گرگ اوسوری، بنیانگذار شبکه آکاش، در گفت‌وگو با کوین‌تلگراف هشدار داد که روند آموزش مدل‌های هوش مصنوعی ممکن است به‌زودی به سطحی از مصرف انرژی برسد که تنها نیروگاه‌های هسته‌ای بتوانند پاسخگوی آن باشند. او تأکید کرد این صنعت باید به‌دنبال رویکردی پایدارتر در آموزش مدل‌ها باشد.
به گزارش پایگاه خبری بانکداری الکترونیک، در سال‌های اخیر هوش مصنوعی با سرعتی شگفت‌انگیز پیشرفت کرده و به یکی از پایه‌های اصلی اقتصاد دیجیتال تبدیل شده است.
اما پشت پرده این رشد، واقعیتی نه‌چندان روشن وجود دارد: آموزش مدل‌های بزرگ نیازمند حجم عظیمی از انرژی است؛ به‌حدی که برخی کارشناسان معتقدند ادامه این روند می‌تواند فشار کم‌سابقه‌ای بر شبکه‌های برق و حتی محیط‌زیست وارد کند. پرسش کلیدی اینجاست: آیا صنعت فناوری آماده مدیریت این چالش است یا باید به‌دنبال راهکارهای تازه برای پایدار نگه‌داشتن آینده هوش مصنوعی باشیم؟به گفته اوسوری، هوش مصنوعی در زمینه انرژی به «دیوار» خورده است. هرچه اندازه و تعداد مدل‌ها افزایش می‌یابد، آموزش آن‌ها انرژی بیشتری می‌طلبد و در آینده نزدیک ممکن است میزان برقی معادل خروجی یک رآکتور هسته‌ای نیاز داشته باشند.
تقاضای محاسباتی دست‌کم گرفته شده است
اوسوری بنیانگذار شبکه آکاش در مصاحبه‌ای با اندرو فنتون خبرنگار کوین‌تلگراف در رویداد Token2049 در سنگاپور توضیح داد که صنعت، سرعت رشد تقاضای محاسباتی و پیامدهای زیست‌محیطی آن را دست‌کم گرفته است. او یادآور شد که مراکز داده در حال حاضر صدها مگاوات برق فسیلی مصرف می‌کنند.
هشدار درباره بحران انرژی
به گفته اوسوری، ادامه این روند می‌تواند به یک بحران انرژی منجر شود؛ بحرانی که نتیجه‌اش افزایش قبوض برق خانوارها و اضافه شدن میلیون‌ها تن آلاینده جدید به جو زمین در هر سال خواهد بود.
غیرمتمرکزسازی؛ راهکاری برای کاهش بحران انرژی
روز سه‌شنبه، بلومبرگ گزارش داد که مراکز داده هوش مصنوعی باعث جهش بهای برق در ایالات متحده شده‌اند. در این گزارش آمده است هزینه عمده‌فروشی برق در مناطق نزدیک به مراکز داده طی پنج سال گذشته ۲۶۷ درصد رشد کرده و قبوض خانوارها به شکل محسوسی افزایش یافته است.
اوسوری در ادامه به کوین‌تلگراف گفت که تنها راه جایگزین، غیرمتمرکزسازی است. او توضیح داد به‌جای تمرکز تراشه‌ها و انرژی در ابرمراکز داده، می‌توان آموزش مدل‌ها را در شبکه‌ای از کارت‌های گرافیک کوچک‌تر و متنوع توزیع کرد؛ از چیپ‌های پیشرفته سازمانی گرفته تا کارت‌های گرافیک خانگی. این روش می‌تواند هم بهره‌وری و هم پایداری را به همراه داشته باشد.
مقایسه با روزهای نخست استخراج بیت‌کوین
به گفته اوسوری: «به محض اینکه سیستم مشوق‌ها مشخص شود، این روند مثل استخراج رمزارز رشد خواهد کرد.» او افزود که حتی کامپیوترهای خانگی هم در آینده می‌توانند با در اختیار گذاشتن توان محاسباتی بلااستفاده، توکن دریافت کنند.
این چشم‌انداز شباهت زیادی به روزهای نخست استخراج بیت‌کوین دارد؛ زمانی که کاربران عادی می‌توانستند قدرت پردازشی رایانه‌های خود را به شبکه بدهند و در عوض پاداش دریافت کنند. با این تفاوت که این بار «استخراج» به معنای آموزش مدل‌های هوش مصنوعی خواهد بود، نه حل معماهای رمزنگاری. اوسوری تأکید کرد این روند می‌تواند برای افراد عادی نوعی سهام در آینده‌ی هوش مصنوعی ایجاد کند و همزمان هزینه توسعه را برای برنامه‌نویسان کاهش دهد.
دیدگاه شما چیست؟