Hvordan ikke koke havene med AI

Da vi navigerer i grenselandet av kunstig intelligens, finner jeg meg selv konstant reflekterende over den doble naturen til teknologien vi er på vei til å etablere. AI, i sin essens, er ikke bare en samling av algoritmer og datasæt; det er en manifestasjon av vår kollektive genialitet, rettet mot å løse noen av de mest intrikate utfordringene som menneskeheten står overfor. Likevel, som medgrunnlegger og CEO av Lemurian Labs, er jeg akutt klar over ansvarligheten som følger med vår kappløp mot å integrere AI i det daglige liv. Dette tvinger oss til å spørre: hvordan kan vi utnytte AI’s ubegrensede potensiale uten å kompromittere med planetens helse?

Innovasjon med en side av global oppvarming

Teknologisk innovasjon kommer alltid med en pris av bieffekter du ikke alltid regner med. I tilfelle av AI i dag, krever det mer energi enn andre typer datamaskiner. Den internasjonale energibyrået rapporterte nylig at trening av ett enkelt modell bruker mer strøm enn 100 amerikanske hjem forbruker i løpet av ett år. All denne energien kommer med en pris, ikke bare for utviklere, men for vår planet. Bare i fjor nådde energirelaterte CO2-utslipp et rekordhøyt nivå på 37,4 milliarder tonn. AI går ikke langsommere, så vi må spørre oss selv – er energien som trengs for å drive AI og de resulterende implikasjonene for vår planet verdt det? Er AI viktigere enn å kunne puste vår egen luft? Jeg håper vi aldri kommer til et punkt der det blir en realitet, men hvis ingenting endres, er det ikke langt unna.

Jeg er ikke alene i min appel for mer energieffektivitet over AI. På den nylige Bosch Connected World-konferansen, noterte Elon Musk at med AI er vi “på kanten av kanskje den største teknologiske revolusjonen som noensinne har eksistert”, men uttrykte at vi kunne begynne å se strøm-mangel så tidlig som neste år. AI’s energiforbruk er ikke bare et teknisk problem, det er et globalt problem.

Å se AI som et komplekst system

For å løse disse ineffektivitetene må vi se på AI som et komplekst system med mange sammenhengende og bevegelige deler, snarere enn en selvstendig teknologi. Dette systemet omfatter alt fra algoritmene vi skriver, til bibliotekene, kompilatorene, kjøringsmiljøene, drivere, maskinvaren vi er avhengig av, og energien som trengs for å drive all dette. Ved å anta denne helhetlige visningen, kan vi identifisere og løse ineffektiviteter på alle nivåer av AI-utvikling, og åpne vei for løsninger som er både teknologisk avanserte og miljømessig ansvarlige. Å forstå AI som et nettverk av sammenhengende systemer og prosesser belyster veien til innovative løsninger som er like effektive som de er effektive.

En universell programvare-stack for AI

Den nåværende utviklingsprosessen for AI er svært fragmentert, med hver maskin som krever en spesifikk programvare-stack som bare kjører på den enkelt enheten, og mange spesialiserte verktøy og biblioteker som er optimert for forskjellige problemer, hvor de fleste er i stor grad ukompatible. Utviklere sliter allerede med å programmere system-on-chips (SoCs) som de i edge-enheter som mobiltelefoner, men snart vil alt som skjer i mobil også skje i datacenter, og bli langt mer komplisert. Utviklere må sy sammen og arbeide seg gjennom et intrikat system av mange forskjellige programmeringsmodeller, biblioteker for å få ytelse ut av deres heterogene kluster, langt mer enn de allerede har gjort. Og det er bare for trening. For eksempel, å programmere og få ytelse ut av en supercomputer med tusenvis til titusenvis av CPU-er og GPU-er er svært tidkrevende og krever svært spesialisert kunnskap, og selv da er mye igjen på bordet fordi den nåværende programmeringsmodellen ikke skalerer til dette nivået, noe som resulterer i overflødig energiforbruk, som bare vil bli verre når vi fortsetter å skalerer modellene.

Dette krever en type universell programvare-stack som kan løse fragmenteringen og gjøre det enklere å programmere og få ytelse ut av heterogene maskinvare fra eksisterende leverandører, samt gjøre det enklere å bli produktiv på ny maskinvare fra nye inngangspunkter. Dette ville også tjene til å akselerere innovasjon i AI og datamaskinarkitektur, og øke adopsjonen av AI i mange flere industrier og applikasjoner.

Kravet om effektiv maskinvare

I tillegg til å implementere en universell programvare-stack, er det avgjørende å vurdere å optimalisere den underliggende maskinvaren for bedre ytelse og effektivitet. Grafikkprosessorer (GPU-er), som opprinnelig var designet for spill, er svært kraftfulle og nyttige, men har mange kilder til ineffektivitet som blir mer åpenbare når vi skalerer dem til superdatamaskin-nivå i datacenter. Den nåværende uendelige skaleringen av GPU-er fører til forhøyet utviklingskostnader, mangel på maskinvaretilgjengelighet og en betydelig økning i CO2-utslipp.

Disse utfordringene er ikke bare en stor barriere for inngang, men deres innvirkning blir følt over hele industrien. For la oss være ærlige – hvis verdens største teknologiselskaper har problemer med å skaffe nok GPU-er og få nok energi til å drive deres datacenter, er det ingen håp for resten av oss.

En avgjørende vending

På Lemurian Labs, opplevde vi dette førstehånds. Tilbake i 2018 var vi et lite AI-startup som prøvde å bygge en grunnleggende modell, men de rene kostnadene var urimelige. Mengden datamaskinkraft som trengtes alene var nok til å drive utviklingskostnadene til et nivå som var uoppnåelig, ikke bare for oss som et lite startup, men for alle utenfor verdens største teknologiselskaper. Dette inspirerte oss til å endre retning fra å utvikle AI til å løse de underliggende utfordringene som gjorde det utilgjengelig.

Vi startet med grunnleggende arbeid med å utvikle en helt ny grunnleggende aritmetikk for å drive AI. Kalt PAL (parallell adaptiv logaritm), dette innovative tallsystemet gjorde det mulig for oss å skape en prosessor som kunne oppnå opptil 20 ganger større gjennomstrømming enn tradisjonelle GPU-er på benchmark AI-arbeidsbelastninger, samtidig som den forbrukte halvparten av energien.

Vår urokkelige forpliktelse til å gjøre livet lettere for AI-utviklere, samtidig som vi gjør AI mer effektivt og tilgjengelig, har ført oss til å alltid prøve å skrape løs og få en dypere forståelse av problemet. Fra å designe ultra-høy-ytelses- og effektive datamaskinarkitekturer som er designet for å skaleres fra kanten til datacenter, til å skape programvare-stacker som løser utfordringene med å programmere enkelt heterogene enheter til lager-skala datamaskiner. All dette tjener til å muliggjøre raskere AI-utvikling til en redusert kostnad, øke utviklerproduktiviteten, akselerere arbeidsbelastninger og samtidig forbedre tilgjengeligheten, fremme innovasjon, adopsjon og likhet.

Å oppnå AI for alle

For at AI skal ha en meningsfull innvirkning på vår verden, må vi sikre at vi ikke ødelegger den i prosessen, og det krever en grunnleggende endring av måten det utvikles på. Kostnadene og datamaskinkraften som trengs i dag tipper skålen i favør av en stor few, og skaper en massiv barriere for innovasjon og tilgjengelighet, samtidig som det dumpes massive mengder CO2 i atmosfæren. Ved å tenke på AI-utvikling fra utviklerens og planetens perspektiv, kan vi begynne å løse disse underliggende ineffektivitetene og oppnå en fremtid for AI som er tilgjengelig for alle og miljømessig ansvarlig.

En personlig refleksjon og appel til handling for bærekraftig AI

Ser fremover, er mine følelser om fremtiden for AI en blanding av optimisme og forsiktighet. Jeg er optimistisk om AI’s transformative potensiale til å forbedre vår verden, men forsiktig om den betydelige ansvarligheten det medfører. Jeg forestiller meg en fremtid hvor AI’s retning bestemmes ikke bare av våre teknologiske fremskritt, men av en fast holdning til bærekraft, likhet og inklusivitet. Som leder av Lemurian Labs, er jeg drevet av en visjon om AI som en avgjørende kraft for positiv forandring, som prioriterer både menneskehetens opphøyelse og miljøvern. Denne misjonen går langt utover å skape overlegen teknologi; det handler om å bane vei for innovasjoner som er nyttige, etisk korrekte og understreker viktigheten av tanker, skalerbare løsninger som ærer våre kollektive aspirasjoner og planetens helse.

Mens vi står på terskelen av en ny æra i AI-utvikling, er vår appel til handling uforbeholden: vi må fremme AI på en måte som bevisst vurdere vår miljømessige innvirkning og fremme det felles beste. Denne etosen er hjørnestenen i vårt arbeid på Lemurian Labs, og inspirerer oss til å innovere, samarbeide og sette et eksempel. “La oss ikke bare bygge AI for innovasjons skyld, men innovere for menneskeheten og vår planet,” oppfordrer jeg, og inviterer den globale samfunnet til å delta i å forme AI-landskapet. Sammen kan vi garantere at AI oppstår som en lysende transformasjon, som gir menneskeheten og sikrer vår planet for fremtidige generasjoner.