محققان الگوریتم جدیدی را توسعه داده اند که می تواند مصرف انرژی هوش مصنوعی را به میزان قابل توجهی (کاهش 95 درصدی مصرف انرژی هوش مصنوعی) کاهش دهد و راه حلی بالقوه برای اهداف پایداری و کربن زدایی ایجاد می کند، بخش فناوری در حال بررسی راه‌حل‌های مختلف، از جمله منابع انرژی پاک و روش‌های محاسباتی کارآمدتر، برای رسیدگی به مشکل مصرف انرژی هوش مصنوعی است.
استفاده از هوش مصنوعی به سرعت در حال افزایش است زیرا یادگیری ماشین و مدل‌های بزرگ زبان به جنبه اصلی برنامه‌های روزمره تبدیل شده‌اند.
در حالی که کاربردهای هوش مصنوعی افزایش می یابد، ردپای انرژی و انتشار گازهای گلخانه ای مرتبط با آن نیز افزایش می یابد. آموزش مدل‌های هوش مصنوعی به مقادیر عظیمی از انرژی محاسباتی نیاز دارد، به طوری که تقاضای انرژی در کشورهای توسعه‌یافته پس از سال‌ها رشد شدید در سال ۲۰۲۴ افزایش یافته است.
هوش مصنوعی نوید زیادی برای ساخت شبکه‌های انرژی کارآمد، پایدار و هوشمند دارد، اما تهدیدی بزرگ برای امنیت انرژی و اهداف کربن‌زدایی ما محسوب می‌شود، با افزایش سرسام آور اندازه و دسترسی بخش، قدرت محاسباتی لازم برای حفظ رشد هوش مصنوعی تقریباً هر 100 روز دو برابر می شود و در حال حاضر، ChatGPT به حدود 564 مگاوات ساعت در روز نیاز دارد که برای تامین انرژی 18000 خانه در ایالات متحده کافی است.
با این مقیاس و سرعت رشد، مشخص نیست که کشورهایی مانند ایالات متحده از کجا انرژی کافی برای پاسخگویی به تقاضاهای رو به رشد سریع بخش فناوری را تامین می کنند، بسیار کمتر به روشی سازگار با آب و هوا.
در نتیجه، بخش فناوری در حال تلاش برای کشف منابع جدید انرژی پاک است. سام آلتمن از OpenAI، شرکت پشتیبان ChatGPT، یکی از طرفداران صریح افزایش سرمایه گذاری در تولید انرژی شکافت هسته ای و همچنین تحقیق و توسعه همجوشی هسته ای برای تامین نیازهای انرژی هوش مصنوعی بوده است.
آلتمن سال گذشته در وال استریت ژورنال نقل کرد: سیستم‌های هوش مصنوعی آینده به مقادیر زیادی انرژی نیاز خواهند داشت و این شکافت و همجوشی می‌تواند به تحویل آنها کمک کند. بیل گیتس نیز میلیاردها دلار برای سرمایه گذاری در انرژی هسته ای برای کمک به پاکسازی بخش فناوری و تمیز نگه داشتن آن با افزایش مراکز داده متعهد شده است.
علاوه بر توجه به افزایش تولید انرژی پاک، بسیاری از محققان و دانشمندان در حال آزمایش راه هایی برای کاهش مصرف انرژی هوش مصنوعی هستند. اینها عمدتاً حول روش‌های مختلف محاسباتی می‌چرخند که در هر محاسبه به انرژی کمتری نیاز دارند.
یکی از این راه حل ها، کاربرد بالقوه محاسبات کوانتومی برای هوش مصنوعی است که به مدل های زبان بزرگ اجازه می دهد تا محاسبات بسیار پیچیده را سریعتر و با منابع بسیار کمتر انجام دهند. در برخی موارد، رایانه‌های کوانتومی می‌توانند 100 برابر بیشتر از ابر رایانه‌های کنونی کارآمدتر باشند.
Tech Xplore اخیرا گزارش داده است که روش جدید پایه ای است - به جای استفاده از ضرب نقطه شناور پیچیده (FPM)، این روش از جمع اعداد صحیح استفاده می کند - برنامه‌ها از FPM برای رسیدگی به اعداد بسیار بزرگ یا کوچک استفاده می‌کنند و به برنامه‌ها اجازه می‌دهند تا محاسبات را با استفاده از آنها با دقت بسیار زیاد انجام دهند. این همچنین پر انرژی ترین بخش از خرد کردن اعداد هوش مصنوعی است.
این پیشرفت فناوری جدید نمی تواند به زودی اجرا شود. پیش بینی می شود هوش مصنوعی تا سال 2030 3.5 درصد از مصرف برق جهانی را تشکیل دهد. هوش مصنوعی همراه با وسایل نقلیه الکتریکی در مسیر افزایش 290 تراوات ساعت تقاضای برق به شبکه انرژی ایالات متحده در مدت مشابه برای رسیدن به همان سطح مصرف انرژی است. به عنوان کل کشور ترکیه، هجدهمین اقتصاد بزرگ جهان، بر اساس پیش بینی های ریستاد انرژی.
جیسون شاو، رئیس کمیسیون خدمات عمومی جورجیا، یک تنظیم کننده برق ایالات متحده، در اوایل سال جاری به واشنگتن پست گفت: وقتی به اعداد نگاه می کنید، حیرت آور است، این باعث می‌شود که سرتان را خارانید و تعجب کنید که چگونه در این وضعیت قرار گرفتیم. چگونه پیش بینی ها تا این حد دور بود؟ این چالشی را ایجاد کرده است که قبلاً ندیده‌ایم.
خوشبختانه، به نظر می‌رسد که محققان در حال مقابله با این چالش هستند و روشی که ما مدل‌های زبان بزرگ را اجرا می‌کنیم، می‌تواند به زودی بدون به خطر انداختن عملکرد، انرژی بسیار کارآمدتری داشته باشد.
لینک سایت مرجع
مالکیت معنوی مجله انرژی (energymag.ir) علامت تجاری ناشر است... سایر علائم تجاری مورد استفاده در این مقاله متعلق به دارندگان علامت تجاری مربوطه می باشد، ناشر وابسته یا مرتبط با دارندگان علامت تجاری نیست و توسط دارندگان علامت تجاری حمایت، تایید یا ایجاد نشده است، مگر اینکه خلاف آن ذکر شده باشد و هیچ ادعایی از سوی ناشر نسبت به حقوق مربوط به علائم تجاری شخص ثالث وجود ندارد.
