Ηγέτες σκέψης

Ο Αγώνας της Τεχνητής Νοημοσύνης πρόκειται να Γίνει Φυσικός

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Για τα τελευταία 몇 χρόνια, η ιστορία της τεχνητής νοημοσύνης έχει γραφτεί σχεδόν εξ ολοκλήρου στη γλώσσα του λογισμικού. Τα μοντέλα γίνονται όλο και πιο ικανά, γίνονται ταχύτερα και πιο εξειδικευμένα. Δισεκατομμύρια δολάρια ρέουν σε μοντέλα θεμελίων, ερευνητικά εργαστήρια και τις startups που υπόσχονται να αναμορφώσουν ολόκληρες βιομηχανίες. Οι κυβερνήσεις έχουν δημοσιεύσει εθνικές στρατηγικές ΤΝ και κάθε διοικητικό συμβούλιο στη χώρα έχει συζητήσει χάρτες ολοκλήρωσης. Η συζήτηση ήταν εκτεταμένη, προοπτική και, σε σημαντικά σημεία, ατελής.

Η ΤΝ δεν είναι μαγεία. Δεν ζει στο σύννεφο με κανένα μεταφορικό νόημα. Κάθε εκπαιδευμένο μοντέλο, κάθε απαντημένη ερώτηση, κάθε δημιουργημένη εικόνα εξαρτάται από φυσική υποδομή – κέντρα δεδομένων που吸νουν τεράστιες ποσότητες ενέργειας, συστήματα ψύξης που λειτουργούν συνεχώς, ίνες που μεταφέρουν δεδομένα σε ηπείρους, υποσταθμοί που συνδέουν όλα αυτά με λειτουργικά ηλεκτρικά δίκτυα.

Ο Υψηλός Ενεργειακός Κόστος της Εικασίας

Εξέτασα πάνω από 200 ανώτερους αποφασίζοντες της ΤΝ στις ΗΠΑ, και τα δεδομένα δίνουν αριθμούς σε αυτό που πολλοί μέσα στη βιομηχανία έχουν αναγνωρίσει. Почти 29% των οργανισμών λένε ότι οι ενεργειακοί κόσσοι έχουν ήδη περιοριστεί την ικανότητά τους να κλιμακώσουν την ΤΝ. Περισσότερο από το ένα τέταρτο (28%) λένε ότι οι αυξανόμενοι τιμές της ενέργειας τους έχουν αναγκάσει να επιβραδύνουν ή να σταματήσουν την εκπαίδευση της ΤΝ. Οι καθυστερήσεις σύνδεσης του δικτύου, οι περιορισμοί ψύξης, η έλλειψη συνδεσιμότητας και τα προβλήματα σχεδιασμού αναφέρονται όλα ως αυξανόμενα εμπόδια. Το επίπεδο υποδομής, που για καιρό θεωρούνταν πρόβλημα κάποιου άλλου, έχει γίνει πρόβλημα όλων.

Αυτό δεν είναι εντελώς απροσδόκητο με την αναδρομή. Η κλίμακα με την οποία λειτουργεί η σύγχρονη ΤΝ είναι πραγματικά εξαιρετική. Η εκπαίδευση ενός μεγάλου μοντέλου μπορεί να καταναλώσει τόσο ηλεκτρική ενέργεια όσο και εκατοντάδες σπίτια σε ένα χρόνο – μια seule εκτέλεση εκπαίδευσης GPT-4 καταναλώνει περίπου 50 GWh ηλεκτρικής ενέργειας – tương đương με την ετήσια κατανάλωση 40.000 αμερικανικών σπιτιών. Η εκτέλεση εικασίας σε εκατομμύρια καθημερινών χρηστών απαιτεί κέντρα δεδομένων μεγέθους και πυκνότητας που θα φαίνονταν απίστευτα πριν από μια δεκαετία. Και η ζήτηση αυξάνεται, οδηγούμενη από την εξάπλωση των εφαρμογών ΤΝ, την επέκταση των συστημάτων και την αυξανόμενη ενσωμάτωση της ΤΝ στις βασικές επιχειρηματικές λειτουργίες. Η κατανάλωση ηλεκτρικής ενέργειας από τα κέντρα δεδομένων αυξάνεται με ρυθμό περίπου 15% το χρόνο – περισσότερο από τέσσερις φορές γρηγορότερα από την συνολική κατανάλωση ηλεκτρικής ενέργειας σε όλα τα άλλα τομείς μαζί. Ο φυσικός κόσμος ζητείται να απορροφήσει μια εκθετική καμπύλη, και δεν σχεδιάστηκε ποτέ να το κάνει τόσο γρήγορα.

Η Στρατηγική Μετάβαση στον Φυσικό Κόσμο

Τι κάνει τη σημερινή στιγμή ιδιαίτερα αποκαλυπτική είναι όπου εμφανίζονται οι περιορισμοί. Η γη, φαίνεται, δεν είναι το κεντρικό ζήτημα. Περισσότερο από το 14% των εταιρειών στην έρευνά μας αναφέρουν τη διαθεσιμότητα γης ως το основικό τους πρόβλημα. Το σκληρότερο πρόβλημα είναι όλα αυτά που πρέπει να συμβούν μετά τη γη. Ένα χώρος χωρίς ικανότητα δικτύου είναι άχρηστος· keine σχεδιαστική έγκριση σημαίνει ότι είσαι εγκαταλελειμμένος· και αν δεν υπάρχει ανθεκτική συνδεσιμότητα, η κατασκευή ΤΝ δεν μπορεί να λειτουργήσει. Το εμπόδιο δεν είναι ο χώρος – είναι η σύνθετη, αργή διαδικασία μετατροπής του φυσικού χώρου σε λειτουργικά περιβάλλοντα υπολογισμού. Αυτή η διάκριση έχει σημασία επειδή είναι πολύ πιο δύσκολο να λυθεί μόνο με χρήματα.

Αυτό επίσης αναδιαμορφώνει τον τρόπο με τον οποίο πρέπει να σκεφτόμαστε την εθνική ανταγωνιστικότητα της ΤΝ. Η συζήτηση έχει επικεντρωθεί για καιρό στην ερευνητική ταλέντο, τον όγκο επένδυσης και τον αγώνα για την εκπαίδευση των πιο ικανοποιητικών μοντέλων. Nhưng η στρατηγική υποδομής αναδύεται ως μια εξίσου αποφασιστική μεταβλητή. Σε περιοχές όπου η αδειοδότηση κινείται γρηγορότερα, όπου η ενεργειακή πολιτική είναι πιο ευθυγραμμισμένη με την βιομηχανική ζήτηση και όπου η ιδιωτική επένδυση σε μεγάλης κλίμακας υποδομή είναι πιο ώριμη, η ΤΝ μπορεί να κλιμακωθεί πιο γρήγορα. Οι ΗΠΑ έχουν δομικές πλεονεκτήματα εδώ που συχνά υποτιμώνται. Δεν είναι γλαμούρ πλεονεκτήματα – αφορούν την σχεδιασμό του δικτύου, την μεταρρύθμιση της ζώνης και τη συντονισμό των υπηρεσιών. Nhưng είναι ολοένα και πιο σημαντικά.

Η γεωπολιτική προσθέτει ένα άλλο επίπεδο σύνθεσης. Περισσότερο από το ένα τρίτο (33%) των επιχειρήσεων που εξετάσαμε λένε ότι εξετάζουν ενεργά την επανεγκατάσταση των φορτίων ΤΝ σε άλλες περιοχές ή χώρες λόγω γεωπολιτικών ανησυχιών. Παράλληλα με τα πρακτικά εμπόδια της ενέργειας και του σχεδιασμού, οι οργανισμοί ζυγίζουν τώρα επίσης την κυριαρχία, την ανθεκτικότητα της αλυσίδας εφοδιασμού και την πολιτική σταθερότητα των περιβαλλόντων όπου αναπτύσσουν υπολογιστική ισχύ. Το αποτέλεσμα είναι eine αναδιαμόρφωση του πού ρέει η επένδυση υποδομής ΤΝ – προς περιοχές με άφθονη ανανεώσιμη ενέργεια, διαθέσιμη ικανότητα δικτύου και ταχύτερους ρυθμιστικούς δρόμους, ανεξάρτητα από το πού βρίσκονται αυτές οι περιοχές σε ένα παραδοσιακό τεχνολογικό χάρτη.

Η πρώτη φάση της επανάστασης της ΤΝ ορίστηκε από αυτό που ήταν δυνατό στο λογισμικό. Η επόμενη φάση θα οριστεί από αυτό που είναι δυνατό στον φυσικό κόσμο – από την ακαδημαϊκή, την κοπιαστική δουλειά της κατασκευής υποδομής ενέργειας, την ασφάλεια της ενεργειακής προμήθειας και την πλοήγηση της γραφειοκρατικής複雑性 της μεγάλης κλίμακας βιομηχανικής ανάπτυξης.

Αυτό είναι όπου οι ΗΠΑ θα έχουν ένα πλεονέκτημα που δεν μπορεί να υπερνικηθεί εύκολα από καμία ικανότητα μοντέλου. Το μέλλον της ΤΝ εξαρτάται από το δίκτυο να κρατηθεί. Αυτό δεν είναι τόσο ενθουσιώδες όσο οι τίτλοι των εφημερίδων. Είναι επίσης πιο σημαντικό.

Ο Matt Hawkins είναι einem Βρετανός επιχειρηματίας τεχνολογίας και σειριακός ιδρυτής με περισσότερες από δύο δεκαετίες εμπειρίας στη δημιουργία μεγάλων επιχειρήσεων υποδομής. Ιδρύθηκε CUDO Ventures το 2017, το οποίο εξελίχθηκε σε αναγνωρισμένο παρόχο υποδομής τεχνητής νοημοσύνης και συνεργάτη του NVIDIA Cloud.