Πώς να μην βράσετε τους ωκεανούς με την τεχνητή νοημοσύνη

Καθώς διαπερνάμε το μέλλον της τεχνητής νοημοσύνης, βρίσκω τον εαυτό μου να σκέφτεται συνεχώς την διπλή φύση της τεχνολογίας που την αναπτύσσουμε. Η τεχνητή νοημοσύνη, στην ουσία της, δεν είναι απλώς μια συλλογή αλγορίθμων και συνόλων δεδομένων· είναι μια εκδήλωση της συλλογικής μας ευφυΐας, που στοχεύει στην επίλυση некоторых από τα πιο περίπλοκα προβλήματα που αντιμετωπίζει η ανθρωπότητα. Ωστόσο, ως συνιδρυτής και διευθύνων σύμβουλος της Lemurian Labs, είμαι ιδιαίτερα συνειδητοποιημένος της ευθύνης που συνοδεύει την προσπάθειά μας να ενσωματώσουμε την τεχνητή νοημοσύνη στο ίδιο το υφάσμα της καθημερινής ζωής. Αυτό μας υποχρεώνει να ρωτήσουμε: πώς θα εκμεταλλευτούμε το απεριόριστο δυναμικό της τεχνητής νοημοσύνης χωρίς να θυσιάσουμε την υγεία του πλανήτη μας;

Νοημοσύνη με μια πλευρά του Παγκόσμιου Θερμοκηπίου

Η τεχνολογική καινοτομία πάντα έρχεται με το τίμημα των παρενέργειων που δεν λαμβάνονται πάντα υπόψη. Στην περίπτωση της τεχνητής νοημοσύνης σήμερα, απαιτεί περισσότερη ενέργεια από άλλα είδη υπολογιστικών συστημάτων. Το Διεθνές Ενεργειακό Γραφείο ανέφερε πρόσφατα ότι η εκπαίδευση ενός μοντέλου χρησιμοποιεί περισσότερη ηλεκτρική ενέργεια από 100 αμερικανικά σπίτια καταναλώνουν σε ένα整 έτος. Όλη αυτή η ενέργεια έρχεται με ένα τίμημα, όχι μόνο για τους dévelopers, αλλά και για τον πλανήτη μας. Μόνο το προηγούμενο έτος, οι εκπομπές CO2 από την ενέργεια έφτασαν σε ένα ρεκόρ των 37,4 δισεκατομμύρια τόνους. Η τεχνητή νοημοσύνη δεν επιβραδύνεται, οπότε πρέπει να ρωτήσουμε τους εαυτούς μας – είναι η ενέργεια που απαιτείται για την ενεργοποίηση της τεχνητής νοημοσύνης και οι συνεπακόλουθες επιπτώσεις στον πλανήτη μας αξίζει το κόστος; Είναι η τεχνητή νοημοσύνη πιο σημαντική από το να μπορούμε να αναπνεύσουμε τον δικό μας αέρα; Ελπίζω να μην φτάσουμε σε ένα σημείο όπου αυτό θα γίνει πραγματικότητα, αλλά αν δεν αλλάξουμε τίποτα, δεν είναι πολύ μακριά.

Δεν είμαι ο μόνος που καλεί για περισσότερη ενεργειακή αποδοτικότητα στην τεχνητή νοημοσύνη. Στην πρόσφατη διάσκεψη Bosch Connected World, ο Elon Musk σημείωσε ότι με την τεχνητή νοημοσύνη «βρισκόμαστε στο χείλος μίας από τις μεγαλύτερες τεχνολογικές επαναστάσεις που έχουν υπάρξει», αλλά εξέφρασε την ανησυχία ότι μπορεί να αρχίσουμε να βλέπουμε ελλείψεις ηλεκτρικής ενέργειας από το επόμενο έτος. Η κατανάλωση ενέργειας της τεχνητής νοημοσύνης δεν είναι μόνο ένα τεχνολογικό πρόβλημα, είναι ένα παγκόσμιο πρόβλημα.

Εννοώντας την Τεχνητή Νοημοσύνη ως ένα Συγκλονιστικό Σύστημα

Για να λύσουμε αυτές τις ανεπάρκειες, πρέπει να κοιτάξουμε την τεχνητή νοημοσύνη ως ένα συγκλονιστικό σύστημα με πολλά διασυνδεμένα και κινούμενα μέρη, και όχι ως μια αυτόνομη τεχνολογία. Αυτό το σύστημα περιλαμβάνει όλα, από τους αλγορίθμους που γράφουμε, στις βιβλιοθήκες, τους μεταγλωττίστες, τις εκτελέσεις, τους οδηγούς, το υλικό που εξαρτόμαστε, και την ενέργεια που απαιτείται για να τροφοδοτήσουμε όλα αυτά. Με την υιοθέτηση αυτής της ολιστικής άποψης, podemos να αναγνωρίσουμε και να αντιμετωπίσουμε τις ανεπάρκειες σε κάθε επίπεδο της ανάπτυξης της τεχνητής νοημοσύνης, ανοίγοντας το δρόμο για λύσεις που είναι όχι μόνο τεχνολογικά προηγμένες, αλλά και περιβαλλοντικά υπεύθυνες. Η κατανόηση της τεχνητής νοημοσύνης ως ενός δικτύου διασυνδεδεμένων συστημάτων και διαδικασιών φωτίζει το δρόμο για καινοτόμες λύσεις που είναι τόσο αποτελεσματικές όσο και αποτελεσματικές.

Ένας Παγκόσμιος Λογισμικός Στάκος για την Τεχνητή Νοημοσύνη

Η τρέχουσα διαδικασία ανάπτυξης της τεχνητής νοημοσύνης είναι高度.fragmented, με κάθε τύπο υλικού να απαιτεί ένα συγκεκριμένο λογισμικό στάκο που τρέχει μόνο σε αυτή τη συσκευή, και πολλά εξειδικευμένα εργαλεία και βιβλιοθήκες που είναι βελτιστοποιημένα για διαφορετικά προβλήματα, τα περισσότερα από τα οποία είναι σε μεγάλο βαθμό ασύμβατα. Οι dévelopers ήδη αγωνίζονται με την προγραμματιστική των συστημάτων-σε-σιλικόνη (SoCs) όπως αυτά στα περιφερειακά συσκευές όπως τα κινητά τηλέφωνα, αλλά σύντομα όλα όσα συνέβησαν στο mobile θα συμβούν στο datacenter, και θα είναι εκατοντάδες φορές πιο περίπλοκα. Οι dévelopers θα πρέπει να συνδέσουν και να εργαστούν μέσω ενός περίπλοκου συστήματος πολλών διαφορετικών προγραμματιστικών μοντέλων, βιβλιοθηκών για να πάρουν απόδοση από τις ολοένα και πιο ετερογενείς κλάδους, πολύ περισσότερο από ό,τι έχουν ήδη. Και αυτό είναι μόνο για την εκπαίδευση. Για παράδειγμα, η προγραμματιστική και η απόδοση ενός siêuυπολογιστή με χιλιάδες έως δεκάδες χιλιάδες CPUs και GPUs είναι πολύ χρονοβόρα και απαιτεί πολύ εξειδικευμένες γνώσεις, και ακόμη και τότε πολλά μένουν στην ταμπέλα γιατί το τρέχον προγραμματιστικό μοντέλο δεν κλιμακώνεται σε αυτό το επίπεδο, με αποτέλεσμα την υπερβολική ενεργειακή δαπάνη, η οποία θα χειροτερέψει καθώς συνεχίζουμε να κλιμακώνουμε τα μοντέλα.

Η αντιμετώπιση αυτού απαιτεί ένα είδος παγκόσμιου λογισμικού σταδίου που μπορεί να αντιμετωπίσει τη fragmentation και να κάνει πιο απλό το προγραμματιστικό και την απόδοση των ολοένα και πιο ετερογενών υλικών από τους υφιστάμενους προμηθευτές, καθώς και να κάνει πιο εύκολη την απόδοση σε νέα υλικό από νέους εισερχόμενους. Αυτό θα εξυπηρετήσει επίσης να επιταχύνει την καινοτομία στην τεχνητή νοημοσύνη και στις αρχιτεκτονικές υπολογιστών, και να αυξήσει την υιοθέτηση της τεχνητής νοημοσύνης σε πολλές περισσότερες βιομηχανίες και εφαρμογές.

Η Ζήτηση για Αποδοτική Υλικό

Εκτός από την εφαρμογή ενός παγκόσμιου λογισμικού σταδίου, είναι κρίσιμο να λάβουμε υπόψη την βελτιστοποίηση του υποκείμενου υλικού για μεγαλύτερη απόδοση και αποδοτικότητα. Οι Μονάδες Επεξεργασίας Γραφικών (GPUs), που αρχικά σχεδιάστηκαν για τα βιντεοπαιχνίδια, παρά την τεράστια δύναμη και χρησιμότητα, έχουν πολλές πηγές ανεπάρκειας που γίνονται πιο εμφανείς καθώς τις κλιμακώνουμε σε επίπεδο υπερυπολογιστών στο datacenter. Η τρέχουσα αόριστη κλιμάκωση των GPUs οδηγεί σε ενισχυμένα έξοδα ανάπτυξης, ελλείψεις σε υλικό και σημαντική αύξηση των εκπομπών CO2.

Αυτά τα προκλήματα δεν είναι μόνο ένα τεράστιο εμπόδιο στην είσοδο, αλλά η επίδρασή τους γίνεται αισθητή σε ολόκληρη τη βιομηχανία. Γιατί ας το πούμε – αν οι μεγαλύτερες τεχνολογικές εταιρείες του κόσμου έχουν δυσκολίες να αποκτήσουν αρκετές GPUs και να λάβουν αρκετή ενέργεια για να τροφοδοτήσουν τα datacenter τους, δεν υπάρχει ελπίδα για τους υπόλοιπους.

Ένας Κρίσιμος Στροφεύς

Στην Lemurian Labs, αντιμετωπίσαμε αυτό πρώτο χέρι. Πίσω στο 2018, ήμασταν một μικρή εταιρεία τεχνητής νοημοσύνης που προσπαθούσε να κατασκευάσει ένα θεμελιώδες μοντέλο, αλλά το τεράστιο κόστος ήταν αδικαιολόγητο. Η ποσότητα υπολογιστικής δύναμης που απαιτείτο μόνο της ήταν αρκετή για να οδηγήσει τα έξοδα ανάπτυξης σε ένα επίπεδο που ήταν απρόσιτο όχι μόνο για μας ως μια μικρή εταιρεία, αλλά και για οποιονδήποτε έξω από τις μεγαλύτερες τεχνολογικές εταιρείες του κόσμου. Αυτό μας ενέπνευσε να κάνουμε einen στροφέα από την ανάπτυξη της τεχνητής νοημοσύνης στην επίλυση των υποκείμενων προκλήματος που την έκαναν απρόσιτη.

Ξεκινήσαμε από τα βασικά, αναπτύσσοντας μια εντελώς νέα θεμελιώδη αριθμητική για την τεχνητή νοημοσύνη. Ονομάζεται PAL (παράλληλη προσαρμοστική λογαριθμική), αυτό το καινοτόμο σύστημα αριθμών μας έδωσε τη δυνατότητα να δημιουργήσουμε einen επεξεργαστή που μπορεί να επιτύχει μέχρι και 20 φορές μεγαλύτερη απόδοση από τις παραδοσιακές GPUs στις βenchmark της τεχνητής νοημοσύνης, όλα αυτά ενώ καταναλώνει το μισό της ενέργειας.

Η αμετάκλητη δέσμευσή μας να κάνουμε τη ζωή των dévelopers της τεχνητής νοημοσύνης πιο εύκολη, ενώ κάνουμε την τεχνητή νοημοσύνη πιο αποδοτική και προσιτή, μας οδήγησε να προσπαθούμε πάντα να αφαιρέσουμε το κέλυφος και να κατανοήσουμε το πρόβλημα. Από το σχεδιασμό υπερ-υψηλής απόδοσης και αποδοτικών αρχιτεκτονικών υπολογιστών που σχεδιάζονται για να κλιμακώνονται από το edge στο datacenter, μέχρι τη δημιουργία λογισμικών σταδίων που αντιμετωπίζουν τις προκλήσεις της προγραμματιστικής單一 ετερογενών συσκευών σε warehouse-κλίμακας υπολογιστές. Όλα αυτά εξυπηρετούν για να ενεργοποιήσουν ταχύτερες αναπτύξεις της τεχνητής νοημοσύνης με μειωμένα έξοδα, να αυξήσουν την παραγωγικότητα των dévelopers, να επιταχύνουν τις εργασίες, και ταυτόχρονα να βελτιώσουν την προσιτότητα, να προωθήσουν την καινοτομία, την υιοθέτηση και την ισότητα.

Επιτύχοντας Τεχνητή Νοημοσύνη για Όλους

Για να έχει η τεχνητή νοημοσύνη μια σημαντική επίδραση στον κόσμο μας, πρέπει να διασφαλίσουμε ότι δεν θα καταστρέψουμε τον πλανήτη μας κατά τη διαδικασία. Αυτό απαιτεί να αλλάξουμε θεμελιωδώς τον τρόπο που αναπτύσσεται. Τα έξοδα και η υπολογιστική δύναμη που απαιτούνται σήμερα κλίνουν την κλίμακα υπέρ των λίγων μεγάλων, δημιουργώντας ένα τεράστιο εμπόδιο στην καινοτομία και την προσιτότητα, ενώ ρίχνουν τεράστιες ποσότητες CO2 στην ατμόσφαιρα. Αναλαμβάνοντας την ανάπτυξη της τεχνητής νοημοσύνης από την οπτική των dévelopers και του πλανήτη, podemos να αντιμετωπίσουμε αυτές τις υποκείμενες ανεπάρκειες και να επιτύχουμε ένα μέλλον της τεχνητής νοημοσύνης που είναι προσιτό σε όλους και περιβαλλοντικά υπεύθυνο.

Μια Προσωπική Αναστοχασμός και Πρόσκληση για Βιώσιμη Τεχνητή Νοημοσύνη

Κοιτάζοντας μπροστά, τα συναισθήματά μου για το μέλλον της τεχνητής νοημοσύνης είναι ένα μείγμα αισιοδοξίας και προσοχής. Είμαι αισιόδοξος για το μετασχηματιστικό δυναμικό της τεχνητής νοημοσύνης να βελτιώσει τον κόσμο μας, αλλά προσεκτικός για την σημαντική ευθύνη που εμπεριέχει. Ελπίζω σε ένα μέλλον όπου η κατεύθυνση της τεχνητής νοημοσύνης καθορίζεται όχι μόνο από τις τεχνολογικές μας προόδους, αλλά και από μια σταθερή προσήλωση στη βιωσιμότητα, την ισότητα και την εύκολη πρόσβαση. Jako ηγέτης της Lemurian Labs, είμαι οδηγημένος από μια όραση της τεχνητής νοημοσύνης ως μιας κρίσιμης δύναμης για την θετική αλλαγή, με προτεραιότητα την ανύψωση της ανθρωπότητας και την προστασία του πλανήτη. Αυτή η αποστολή υπερβαίνει την δημιουργία υπεροχής τεχνολογίας· είναι για την καινοτομία λύσεων που είναι ωφέλιμες, ηθικά σωστές και υπογραμμίζουν την σημασία των σκέπων, κλιμακωτών λύσεων που τιμούν τις συλλογικές μας φιλοδοξίες και την υγεία του πλανήτη.

Όπως στεκόμαστε στο χείλος μιας νέας εποχής στην ανάπτυξη της τεχνητής νοημοσύνης, η πρόσκλησή μας είναι αδιαμφισβήτητη: πρέπει να καλλιεργήσουμε την τεχνητή νοημοσύνη με τρόπο που να λαμβάνει υπόψη την περιβαλλοντική μας επίδραση και να υπερασπίζεται το κοινό καλό. Αυτή η εθική είναι ο πυρήνας του έργου μας στη Lemurian Labs, εμπνέοντας μας να καινοτομούμε, να συνεργαζόμαστε και να θέτουμε ένα πρότυπο. “Ας μην χτίσουμε την τεχνητή νοημοσύνη μόνο για την καινοτομία, αλλά να καινοτομούμε για την ανθρωπότητα και τον πλανήτη μας,” προτρέπω, καλώντας την παγκόσμια κοινότητα να συμμετάσχει στη μεταμόρφωση του τοπίου της τεχνητής νοημοσύνης. Μαζί, μπορούμε να διασφαλίσουμε ότι η τεχνητή νοημοσύνη θα αναδυθεί ως ένα φάρο θετικής μετασχηματισμού, ενδυναμώνοντας την ανθρωπότητα και προστατεύοντας τον πλανήτη μας για τις μελλοντικές γενιές.