilde uygulayabiliyorlar. Ek olarak, bulut sağlayıcıları sıklıkla yenilenebilir enerji kaynaklarına yatırım yaparak bulutta barındırılan yapay zeka operasyonlarının karbon ayak izini daha da azaltır.
• Daha temiz enerji kaynaklarının kullanılabilirliğine bağlı olarak veri merkezi konumlarını kullanmak için bulut altyapısını optimize edin. Yapay zeka şirketleri, yenilenebilir enerjinin kolayca bulunabildiği ve uygun fiyatlı olduğu yerleri seçerek, veri merkezlerinin güç tüketimiyle ilişkili karbon emisyonlarını önemli ölçüde azaltabilir.

Sürdürülebilir Yapay Zeka Gelişiminin Görünümü

Daha büyük modellerin geliştirilmesi ve daha yüksek doğruluk arayışının yönlendirdiği yapay zekanın geniş enerji kullanımı, yapay zeka ile çarpışma rotasındadır. gezegenin çevre ve enerji sürdürülebilirliği hedefleri. Bir zamanlar verimlilik odaklı yeniliklerle övülen teknoloji endüstrisi, artık performansı çevresel etkiden daha ön planda tutan "verimlilik karşıtlığı" eğilimini tersine çevirme sorunuyla karşı karşıya.

Yapay zekanın veri merkezlerine bağımlı olmasının çevresel maliyeti, büyük dil modellerinin eğitimi için yoğun enerji gereksinimleri ve artan enerji tüketimi çıkarım süreçleri Yapay zekanın karbon ayak izinin çok yönlü doğasını vurgulayın. Dahası, akıllı uç cihazların yaygınlaşması, bu sorunu daha da kötüleştirme tehdidi oluşturarak yapay zeka dağıtımının tüm yönlerinde kapsamlı, enerji açısından verimli çözümlere olan ihtiyacın altını çiziyor.

Bakınız:  Yapay Zeka Devrimi için Bitcoin'in Enerji Planı

Google'ın araştırması, seyrek modellerin, özel işlemcilerin, bulut tabanlı veri merkezlerinin benimsenmesi ve daha temiz enerji kaynaklarından yararlanmak için bu veri merkezlerinin konumunun optimize edilmesi de dahil olmak üzere, yapay zekanın çevresel etkisini azaltmaya yönelik uygulanabilir stratejilere işaret ediyor. Bu öneriler yapay zeka endüstrisinin karbon emisyonlarını azaltması ve küresel sürdürülebilirlik çabalarına uyum sağlaması için bir yol haritası sunuyor.

The Ulusal Kitle Fonlaması ve Fintech Derneği (NCFA Kanada), binlerce topluluk üyesine eğitim, pazar istihbaratı, endüstri yönetimi, ağ oluşturma ve finansman fırsatları ve hizmetleri sağlayan ve canlı ve yenilikçi bir fintech ve finansman oluşturmak için endüstri, hükümet, ortaklar ve bağlı kuruluşlarla yakın işbirliği içinde çalışan bir finansal yenilik ekosistemidir. Kanada'da endüstri. Merkezi olmayan ve dağıtılmış olan NCFA, küresel paydaşlarla etkileşim halindedir ve fintech, alternatif finans, kitlesel fonlama, eşler arası finans, ödemeler, dijital varlıklar ve tokenler, yapay zeka, blockchain, kripto para birimi, regtech ve sigorta teknolojisi sektörlerindeki proje ve yatırımların geliştirilmesine yardımcı olur . Kaydol Kanada'nın Fintech ve Finansman Topluluğu bugün ÜCRETSİZ! Veya bir katkıda bulunan üye ve avantajlar elde edin. Daha fazla bilgi için lütfen ziyaret edin: www.ncfacanada.org

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://ncfacanada.org/rising-ai-energy-use-a-call-for-sustainable-innovation/