Генеральный директор Nvidia считает, что миллионы графических процессоров с искусственным интеллектом снизят энергопотребление, а не увеличат его

Как поклонник технологий и устойчивого развития, я ценю видение и инновации Дженсена Хуанга в области искусственного интеллекта. Однако я также разделяю обеспокоенность по поводу значительного энергопотребления, связанного с новейшими моделями искусственного интеллекта, большинство из которых работают на оборудовании Nvidia.

Нельзя отрицать, что преимущества ИИ являются предметом дискуссий. Однако мы все можем согласиться с тем, что огромные центры обработки данных, в которых размещено множество мощных графических процессоров искусственного интеллекта, каждый из которых потребляет сотни ватт, потребляют значительное количество энергии, верно?

Дженсен Хуанг, генеральный директор Nvidia, как известно, призывает покупателей «покупать больше, чтобы больше экономить», отражая премиальные цены его компании на чипы искусственного интеллекта. Аналогичным образом, в отношении энергопотребления последних моделей искусственного интеллекта, преимущественно использующих технологию Nvidia, Хуанг придерживается аналогичной точки зрения.

В ходе сессии вопросов и ответов после своего выступления на Computex Хуанг подчеркнул, что графические процессоры Nvidia превосходят по производительности и оптимизируют вычисления более эффективно, чем любые конкуренты. Он объяснил: «Если вы хотите все ускорить, графические процессоры Nvidia — ваш лучший выбор». Это преимущество приводит не только к экономии средств, но и к повышению эффективности использования энергии и времени.

Впоследствии он провел четкое различие между процессами обучения моделям ИИ и их использованием для прогнозирования или решения проблем. Примечательно, что использование обученных моделей для вывода может привести к значительно более эффективным решениям конкретных вычислительных задач.

Как геймер, я бы сказал это так: «Генеративный ИИ — это не процесс обучения, а выводы. Целью является не само обучение, а скорее вывод. Когда мы делаем вывод, энергия потребление энергии по сравнению с традиционными методами вычислений значительно ниже. Например, я продемонстрировал, что моделирование климата на Тайване потребляет в 3000 раз меньше энергии по сравнению с традиционными методами – не просто снижение на 30%, а поразительная разница в 3000 раз. Эта тенденция справедлива и для одного. заявление за другим».

Хуан отметил, что место обучения ИИ не имеет решающего значения; это можно сделать удаленно. Проще говоря, можно сказать: «По словам Хуанга, ИИ не требователен к среде обучения; он может обучаться где угодно».

Хуан предлагает интригующее решение: «Земля сталкивается с дефицитом электроэнергии в населенных районах, однако во всем мире существует избыток энергии. Одна только солнечная энергия поразительна. Однако она находится в неправильных местах. Давайте создадим электростанции и центры обработки данных там, где население мало. Вместо этого обучайте модели там. Затем перенесите обученные модели ближе к людям для вывода — в их карманах через телефоны, персональные компьютеры или центры обработки данных и облачные центры обработки данных».

Несмотря на понимание точки зрения Хуана, некоторые аспекты его аргументации кажутся неполными. Энергопотребление обучения и вывода моделей ИИ оказывается серьезной проблемой. По данным Всемирного экономического форума, потребление энергии для ИИ ежегодно увеличивается на 26–36%. По прогнозам, к 2028 году оно достигнет уровня энергопотребления такой небольшой страны, как Исландия.

Хуанг утверждает, что этот рост потребления может быть уравновешен снижением в других областях. Однако это предположение справедливо только для действий, которые могли бы иметь место без помощи ИИ. Задача состоит в том, чтобы провести различие между этими двумя категориями.

При использовании ИИ в кодировании, бизнес-планировании или создании контента определение его конкретного влияния на рабочий процесс может оказаться сложной задачей. Например, ИИ может значительно ускорить редактирование фотографий за счет более быстрой и эффективной обработки изображений. Альтернативно, это может просто улучшить конечный продукт видеопроизводства, добавив изысканные штрихи на заключительном этапе.

Возможно, вы используете возможности ИИ для достижения целей, которые в противном случае были бы недостижимы, при этом каждая единица потребляемой энергии вносит положительный вклад в показатели энергопотребления ИИ. Кроме того, искусственный интеллект позволяет вам быстрее выполнять задачи, позволяя решать большее количество проектов. Однако повышение эффективности достигается за счет более высокого энергопотребления.

Наблюдения Хуана по поводу доступности энергии действительно сомнительны. Хотя это правда, что солнечная энергия потенциально может многократно удовлетворить все наши потребности в энергии экологически чистым способом, факт остается фактом: большинство наших нынешних источников энергии находятся в других местах.

Использование разговорного и ясного стиля. Его любимая фраза «покупай больше, экономь больше» похожа на точку зрения Хуана. Однако сложно игнорировать идею о том, что потребление энергии ИИ создает проблемы. Кажется маловероятным, что ИИ значительно сократит потребление чистой энергии в ближайшее время, несмотря на утверждения Хуана.

День, когда мы добьемся значительных успехов, может наступить неожиданно, возможно, благодаря инновациям искусственного интеллекта, которые оптимизируют процессы. Это парадоксальная ситуация: хотя ИИ потенциально может произвести революцию в производстве энергии посредством термоядерного синтеза или других средств, огромные требования к мощности самих систем ИИ представляют собой проблему. Например, огромная цена в 40 000 долларов за графический процессор Nvidia AI кажется далекой от рентабельной экономии. Гонка за строительством обширных объектов искусственного интеллекта поднимает вопросы по поводу заявлений об экономии энергии.

Смотрите также

2024-06-04 19:36