Sztuczna inteligencja (AI) staje się częścią codziennego życia wielu ludzi na całym świecie. Na poziomie indywidualnym ludzie coraz częściej wykorzystują modele AI do wyszukiwanych haseł. Chociaż Google nadal dominuje na rynku wyszukiwania, ChatGPT stanowi największe zagrożenie dla jego dominacji.
Na poziomie biznesowym żadna branża nie jest pominięta, od rolnictwa po opiekę zdrowotną, od finansów po rozrywkę, organizacje na całym świecie integrują sztuczną inteligencję w swoich codziennych działaniach.
Oczekuje się, że w nadchodzących latach światowy popyt na sztuczną inteligencję i jej wykorzystanie będą gwałtownie rosnąć, dlatego firmy technologiczne reagują na ten rozwój, budując ogromne centra danych. Wzrost ten ma jednak swoją cenę: zużycie energii, koszty ekonomiczne i wpływ na środowisko. Tradycyjne komputery po prostu nie nadążają za rosnącym zapotrzebowaniem na moc obliczeniową i energię. Aby podtrzymać rewolucję sztucznej inteligencji, musimy na nowo przemyśleć fizykę współczesnej informatyki.
Kwestie energetyczne
Nawet bez uwzględnienia sztucznej inteligencji, obliczenia elektroniczne znajdują się w krytycznym momencie. Prawo Moore’a zawodzi, skalowanie Dennarda załamało się, czego skutkiem jest rozprzestrzenianie się „ciemnego krzemu”, czyli części tranzystorów w chipie, które muszą pozostać niezasilane lub bezczynne, aby uniknąć przegrzania.
Szkolenie dużego modelu AI nie jest łatwym zadaniem. Duże modele językowe (LLM) są szkolone na ogromnych ilościach danych i mają biliony parametrów. Przewidują, mierzą, dostosowują i powtarzają ten proces miliardy razy. Szacuje się, że moc obliczeniowa potrzebna do szkolenia modeli AI będzie się podwajać co sześć miesięcy.
Przetwarzanie i przenoszenie tak dużych ilości danych wymaga ogromnej równoległości i mocy. W tradycyjnych komputerach większa moc wymaga systemów o większej gęstości. Większa gęstość oznacza większy opór, a większy opór oznacza więcej ciepła. Zmusza to centra danych do przenoszenia dużej ilości energii z obliczeń na chłodzenie, przy czym do 40% całkowitego zużycia energii w centrach danych jest wykorzystywane na zapobieganie awariom serwerów.
Infrastruktura obsługująca sztuczną inteligencję już boryka się z problemami i jasne jest, że tradycyjne przetwarzanie danych nie jest już w stanie wspierać przyszłego rozwoju.
Kwestie ekonomiczne
Operatorzy centrów danych stoją przed dylematem finansowym: albo ograniczyć gęstość obliczeniową do tego, co mogą obsłużyć ich obecne urządzenia chłodnicze, utrudniając ich możliwości biznesowe, albo przekroczyć limity termiczne, powodując przyspieszone starzenie się sprzętu i komponentów, zwiększając koszty operacyjne i ilość odpadów.
Ponadto koszt budowy nowych centrów danych jest również bardzo wysoki - McKinsey przewiduje, że do 2030 r. potrzebne będą inwestycje o wartości 5,2 biliona dolarów. Jeśli centra danych w dalszym ciągu będą opierać się na tradycyjnym przetwarzaniu danych, inwestowanie w nieefektywną infrastrukturę będzie wiązało się z ogromnym ryzykiem finansowym. Zwykli konsumenci również odczuwają skutki złych warunków ekonomicznych; Ponieważ sztuczna inteligencja wywiera bezprecedensową presję na wzrost zapotrzebowania na moc sieci i centrów danych, rosną ceny energii elektrycznej. Koszty te przenoszone są na okoliczne gospodarstwa domowe w postaci szybko rosnących rachunków za energię elektryczną.
