Как не кипятить океаны с помощью ИИ

Когда мы осваиваем новые рубежи искусственного интеллекта, я постоянно размышляю о двойной природе технологии, которую мы разрабатываем. ИИ, по своей сути, не является просто сборкой алгоритмов и наборов данных; это проявление нашего коллективного изобретательства, направленного на решение некоторых из наиболее сложных проблем, с которыми сталкивается человечество. Однако, как сооснователь и генеральный директор Lemurian Labs, я остро осознаю ответственность, которая сопровождает нашу гонку за интеграцией ИИ в саму ткань повседневной жизни. Это заставляет нас задуматься: как мы можем использовать безграничный потенциал ИИ, не компрометируя здоровье нашей планеты?

Инновации с добавлением глобального потепления

Технологические инновации всегда имеют побочные эффекты, которые вы не всегда учитываете. В случае с ИИ сегодня он требует больше энергии, чем другие типы вычислений. Международное энергетическое агентство недавно сообщило, что обучение одной модели использует больше электричества, чем 100 американских домов потребляют за целый год. Все эта энергия стоит не только для разработчиков, но и для нашей планеты. Только в прошлом году выбросы углекислого газа, связанные с энергетикой, достигли рекордного уровня в 37,4 миллиарда тонн. ИИ не замедляется, поэтому мы должны задуматься – стоит ли энергия, необходимая для питания ИИ и последствия для нашей планеты, того? Более важно ли ИИ, чем возможность дышать нашим воздухом? Надеюсь, мы никогда не достигнем точки, когда это станет реальностью, но если ничего не изменится, это не слишком далеко.

Я не одинок в своем призыве к большей энергоэффективности в ИИ. На недавней конференции Bosch Connected World Conference Илон Маск отметил, что с ИИ мы «находимся на грани, вероятно, самой большой технологической революции, которая когда-либо существовала», но выразил обеспокоенность, что мы можем начать испытывать нехватку электроэнергии уже в следующем году. Потребление энергии ИИ не является только технической проблемой, это глобальная проблема.

ИИ как сложная система

Чтобы решить эти неэффективности, нам нужно рассматривать ИИ как сложную систему с множеством взаимосвязанных и движущихся частей, а не как отдельную технологию. Эта система охватывает все – от алгоритмов, которые мы пишем, до библиотек, компиляторов, сред выполнения, драйверов, оборудования, от которого мы зависим, и энергии, необходимой для питания всего этого. Принимая этот целостный подход, мы можем выявить и устранить неэффективности на каждом уровне разработки ИИ, открывая путь к решениям, которые являются не только технологически продвинутыми, но и экологически ответственным. Понимание ИИ как сети взаимосвязанных систем и процессов освещает путь к инновационным решениям, которые так же эффективны, как и эффективны.

Универсальный программный стек для ИИ

Текущий процесс разработки ИИ высоко фрагментирован, каждый тип оборудования требует специального программного стека, который работает только на этом устройстве, и многие специализированные инструменты и библиотеки, оптимизированные для различных задач, большинство из которых в значительной степени несовместимы. Разработчики уже сталкиваются с трудностями при программировании систем на кристалле (SoC), таких как те, что используются в устройствах на краю сети, например, в мобильных телефонах, но скоро все, что происходит в мобильных устройствах, произойдет в центре обработки данных, и будет в сто раз более сложным. Разработчикам придется собирать воедино и работать с сложной системой различных моделей программирования, библиотек, чтобы получить производительность из своих все более гетерогенных кластеров, гораздо больше, чем они уже имеют. И это только для обучения. Например, программирование и получение производительности из суперкомпьютера с тысячами до десятков тысяч процессоров и графических процессоров очень трудоемко и требует очень специализированных знаний, и даже тогда многое остается невостребованным, потому что текущая модель программирования не масштабируется до этого уровня, что приводит к избыточным энергетическим расходам, которые только ухудшатся, когда мы продолжим масштабировать модели.

Для решения этой проблемы необходим программный стек, который сможет решить фрагментацию и сделать проще программирование и получение производительности из все более гетерогенного оборудования от существующих поставщиков, а также сделать проще начало работы на новом оборудовании от новых участников. Это также послужит ускорению инноваций в ИИ и компьютерных архитектурах, и увеличит внедрение ИИ в гораздо большем количестве отраслей и приложений.

Требование к эффективному оборудованию

Помимо реализации универсального программного стека, важно учитывать оптимизацию основного оборудования для большей производительности и эффективности. Графические процессоры (GPU), изначально разработанные для игр, несмотря на свою огромную мощность и полезность, имеют множество источников неэффективности, которые становятся более очевидными, когда мы масштабируем их до уровня суперкомпьютеров в центре обработки данных. Текущая неограниченная масштабируемость GPU приводит к усилению затрат на разработку, нехватке оборудования и значительному увеличению выбросов углекислого газа.

Эти проблемы не только являются огромным барьером для входа, но и их влияние ощущается во всей отрасли. Потому что давайте признаем – если крупнейшие технологические компании испытывают трудности с получением достаточного количества GPU и электроэнергии для питания своих центров обработки данных, то нет надежды для остальных.

Переломный момент

В Lemurian Labs мы столкнулись с этим лично. В 2018 году мы были небольшой стартапом, пытающимся построить базовую модель, но чистая стоимость была необоснованной. Количество вычислительной мощности, необходимой только для того, чтобы привести затраты на разработку к уровню, недоступному не только для нас как небольшого стартапа, но и для любой компании вне крупнейших технологических компаний. Это вдохновило нас на смену направления с разработки ИИ на решение основных проблем, которые делали его недоступным.

Мы начали с основ, разработав совершенно новую основную арифметику для питания ИИ. Называемую PAL (параллельная адаптивная логарифмическая система), эта инновационная система счисления позволила нам создать процессор, способный достигать до 20-кратной производительности по сравнению с традиционными GPU на эталонных задачах ИИ, при этом потребляя половину энергии.

Наша непоколебимая приверженность тому, чтобы сделать жизнь разработчиков ИИ проще, а ИИ более эффективным и доступным, привела нас к постоянному стремлению к более глубокому пониманию проблемы. От проектирования сверхвысокопроизводительных и эффективных компьютерных архитектур, предназначенных для масштабирования от края сети до центра обработки данных, до создания программных стеков, которые решают проблемы программирования отдельных гетерогенных устройств и компьютеров на уровне склада. Все это служит для обеспечения более быстрого развертывания ИИ при снижении затрат, повышения производительности разработчиков, ускорения рабочих процессов и одновременного повышения доступности, содействия инновациям, внедрению и равенству.

Достижение ИИ для всех

Чтобы ИИ мог иметь значительное влияние на наш мир, нам нужно обеспечить, чтобы мы не уничтожили его в процессе, и это требует фундаментального изменения того, как он разрабатывается. Стоимость и вычислительные ресурсы, необходимые сегодня, смещают баланс в пользу немногих крупных компаний, создавая огромный барьер для инноваций и доступности, а также выбрасывая огромные количества углекислого газа в нашу атмосферу. Рассматривая разработку ИИ с точки зрения разработчиков и планеты, мы можем начать решать эти основные неэффективности и достичь будущего ИИ, доступного для всех и экологически ответственного.

Личное размышление и призыв к действию для устойчивого ИИ

Оглядываясь вперед, мои чувства о будущем ИИ смешаны из оптимизма и осторожности. Я оптимистично настроен относительно трансформационного потенциала ИИ для улучшения нашего мира, но осторожен относительно значительной ответственности, которую он несет. Я представляю себе будущее, где направление ИИ определяется не только нашими технологическими достижениями, но и坚ой приверженностью устойчивости, равенству и инклюзивности. Как руководитель Lemurian Labs, я руководствуюсь видением ИИ как ключевой силы положительных изменений, отдающим приоритет как возвышению человечества, так и сохранению окружающей среды. Эта миссия выходит за рамки создания превосходной технологии; это о том, чтобы разрабатывать инновации, которые полезны, этически обоснованы и подчеркивают важность вдумчивых, масштабируемых решений, которые чествуют наши коллективные стремления и здоровье планеты.

Когда мы стоим на пороге новой эры в разработке ИИ, наш призыв к действию неоспорим: мы должны культивировать ИИ таким образом, чтобы он сознательно учитывал наш экологический след и отстаивал общее благо. Этот этос является краеугольным камнем нашей работы в Lemurian Labs, вдохновляя нас инновировать, сотрудничать и устанавливать прецедент. «Давайте не просто строим ИИ ради инноваций, а инновируем ради человечества и нашей планеты», – призываю я, приглашая глобальное сообщество присоединиться к нам в формировании ландшафта ИИ. Вместе мы можем гарантировать, что ИИ станет маяком положительных преобразований, наделяя человечество силой и защищая нашу планету для будущих поколений.