در یک پیشرفت بی سابقه و مورد انتظار در صنعت هوش مصنوعی ، Google سرانجام جزئیات فنی منابع اطلاعاتی مصنوعی را منتشر کرد.
این یک پیروزی مهم برای محققان و سیاست گذاران برای درک بار محیط زیست از افزایش شفافیت و انقلاب هوش مصنوعی است که پیش بینی مصرف انرژی ، آب و کربن برای هر تقاضا برای مدل های دوقلو است.
این حرکت Google ، اولین مرحله شفاف یک شرکت بزرگ فناوری با یک محصول هوش مصنوعی محبوب ، این امکان را برای جامعه علمی و عمومی فراهم می کند تا مراکز داده بزرگ و بالا را ببینید.
۰.۲۴ وات-ساات برای درخواست متوسط
براساس گزارش فنی Google ، برنامه های جیمانا درخواست درخواست متوسط به برنامه های 1.5 وات برق را دارند. این مقدار تقریباً برابر با باز کردن یک اجاق مایکروویو استاندارد برای یک ثانیه است. برای به دست آوردن این شماره ، گوگل فقط یک رویکرد جامع فراتر از مصرف پردازنده های هوش مصنوعی اتخاذ کرده است.
تجزیه و تحلیل مصرف انرژی:
تراشه های هوش مصنوعی (TPU): تنها 2 ٪ از کل انرژی مصرف می شد.
تجهیزات جانبی (پردازنده و حافظه میزبان): 1 ٪ از انرژی برای پشتیبانی از تجهیزات ویژه هوش مصنوعی صرف می شود.
اتومبیل های آماده (ماشین های خالی): برای جلوگیری از خرابی سیستم ، پشتیبان گیری و تجهیزات آماده 1 ٪ از کل مصرف را تشکیل می دهند.
مرکز داده: نهایی مربوط به هزینه های عمومی مانند خنک کننده و تغییر قدرت مرکز داده است.
این جدایی بخش قابل توجهی از تمرکز بر بهینه سازی پردازنده های هوش مصنوعی (مانند GPU یا Google TPU) را برای کاهش مصرف انرژی و بخش قابل توجهی از بار انرژی زیرساخت جانبی کافی ندارد. به گفته کارشناسان ، این گزارش “سنگ اصلی گوشه در زمینه انرژی هوش مصنوعی” خواهد بود ، زیرا تولید چنین برآوردهای دقیق فقط در مقیاس عملیاتی شرکتهای بزرگ فناوری امکان پذیر است.
عدم اطمینان پنهان: Dönüş
با وجود شفافیت قابل توجه ، این گزارش محدودیت های مهمی دارد:
“تمرکز روی»: آمار ارائه شده برای درخواست متوسط است. همانطور که دین اشاره می کند ، خواسته های پیچیده تر ، مانند خلاصه کردن محتوای کتاب یا استفاده از مدل های استدلال ، انرژی بیشتری مصرف می کنند.
فقط متن: این تخمین محدود به درخواست های متن است و شامل کارهای پرانرژی تر مانند تولید تصویر یا فیلم نیست.
عدم وجود داده های کلان: گوگل از توضیح تعداد کل درخواست های جیمانا روزانه خودداری کرد. این بزرگترین ضرر این گزارش است ، زیرا بدون این داده ، پیش بینی مصرف کل انرژی جیمانی در سراسر جهان غیرممکن خواهد بود.
ساشا لوكونی ، محقق و آب و هوا از هوش مصنوعی ، از این مرحله استقبال كرد و تأكید كرد كه این گزارش جایگزینی برای استاندارد سازی صنعتی (مشابه برچسب انرژی ستاره انرژی) نیست كه محققان مدتهاست به دنبال آن هستند. وی می گوید: “گوگل هنوز شرکتی است که تصمیم می گیرد جزئیات ، چه موقع و چگونه به اشتراک بگذارد.”
کربن و آب: تأثیر انرژی پاک
گوگل همچنین پیش بینی های مصرف آب و انتشار کربن را ارائه داد:
انتشار کربن: هر میل متوسط 1.5 گرم دی اکسید کربن تولید می کند.
مصرف آب: هر تقاضا حدود 1.5 میلی لیتر آب (حدود پنج قطره) مصرف می کند.
در محاسبه کربن ، گوگل از پیش بینی پیش بینی بازار با پروژه های انرژی پاک (مانند خورشید ، باد و هسته ای) استفاده کرد. با توجه به این قراردادها ، راه اندازی کربن گوگل در هر واحد برق حدود یک سوم میانگین شبکه ای است که در آن کار می کند. این رویکرد بر تعهدات پایداری گوگل تأکید می کند ، نشان می دهد که هزینه واقعی انتشار کربن برای مراکز داده فاقد چنین قراردادهایی است.
سرانجام ، این هدف شفافیت گوگل ارائه کاربران بود. “مردم نباید نگران انرژی یا مصرف آب مدل های جیمانی باشند ، زیرا اندازه گیری های واقعی ما نشان می دهد که این معادل کاری است که شما روزانه انجام می دهید بدون اینکه در مورد تماشای تلویزیون برای چند ثانیه فکر کنید یا پنج قطره آب مصرف کنید.”
با این حال ، کاهش مصرف انرژی هوش مصنوعی یک گرایش امیدوار کننده است. گزارش گوگل نشان داد که در تاریخ 5 ماه مه ، تقاضای میانی 5 برابر بیشتر از ماه مه مصرف می کند که از بهینه سازی مدل ها و نرم افزارها سرچشمه گرفته است. این نشان می دهد که نوآوری فنی می تواند در دراز مدت تأثیر محیطی هوش مصنوعی را کاهش دهد ، اما چالش اصلی همچنان توسط کاربران و خواسته ها به صورت نمایی افزایش می یابد.