Waarom de AI-autocraten uitgedaagd moeten worden om beter te doen

Als we één ding hebben geleerd van de leeftijd van AI, is het dat de industrie worstelt met aanzienlijke uitdagingen op het gebied van macht. Deze uitdagingen zijn zowel letterlijk – zoals het vinden van manieren om aan de enorme energievraag van AI-datacentra te voldoen – als figuurlijk – zoals de concentratie van AI-rijkdom in een paar handen op basis van smalle commerciële belangen in plaats van bredere maatschappelijke voordelen.

De AI-machtparadox: hoge kosten, geconcentreerde controle

Om AI succesvol te laten zijn en de mensheid te laten profiteren, moet het alomtegenwoordig worden. Om alomtegenwoordig te worden, moet het zowel economisch als milieutechnisch duurzaam zijn. Dat is niet de weg waar we nu op zitten. De obsessieve strijd voor grotere en snellere AI is meer gedreven door korte-termijnprestatieverbeteringen en marktdominantie dan door wat het beste is voor duurzame en betaalbare AI.

De race om steeds krachtigere AI-systemen te bouwen, versnelt, maar dit gaat ten koste van een hoge milieukosten. De nieuwste AI-chips, zoals Nvidia’s H100 (tot 700 watt), verbruiken al een aanzienlijke hoeveelheid energie. Deze trend zal naar verwachting voortduren, waarbij branche-experts voorspellen dat Nvidia’s (NVDA ) volgende generatie Blackwell-architectuur het energieverbruik per chip mogelijk tot in de kilowatt-range kan brengen, wat potentieel meer dan 1.200 watt kan bedragen. Met industrieleiders die verwachten dat miljoenen van deze chips wereldwijd in datacentra worden ingezet, zijn de energievragen van AI op het punt om te exploderen.

De milieukosten van de AI-wapenwedloop

Laten we dit in een alledaags perspectief plaatsen. De elektriciteit die uw hele huis van stroom voorziet, kan alle apparaten tegelijk op volle kracht laten draaien – niet dat iemand dat zou doen. Stel u nu voor dat één 120kW Nvidia-rack evenveel stroom verbruikt – vooral als er mogelijk honderden of duizenden in grote datacentra zijn! Nu is 1.200 watt gelijk aan 1,2 kW. Dus we hebben het eigenlijk over een middelgrote buurt. Één 120kW Nvidia-rack – essentieel 100 van die energieverslindende chips – heeft genoeg elektriciteit nodig om ongeveer 100 huizen van stroom te voorzien.

Deze koers is verontrustend, gezien de energietekorten waar veel gemeenschappen mee te maken krijgen. Datacenter-experts voorspellen dat de Verenigde Staten de komende vijf tot zeven jaar 18 tot 30 gigawatt aan nieuwe capaciteit nodig zullen hebben, waardoor bedrijven wanhopig zoeken naar manieren om die golf te hanteren. Ondertussen blijft mijn industrie maar meer energieverslindende generatieve AI-toepassingen creëren die energie verbruiken ver boven wat theoretisch nodig is voor de toepassing of wat haalbaar is voor de meeste bedrijven, laat staan wenselijk voor de planeet.

Balans tussen beveiliging en toegankelijkheid: hybride datacenteroplossingen

Deze AI-autocratie en “wapenwedloop”, geobsedeerd door brute snelheid en kracht, negeert de praktische behoeften van echte datacentra – namelijk de soort betaalbare oplossingen die de marktbarrières verlagen voor de 75 procent van de Amerikaanse organisaties die AI nog niet hebben geadopteerd. En laten we eerlijk zijn, naarmate meer AI-regulering wordt uitgerold met betrekking tot privacy, beveiliging en milieubescherming, zullen meer organisaties een hybride datacenterbenadering eisen, waarbij hun meest waardevolle, privé- en gevoelige gegevens veilig worden opgeslagen in zeer beveiligde gebieden op het bedrijf, ver weg van de AI- en cyberaanvallen van de laatste tijd. Of het nu gaat om gezondheidsrecords, financiële gegevens, nationale defensiegeheimen of verkiezingsintegriteit, de toekomst van ondernemings-AI vereist een balans tussen on-sitebeveiliging en cloudagiliteit.

Dit is een aanzienlijke systemische uitdaging en een die hyper-samenwerking vereist in plaats van hyper-concurrentie. Met een overweldigende focus op GPUs en andere AI-acceleratorchips met brute capaciteit, snelheid en prestatieparameters, missen we voldoende overweging voor de betaalbare en duurzame infrastructuur die nodig is voor overheden en bedrijven om AI-mogelijkheden te adopteren. Het is alsof je een ruimteschip bouwt zonder een lanceerplaats of een Lamborghini op een landweg zet.

Democratisering van AI: industrie-samenwerking

Hoewel het bemoedigend is dat overheden beginnen te overwegen om regelgeving in te voeren – om ervoor te zorgen dat AI iedereen ten goede komt, niet alleen de elite – heeft onze industrie meer nodig dan overheidsregels.

Als voorbeeld gebruikt het VK AI om de mogelijkheden van de politie te verbeteren door gegevensuitwisseling tussen politiebureaus te verbeteren om AI-gedreven misdaadvoorspelling en -preventie te verbeteren. Ze focussen op transparantie, verantwoordelijkheid en eerlijkheid bij het gebruik van AI voor politiezaken, waarbij de publieke vertrouwen en naleving van mensenrechten worden gewaarborgd – met tools zoals gezichtsherkenning en predictieve politiezorg om bij te dragen aan misdaaddetectie en -beheer.

In zeer gereguleerde industrieën zoals biotechnologie en gezondheidszorg, zijn opvallende samenwerkingen onder andere Johnson & Johnson (JNJ ) MedTech en Nvidia die samenwerken om AI voor chirurgische procedures te verbeteren. Hun samenwerking is gericht op het ontwikkelen van real-time, AI-gedreven analyse- en beslissingsmogelijkheden in de operatiekamer. Deze samenwerking maakt gebruik van NVIDIA’s AI-platforms om de implementatie van AI-toepassingen in gezondheidszorginstellingen schaalbaar, beveiligd en efficiënt te maken.

Ondertussen heeft Merck in Duitsland strategische allianties gevormd met Exscientia en BenevolentAI om AI-gedreven geneesmiddelontdekking te bevorderen. Ze gebruiken AI om de ontwikkeling van nieuwe geneesmiddelkandidaten te versnellen, met name in de oncologie, neurologie en immunologie. Het doel is om de succesrate en de snelheid van geneesmiddelontwikkeling te verbeteren door de krachtige ontwerp- en ontdekkingsmogelijkheden van AI.

De eerste stap is om de kosten van het implementeren van AI voor bedrijven te verlagen, met name in de AI-inferentiefase – wanneer bedrijven een getraind AI-model zoals Chat GPT, Llama 3 of Claude in een echt datacenter elke dag installeren en uitvoeren. Recent onderzoek suggereert dat de kosten voor het ontwikkelen van de grootste van deze volgende generatie systemen rond de 1 miljard dollar kunnen liggen, waarbij de inferentiekosten mogelijk 8-10 keer hoger zijn.

De snel stijgende kosten van het implementeren van AI in dagelijkse productie houden veel bedrijven tegen om AI volledig te adopteren – de “have-nots”. Een recent onderzoek toonde aan dat slechts één op de vier bedrijven in de afgelopen 12 maanden succesvol AI-initiatieven heeft gelanceerd en dat 42 procent van de bedrijven nog geen significante voordelen heeft gezien van generatieve AI-initiatieven.

Om AI echt te democratiseren en alomtegenwoordig te maken – wat betekent dat bedrijven AI volledig adopteren – moet onze AI-industrie de focus verleggen. In plaats van een race voor de grootste en snelste modellen en AI-chips, hebben we meer samenwerkingsinspanningen nodig om de betaalbaarheid te verbeteren, het energieverbruik te verlagen en de AI-markt te openen om zijn volledige en positieve potentieel breder te delen. Een systemische verandering zou alle boten omhoog tillen door AI meer winstgevend te maken voor iedereen, met een enorm consumentenvoordeel.

Er zijn veelbelovende tekenen dat het verlagen van de kosten van AI haalbaar is – het verlagen van de financiële barrière om grootschalige nationale en mondiale AI-initiatieven te ondersteunen. Mijn bedrijf, NeuReality, werkt samen met Qualcomm (QCOM ) om een kostenverlaging van tot 90 procent en 15 keer betere energiedoeltreffendheid te bereiken voor verschillende AI-toepassingen op het gebied van tekst, taal, geluid en beelden – de basisbouwstenen van AI. U weet wel, die AI-modellen onder industrie-buzzwoorden zoals computerzicht, conversational AI, spraakherkenning, natuurlijke taalverwerking, generatieve AI en grote taalmodellen. Door samen te werken met meer software- en dienstverleners, kunnen we AI in de praktijk blijven aanpassen om de prestaties te verhogen en de kosten te verlagen.

Feitelijk zijn we erin geslaagd om de kosten en het energieverbruik per AI-vraag te verlagen in vergelijking met de traditionele CPU-georiënteerde infrastructuur waarop alle AI-acceleratorchips, inclusief Nvidia’s GPU’s, vandaag de dag nog steeds afhankelijk zijn. Ons NR1-S AI-inferentieapparaat is deze zomer begonnen met verzending met Qualcomm Cloud AI 100 Ultra-accelerators in combinatie met NR1 NAPU’s. Het resultaat is een alternatieve NeuReality-architectuur die de traditionele CPU in AI-datacentra vervangt – de grootste bottleneck in AI-gegevensverwerking vandaag de dag. Die evolutionaire verandering is diep en hoogst noodzakelijk.

Verder dan de hype: het bouwen van een economisch en duurzaam AI-toekomst

Laten we verder gaan dan de AI-hype en serieus worden over het aanpakken van onze systemische uitdagingen. Het harde werk ligt voor ons, op systeemniveau, en vereist dat onze hele AI-industrie samenwerkt – en niet tegen elkaar. Door ons te focussen op betaalbaarheid, duurzaamheid en toegankelijkheid, kunnen we een AI-industrie en een bredere klantenkring creëren die de samenleving op grotere schaal ten goede komt. Dat betekent het aanbieden van duurzame infrastructuurkeuzes zonder dat AI-rijkdom geconcentreerd is in de handen van een paar, bekend als de Grote 7.

De toekomst van AI hangt af van onze collectieve inspanningen vandaag. Door prioriteit te geven aan energiedoeltreffendheid en toegankelijkheid, kunnen we een toekomst voorkomen die wordt gedomineerd door energievretende AI-infrastructuur en een AI-oligarchie die gefocust is op brute prestaties ten koste van breedvoerige voordelen. Tegelijkertijd moeten we de onhoudbare energieverbruik aanpakken die de potentie van AI belemmert om de openbare veiligheid, de gezondheidszorg en de klantenservice te revolutioneren.

Door dit te doen, creëren we een krachtige AI-investerings- en winstcyclus die wordt aangedreven door breedvoerige innovatie.

Wie is er bij ons?