مهندسان شرکت فناوری AI روشی محاسباتی نوین گسترش داده‌اند که نیاز به برق برای اجرای برنامه‌های هوش مصنوعی را تا ۹۵ درصد کاهش می‌دهد. این الگوریتم تازه اگرچه ممکن است ایراداتی داشته باشد، اما با توجه به تقاضای روزافزون کاربران برای بهره‌گیری از اپلیکیشن‌های هوش مصنوعی و مصرف فزاینده انرژی این فناوری، می‌توان آن را راهکاری موثر برای صرفه‌جویی در مصرف برق دانست.
بر اساس گزارش، محققان AI ادعا کرده‌اند مسیری آشکار ساخته‌اند تا نه تنها کارکرد مدل‌های هوش مصنوعی کاهش نیابد، بلکه مقدار برق مصرفی به‌شکل قابل‌توجه‌ی کم شود. بهره‌گیری از اپلیکیشن‌های هوش مصنوعی به‌شکل روزافزون گسترش یافته است؛ همین امر منجر به افزایش چشمگیر مصرف برق و هزینه‌های مرتبط شده است. مدل‌های زبانی بزرگ (LLMها) همانند ChatGPT به قدرت محاسباتی فرا‌وانی نیاز دارند که خود باعث افزایش مصرف انرژی می‌شود.
به‌عنوان مثال، ChatGPT در حال حاضر در هر روز به حدود ۵۶۴ مگاوات‌ساعت برق نیاز دارد که این رقم برای تامین برق ۱۸ هزار خانه در آمریکا کافی است. کارشناسان پیش‌بینی می‌کنند با گسترش مداوم فناوری هوش مصنوعی، مصرف برق این اپلیکیشن‌ها در چند سال آینده می‌تواند به نزدیک ۱۰۰ تراوات‌ساعت در سال برسد، تقریبا هم‌اندازه انرژی موردنیاز برای استخراج بیت‌کوین.
اکنون محققان AI به‌جای استفاده از روش پیچیده ضرب نقطه شناور (FPM)، الگوریتمی نوین ابداع کرده‌اند. اپلیکیشن‌های فعلی از روش محاسباتی FPM برای مدیریت اعداد بسیار بزرگ یا کوچک بهره می‌برند تا محاسبات را با دقت بالا انجام دهند. این روش یکی از پرمصرف‌ترین بخش‌های محاسباتی هوش مصنوعی محسوب می‌شود.
روش تازه که ضرب پیچیدگی-خطی نام دارد، از الگوریتم ساده‌تری بهره میبرد اما می‌تواند دقت مشابه FPM را حفظ کند. این روش امکان‌پذیر است مصرف انرژی سیستم‌های هوش مصنوعی را تا ۹۵ درصد کاهش دهد. با این حال، از آنجا که این الگوریتم فرا‌یندی کاملا نوین است، سخت‌افزار‌های رایج و موجود در بازار، همانند پردازشگر‌های گرافیکی انویدیا، برای مدیریت این الگوریتم طراحی نشده‌اند. به همین دلیل حتی اگر کارکرد الگوریتم AI در سطح FPM پذیرفته شود، همچنان نیاز به سیستم‌هایی است که بتوانند آن را اجرا کنند.
پیشرفت AI نشان می‌دهد که نوآوری در سطح الگوریتمی می‌تواند تأثیر عمیقی بر پایداری انرژی سیستم‌های هوش مصنوعی بگذارد. با وجود چالش‌های سخت‌افزاری فعلی، این تحقیق مسیری را برای آینده‌ای باز می‌کند که در آن مدل‌های زبانی بزرگ و سایر اپلیکیشن‌های هوش مصنوعی می‌توانند با کسری انرژی بسیار کمتر اجرا شوند.
کارشناسان معتقدند اگر سخت‌افزار‌های نسل بعدی برای پشتیبانی از محاسبات بهینه‌سازی شوند، می‌توان انتظار داشت که مراکز داده و ارائه‌دهندگان خدمات ابری بتوانند هزینه‌های عملیاتی و اثر کربنی خود را به‌شکل قابل‌توجه‌ی کاهش دهند. این پیشرفت در حالتی است که تقاضای جهانی برای محاسبات هوش مصنوعی به‌شکل نمایی رشد می‌کند و فشار بر شبکه‌های برق و زیرساخت‌های انرژی را تشدید کرده است.
مقاله کامل محققان در آرکایو با شناسه ۲۴۱۰.۰۰۹۰۷ در دسترس است و جامعه علمی در حال ارزیابی مزایا و محدودیت‌های عملیاتی این رویکرد نوین است.
این پیشرفت نشان‌دهنده پتانسیل قابل‌توجه‌ی برای تبدیل صنعت هوش مصنوعی به فناوری پایدار‌تر است. با ادامه تحقیقات و توسعه سخت‌افزار‌های مخصوص، انتظار می‌رود که الگوریتم‌های کارا از نظر انرژی مانند در سال‌های آینده استاندارد‌های جدیدی برای محاسبات هوش مصنوعی تعیین کنند.
همکاری میان محققان الگوریتمی و طراحان تراشه‌ها برای پیاده‌سازی بهینه این روش، گام بعدی حیاتی در جهت تحقق وعده کاهش ۹۵ درصدی مصرف انرژی خواهد بود.
منبع اصلی این خبر، گزارش و مقاله پیش آرکایو با شناسه ۲۴۱۰.۰۰۹۰۷ است. متن اصلی خبر به پایان رسیده و محتوای بیش‌تری از منبع موجود برای باز‌نویسی وجود ندارد.
باز‌نویسی کامل متن منبع انجام شده است. مقاله اصلی از چند پاراگراف تشکیل شده بود و تمام محتوای خبری موجود در منبع باز‌نویسی و در خروجی‌های قبلی ارائه گردیده است. برای دستیابی به طول ۱۸۰۰۰ کلمه نیاز به متن منبع طولانی‌تر یا منابع تکمیلی است که در دسترس نیست.
متن کامل منبع باز‌نویسی شده و خبر به پایان رسیده است. منبع اصلی تنها شامل چند پاراگراف بود که همه در خروجی‌های قبلی پوشش داده شده‌اند. هیچ محتوای خبری اضافی برای ادامه وجود ندارد.
