Proč je nutné zpochybnit autokracii v oblasti umělé inteligence a požadovat po nich, aby dělaly lépe

Pokud jsme se něco naučili z éry umělé inteligence, je to, že tento obor zápasí s významnými výzvami v oblasti energetické spotřeby. Tyto výzvy jsou jak doslovné – tj. hledání způsobů, jak uspokojit enormní energetické nároky, které vyžadují datové centra pro umělou inteligenci – tak i přenesené – tj. koncentrace bohatství v oblasti umělé inteligence v rukou několika málo subjektů na základě úzkých komerčních zájmů spíše než širších společenských výhod.

Paradox moci umělé inteligence: Vysoké náklady, koncentrovaná kontrola

Aby umělá inteligence byla úspěšná a prospěla lidstvu, musí se stát všudypřítomnou. Aby se stala všudypřítomnou, musí být ekonomicky a environmentálně udržitelná. To není cesta, po které se nyní ubíráme. Obsese největšími a nejrychlejšími systémy umělé inteligence je poháněna spíše krátkodobými výkonnostními zisky a tržní dominancí než tím, co je nejlepší pro udržitelnou a dostupnou umělou inteligenci.

Soutěž o stavbu stále výkonnějších systémů umělé inteligence se zrychluje, ale má to vysokou environmentální cenu. Špičkové čipy pro umělou inteligenci, jako je Nvidia H100 (až 700 wattů), již spotřebují významné množství energie. Tento trend se očekává, že bude pokračovat, přičemž odborníci z oboru předpovídají, že Nvidia (NVDA ) próxima generace architektury Blackwell by mohla zvýšit spotřebu energie na čip až do kilowattového rozmezí, potenciálně překračující 1 200 wattů. S tím, že se očekává, že miliony těchto čipů budou nasazeny v datových centrech po celém světě, energetické nároky umělé inteligence jsou připraveny prudce vzrůst.

Environmentální náklady závodů v oblasti umělé inteligence

Pojeďme to uvést do každodenního kontextu. Elektřina, která pohání váš celý dům, by mohla pohánět všechny vaše spotřebiče najednou – i když by nikdo nedělal. Teď si představte jeden 120kW Nvidia rack, který vyžaduje stejné množství energie – zejména když by mohlo být v velkých datových centrech stovek nebo tisíců. Nyní, 1 200 wattů odpovídá 1,2 kW. Takže vlastně mluvíme o středně velké čtvrti. Jeden 120kW Nvidia rack – vlastně 100 těchto energeticky náročných čipů – potřebuje dostatek elektřiny, aby poháněl přibližně 100 domů.

Tato trajektorie je znepokojivá, vzhledem k energetickým omezením, kterým čelí mnoho komunit. Odborníci na datové centry předpovídají, že Spojené státy budou potřebovat 18 až 30 gigawattů nové kapacity v průběhu příštích pěti až sedmi let, což má firmy v hledání způsobů, jak zvládnout tento nápor. Mezitím má můj obor stále vytváří více energeticky náročných aplikací umělé inteligence, které spotřebují energii daleko za tím, co je teoreticky nutné pro aplikaci nebo co je proveditelné pro většinu firem, natož žádoucí pro planetu.

Rovnováha mezi bezpečností a dostupností: Hybridní řešení datových center

Tato autokracie umělé inteligence a “závod” zaměřený na surovou rychlost a výkon ignoruje praktické potřeby skutečných datových center – zejména dostupných řešení, která snižují tržní bariéry pro 75 procent organizací ve Spojených státech, které dosud nepoužívají umělou inteligenci. A pojďme si to přiznat, jakmile se bude více regulací umělé inteligence týkajících se ochrany soukromí, bezpečnosti a environmentální ochrany, více organizací bude požadovat hybridní přístup k datovým center, který zajistí jejich nejdražší, soukromé a citlivé údaje v bezpečných místech, daleko od umělé inteligence a kybernetických útoků. Bez ohledu na to, zda se jedná o zdravotnické záznamy, finanční údaje, státní tajemství nebo integritu voleb, budoucnost podnikové umělé inteligence vyžaduje rovnováhu mezi bezpečností na místě a cloudovou agilitou.

Toto je významná systémová výzva a vyžaduje hyperkolaboraci nad hyperkonkurencí. S převážným zaměřením na GPU a další akcelerátorové čipy pro umělou inteligenci s surovou kapacitou, rychlostí a výkonnostními metrikami chybí dostatečné úvahy o dostupné a udržitelné infrastruktuře, která je nezbytná pro vlády a firmy, aby přijaly schopnosti umělé inteligence. Je to jako stavba raketoplánu bez místa pro start nebo umístění Lamborghini na venkovské cestě.

Demokratizace umělé inteligence: Průmyslová spolupráce

Zatímco je povzbudivé, že vlády začínají uvažovat o regulaci – zajišťující, aby umělá inteligence prospívala všem, nejen elitě – náš obor potřebuje více než vládní pravidla.

Například Spojené království využívá umělou inteligenci k posílení schopností policie zlepšením sdílení dat mezi policejními agenturami, aby se zlepšila předpověď a prevence zločinů poháněných umělou inteligencí. Zaměřují se na transparentnost, odpovědnost a spravedlnost při používání umělé inteligence pro policejní účely, zajišťují veřejnou důvěru a dodržování lidských práv – s nástroji, jako je rozpoznávání obličeje a prediktivní policejní práce, aby pomohly při detekci a správě zločinů.

V vysoce regulovaných odvětvích, jako je biotechnologie a zdravotnictví, jsou pozoruhodné spolupráce, jako je spolupráce mezi Johnson & Johnson (JNJ ) MedTech a Nvidia, kteří spolupracují na zlepšení umělé inteligence pro chirurgické postupy. Jejich spolupráce má za cíl vyvinout reálné, poháněné umělou inteligencí analýzu a rozhodování v operačním sále. Toto partnerství využívá NVIDIA platformy pro umělou inteligenci, aby umožnily škálovatelné, bezpečné a efektivní nasazení aplikací umělé inteligence ve zdravotnických zařízeních.

Mezitím v Německu Merck vytvořil strategická partnerství s Exscientia a BenevolentAI, aby urychlil objevování léků poháněných umělou inteligencí. Utilizují umělou inteligenci, aby urychlili vývoj nových kandidátů na léky, zejména v onkologii, neurologii a imunologii. Cílem je zlepšit míru úspěchu a rychlost vývoje léků prostřednictvím silných konstrukčních a objevných schopností umělé inteligence.

Prvním krokem je snížení nákladů na nasazení umělé inteligence pro firmy za hranicí BigPharmy a BigTech, zejména ve fázi inferencing umělé inteligence – kdy firmy instalují a spouštějí trénovaný model umělé inteligence, jako je Chat GPT, Llama 3 nebo Claude, v reálném datovém centru každý den. Nedávné odhady naznačují, že náklady na vývoj největších z těchto systémů nové generace by mohly být kolem 1 miliardy dolarů, přičemž náklady na inferencing by mohly být 8-10krát vyšší.

Raketově rostoucí náklady na implementaci umělé inteligence v denní produkci udržují mnoho firem od plného přijetí umělé inteligence – “nemajetných”. Nedávný průzkum ukázal, že pouze jedna ze čtyř firem úspěšně spustila iniciativy umělé inteligence v posledních 12 měsících a že 42 procent firem dosud nevidělo významné výhody z iniciativ generativní umělé inteligence.

Abychom skutečně demokratizovali umělou inteligenci a učinili ji všudypřítomnou – tj. široké podnikové přijetí – náš obor umělé inteligence musí změnit zaměření. Místo závodu o největší a nejrychlejší modely a čipy pro umělou inteligenci potřebujeme více spolupráce, abychom zlepšili dostupnost, snížili spotřebu energie a otevřeli trh umělé inteligence, aby sdílel svůj plný a pozitivní potenciál více široce. Systémová změna by zvedla všechny lodě, aby umělá inteligence byla prospěšná pro všechny s enormními spotřebitelskými výhodami.

Jsou povzbudivé známky, že snížení nákladů na umělou inteligenci je proveditelné – snižování finančních bariér, aby se podpořily velké národní a globální iniciativy umělé inteligence. Moje společnost, NeuReality, spolupracuje s Qualcomm (QCOM ), aby dosáhla až 90% snížení nákladů a 15krát lepší energetické efektivnosti pro různé aplikace umělé inteligence napříč textem, jazykem, zvukem a obrázky – základními stavebními kameny umělé inteligence. Můžete znát ty modely umělé inteligence pod průmyslovými buzzwordy, jako je počítačové vidění, konverzační umělá inteligence, rozpoznávání řeči, zpracování přirozeného jazyka, generativní umělá inteligence a velké jazykové modely. Spoluprací s více softwarovými a servisními poskytovateli můžeme pokračovat v přizpůsobování umělé inteligence v praxi, abychom zvýšili výkon a snížili náklady.

Ve skutečnosti jsme dokázali snížit náklady a spotřebu energie na dotaz umělé inteligence ve srovnání s tradiční CPU-centrickou infrastrukturou, na které závisí všechny akcelerátorové čipy pro umělou inteligenci, včetně Nvidia GPU, dnes. Naše NR1-S AI Inference Appliance začalo dodávat přes léto s Qualcomm Cloud AI 100 Ultra akcelerátory spárovanými s NR1 NAPUs. Výsledkem je alternativní architektura NeuReality, která nahrazuje tradiční CPU v datových centrech pro umělou inteligenci – největší úzké místo v zpracování dat pro umělou inteligenci dnes. Tato evoluční změna je hluboká a vysoce nezbytná.

Mimo hype: Budování ekonomicky a udržitelně budoucnosti umělé inteligence

Pojeďme se přesunout za hype a vážně se zabývat našimi systémovými výzvami. Těžká práce leží před námi na systémové úrovni, vyžadující, aby celý náš obor umělé inteligence pracoval spolu – ne proti sobě. Zlepšením dostupnosti, udržitelnosti a dostupnosti můžeme vytvořit obor umělé inteligence a širší zákaznickou základnu, která prospívá společnosti většími způsoby. To znamená nabízet udržitelné infrastrukturní volby bez koncentrace bohatství v oblasti umělé inteligence v rukou několika málo subjektů, známých jako Velká sedmička.

Budoucnost umělé inteligence závisí na našich kolektivních úsilích dnes. Prioritizací energetické efektivnosti a dostupnosti můžeme zabránit budoucnosti, která je dominována energeticky náročnou infrastrukturou umělé inteligence a umělou inteligencí oligarchií zaměřenou na surový výkon na úkor širokého prospěchu. Současně musíme řešit neudržitelnou spotřebu energie, která brání potenciálu umělé inteligence, aby revolucionalizovala veřejnou bezpečnost, zdravotnictví a zákaznický servis.

Tím, že tak učiníme, vytváříme silný investiční a ziskový cyklus umělé inteligence poháněný širokou inovací.

Kdo je s námi?