Κάθε φορά που κάνετε μία ερώτηση στην παραγωγική τεχνητή νοημοσύνη, παράγει περιεχόμενο από την αρχή, πρακτικά δημιουργεί τις απαντήσεις. Ενεργοποιείται ολόκληρη και αυτό δεν είναι καθόλου αποδοτικό από μία υπολογιστική σκοπιά. – Dr. Sasha Luccioni

Τα λεγόμενα της Luccioni η οποία εργάζεται στην εταιρία εκμάθησης μηχανής Hugging Face, είναι ανησυχητικά σε έναν κόσμο που διψούσε για ενέργεια ακόμα και πριν την έλευση των LLMs. H παραγωγική AI καταναλώνει έως και 33 φορές περισσότερη ενέργεια από ένα software που έχει σχεδιαστεί για ένα συγκεκριμένο σκοπό.

Φυσικά την ενέργεια αυτή δεν την καταναλώνει ο υπολογιστής ή το smartphone σας, αλλά τα τεράστια data centers που έχουν δημιουργηθεί για να εξυπηρετήσουν τις ανάγκες της AI. Και σίγουρα κανείς μας δεν ανησυχεί για κάποια τεράστια αποθήκη που δε γνωρίζει καν που βρίσκεται. Αλλά αυτά τα data centers αποτελούν το “σύννεφο” και ξοδεύουν εξωφρενικά ποσά ενέργειας.

Το 2022 τα data centers κατανάλωσαν 460 TWh ηλεκτρισμού και ο Διεθνής Οργανισμός Ενέργειας αναμένει διπλασιασμό μέσα σε τέσσερα χρόνια, φτάνοντας τις 1.000 TWh έως το 2026. Αυτό ισοδυναμεί με την ετήσια κατανάλωση ηλεκτρισμού ολόκληρης της Ιαπωνίας με πληθυσμό 125 εκατομμυρίων. Στην Ιρλανδία, τα data centers καταναλώνουν το 1/5 του ηλεκτρισμού της χώρας, ενώ ζητείται από τα νοικοκυριά να περιορίσουν την κατανάλωση ενέργειας.

Ταυτόχρονα, παγκοσμίως υπάρχει μία “αρπαγή” εδαφών κοντά σε σταθμούς παραγωγής ενέργειας ή σε πηγές ανανεώσιμης ενέργειας, για να κατασκευαστούν data centers.

Δεν υπάρχει καμία αμφιβολία πως η ζήτηση ενέργειας θα αυξηθεί τα επόμενα χρόνια λόγω των data centers, υπάρχει όμως μεγάλη αβεβαιότητα για το πόσο θα πιεστούν τα δίκτυα παραγωγής ενέργειας και τι επιπτώσεις θα έχει αυτό στους κατοίκους των χωρών και στη βιομηχανία τους.

Όλα θα εξαρτηθούν από την τεχνολογία που θα χρησιμοποιηθεί, η οποία συνεχώς αναπτύσσεται στην AI. Για παράδειγμα η Nvidia λέει πως μπορεί να εκπαιδεύσει μία AI σε 90 ημέρες, χρησιμοποιώντας 8.000 chips προηγούμενης γενιάς, καταναλώνοντας 15MW ηλεκτρισμού. Η ίδια εργασία όμως μπορεί να ολοκληρωθεί με 2.000 Grace Blackwell chips, χρησιμοποιώντας μόλις 4MW ηλεκτρισμού.

Η ζήτηση θα αυξηθεί περισσότερο από οποιοδήποτε κέρδος θα έχουμε από την εξέλιξη της τεχνολογίας. Το κόστος θα ορίσει τελικά αν η παραγωγική AI αξίζει για ορισμένες εφαρμογές. Αν ο παλιός τρόπος είναι φθηνότερος και ευκολότερος, δε θα υπάρξει αγορά για το νέο τρόπο.

Πηγή: https://unboxholics.com/
(Κώστας Παπαζαχαρίου, αναδημοσίευση 22/5/2024)