Hvordan ikke koge havene med AI

Da vi navigerer i frontieren af kunstig intelligens, finder jeg mig selv konstant reflekterende over den dobbelte natur af den teknologi, vi er ved at udvikle. AI er i sin essens ikke kun en samling af algoritmer og datasets; det er en manifestation af vores kollektive ingeniørvirksomhed, rettet mod at løse nogle af de mest intrikate udfordringer, som menneskeheden står overfor. Men som medstifter og administrerende direktør i Lemurian Labs, er jeg meget bevidst om den ansvar, der følger med vores kapløb for at integrere AI i det daglige liv. Det nøder os til at spørge: hvordan kan vi udnytte AI’s uendelige potentiale uden at kompromittere med planetens sundhed?

Innovation med en side af global opvarmning

Teknologisk innovation kommer altid med en pris i form af bivirkninger, som man ikke altid tager i betragtning. I tilfældet med AI i dag kræver det mere energi end andre former for computing. Den Internationale Energiagentur har nylig rapporteret, at træning af en enkelt model bruger mere elektricitet end 100 amerikanske hjem forbruger i løbet af et helt år. All den energi kommer med en pris, ikke kun for udviklere, men for vores planet. For blot sidste år nåede energirelaterede CO2-udledninger et rekordhøjt niveau på 37,4 milliarder ton. AI er ikke ved at gå i stå, så vi må spørge os selv – er den energi, der kræves for at drive AI, og de resulterende konsekvenser for vores planet, værd at det? Er AI mere vigtig end at kunne trække vejret af vores egen luft? Jeg håber, vi aldrig når til et punkt, hvor det bliver en realitet, men hvis intet ændrer sig, er det ikke langt væk.

Jeg er ikke alene i min opfordring til mere energibevidsthed i AI. Ved den seneste Bosch Connected World Conference bemærkede Elon Musk, at vi med AI er “på kanten af sandsynligvis den største teknologiske revolution, der nogensinde har eksisteret”, men udtrykte, at vi kunne begynde at se el-mangel allerede næste år. AI’s energiforbrug er ikke kun et teknisk problem, det er et globalt problem.

At forestille sig AI som et komplekst system

For at løse disse ineffektiviteter må vi se på AI som et komplekst system med mange forbundne og bevægelige dele snarere end en selvstændig teknologi. Dette system omfatter alt fra de algoritmer, vi skriver, til bibliotekerne, compilerne, kørselsmiljøerne, drivere, hardwaren vi afhænger af, og den energi, der kræves for at drive alt dette. Ved at antage denne holistiske synsvinkel kan vi identificere og løse ineffektiviteter på hvert niveau af AI-udvikling, og baner vejen for løsninger, der ikke kun er teknologisk avancerede, men også miljømæssigt ansvarlige. At forstå AI som et netværk af forbundne systemer og processer oplyser vejen til innovative løsninger, der er lige så effektive som de er effektive.

En universel software-stack til AI

Den nuværende udviklingsproces for AI er højst fragmenteret, med hver hardware-type, der kræver en specifik software-stack, der kun kan køre på den enkelt enhed, og mange specialiserede værktøjer og biblioteker, der er optimeret til forskellige problemer, hvoraf de fleste er stort set inkompatible. Udviklere kæmper allerede med at programmere system-on-chips (SoCs) såsom de i edge-enheder som mobiltelefoner, men snart vil alt, hvad der sker i mobil, ske i datacenteret, og blive hundred gange mere kompliceret. Udviklere må sy sammen og arbejde sig igennem et intrikat system af mange forskellige programmeringsmodeller, biblioteker for at få ydelse ud af deres stadig mere heterogene kluster, langt mere end de allerede har til. Og det er kun til træning. For eksempel er programmering og opnåelse af ydelse fra en supercomputer med tusinder til titusinder af CPU’er og GPU’er meget tidskrævende og kræver meget specialiseret viden, og selv da bliver der meget på hylden, fordi den nuværende programmeringsmodel ikke kan skaleres til dette niveau, hvilket resulterer i overskydende energiforbrug, som kun vil blive værre, når vi fortsætter med at skalerer modellerne.

At løse dette kræver en slags universel software-stack, der kan løse fragmenteringen og gøre det nemmere at programmere og få ydelse ud af stadig mere heterogen hardware fra eksisterende leverandører, samt gøre det lettere at blive produktiv på nye hardware fra nye entrants. Dette ville også bidrage til at accelerere innovation i AI og i computerarkitekturer, og øge adoptionen af AI i mange flere industrier og anvendelser.

Efterspørgslen efter effektiv hardware

Ud over at implementere en universel software-stack er det afgørende at overveje optimering af den underliggende hardware for bedre ydelse og effektivitet. Grafikprocessorer (GPU’er), der oprindeligt er designet til gaming, er på trods af at være utrolig kraftfulde og nyttige, har mange kilder til ineffektivitet, som bliver mere åbenlyse, når vi skalerer dem op til supercomputer-niveau i datacenteret. Den nuværende uendelige skalerbarhed af GPU’er fører til forhøjede udviklingsomkostninger, mangel på hardware-tilgængelighed og en betydelig stigning i CO2-udledninger.

Disse udfordringer er ikke kun en enorm barriere for indgang, men deres impact føles over hele industrien. For lad os være ærlige – hvis verdens største tech-virksomheder har svært ved at få nok GPU’er og få nok energi til at drive deres datacenter, er der ingen håb for resten af os.

En afgørende vending

I Lemurian Labs oplevede vi dette førstehånds. Tilbage i 2018 var vi en lille AI-startup, der forsøgte at bygge en grundlæggende model, men den rene omkostning var uretfærdiggjort. Mængden af beregningskraft, der krævedes alene, var nok til at drive udviklingsomkostningerne op til et niveau, der var utilgængeligt, ikke kun for os som en lille startup, men for alle uden for verdens største tech-virksomheder. Dette inspirerede os til at skifte fokus fra at udvikle AI til at løse de underliggende udfordringer, der gjorde det utilgængeligt.

Vi startede med at udvikle en helt ny grundlæggende aritmetik til at drive AI. Kaldet PAL (parallel adaptiv logarithm), dette innovative talsystem gav os mulighed for at skabe en processor, der kan opnå op til 20 gange større gennemløb end traditionelle GPU’er på benchmark-AI-arbejdsbyrde, samtidig med at den forbruger halv så meget energi.

Vores urokkelige engagement i at gøre livet lettere for AI-udviklere, samtidig med at vi gør AI mere effektivt og tilgængeligt, har ført os til at altid forsøge at skrælle løg og få en dybere forståelse af problemet. Fra design af ultra-højpræstations- og effektive computerarkitekturer, der er designet til at skaleres fra kanten til datacenteret, til at skabe software-stacks, der løser udfordringerne ved at programmere enkelt heterogene enheder til warehouse-skala-computere. Alt dette bidrager til at aktivere hurtigere AI-udrulninger til en reduceret omkostning, øger udviklerproduktiviteten, accelererer arbejdsbyrden og samtidig forbedrer tilgængeligheden, fremmer innovation, adoption og lighed.

At opnå AI for alle

For at AI kan have en meningsfuld impact på vores verden, må vi sikre, at vi ikke ødelægger den i processen, og det kræver en grundlæggende ændring af, hvordan det udvikles. Omkostningerne og beregningskravene i dag tipper skævt i favør af en stor få, og skaber en enorm barriere for innovation og tilgængelighed, samtidig med at de dumpede massive mængder CO2 i vores atmosfære. Ved at tænke på AI-udvikling fra udviklerens og planetens synspunkt kan vi begynde at løse disse underliggende ineffektiviteter og opnå en fremtid for AI, der er tilgængelig for alle og miljømæssigt ansvarlig.

En personlig refleksion og opfordring til bæredygtig AI

Settende fremad, er mine følelser om fremtiden for AI en blanding af optimisme og forsigtighed. Jeg er optimistisk om AI’s transformative potentiale til at forbedre vores verden, men forsigtig om den betydelige ansvar, det medfører. Jeg forestiller mig en fremtid, hvor AI’s retning bestemmes ikke kun af vores teknologiske fremskridt, men af en fastholden af bæredygtighed, lighed og inklusivitet. Som leder af Lemurian Labs er jeg drevet af en vision om AI som en afgørende kraft for positiv forandring, der prioriterer både menneskehedens udvikling og miljøbevarelse. Denne mission går ud over at skabe overlegen teknologi; det handler om at bane vejen for innovationer, der er gavnlige, etisk lydige og understreger vigtigheden af tankefulde, skalerbare løsninger, der respekterer vores fælles aspirationer og planetens sundhed.

Da vi står på kanten af en ny æra i AI-udvikling, er vores opfordring ubestridt: vi må fremme AI på en måde, der bevidst overvejer vores miljømæssige impact og fremhæver det fælles bedste. Denne etos er hjørnestenen i vores arbejde i Lemurian Labs, og inspirerer os til at innovere, samarbejde og sætte en præcedens. “Lad os ikke kun bygge AI for innovationens skyld, men innovere for menneskeheden og vores planet,” opfordrer jeg, og inviterer den globale fællesskab til at deltage i at omforme AI’s landskab. Sammen kan vi garantere, at AI opstår som et lyspunkt for positiv forandring, der styrker menneskeheden og beskytter vores planet for fremtidige generationer.