کاهش ۷۵ درصدی مصرف انرژی مراکزداده هوش مصنوعی

محققان گروه ML.Energy دانشگاه میشیگان مدعی شدند می‌توانند مصرف انرژی سخت‌افزارهای مجری سیستم‌های یادگیری هوش مصنوعی را تا ۷۵ درصد کاهش دهند. به گفته این دانشمندان، مدل‌های یادگیری عمیق (Deep learning) و زبان بزرگ (large language)، می‌توانند بدون تغییر سخت‌افزار، به طور موثرتری آموزش ببینند که فرآیند مصرف انرژی کمتری داشته باشند. اپلیکیشن‌های هوش مصنوعی مانند GPT-3 و GPT-4 از شرکت OpenAI، به سرعت در حال رشد بوده و هر روز با استقبال هزاران کاربر و کسب‌وکار قرار می‌گیرند؛ در حالی‌که روی زیرساخت‌های دیتاسنترهای غول‌پیکری پیاده‌سازی شده و مصرف انرژی آن‌ها نادیده گرفته می‌شود. گروه ML.Energy اعتقاد دارند نباید به خاطر مزایای هوش مصنوعی، مصرف انرژی قربانی شود؛ بلکه برعکس باید سراغ بهینه‌سازی مصرف انرژی در این دیتاسنترها رفت و آشکارا درباره آن گفت‌وگو کرد. به گفته یکی از این محققین، در مقیاس‌های بزرگ، مدل آموزشی GPT-3 در هر بار، ۱۲۸۷ مگاوات ساعت، مصرف برق دارد که برابر با تامین انرژی یک خانواده متوسط امریکایی برای ۱۲۰ سال است. مدل‌های یادگیری عمیق، به طور گسترده برای تولید تصاویر، چت‌بات‌ها و سیستم‌های مبتنی بر عرضه و درخواست مانند نتفلیکس استفاده می‌شوند. تقاضای افزایش مصرف انرژی در دیتاسنترهای هوش مصنوعی بسیار بالا است و هر سال نیز افزایش پیدا می‌کند. این محققان، ابتدا الگوریتم‌های یادگیری عمیق را بهینه‌سازی کردند تا روند تکمیل آن‌ها سریع‌تر اتفاق بیفتد. مصرف انرژی در پردازنده‌های گرافیکی پایین است و آن‌ها به دنبال روش‌هایی برای بهبود عملکرد GPU با انرژی کمتر هستند.