Почему автократам в сфере ИИ нужно дать вызов, чтобы они действовали лучше

Если мы чему-то и научились в эпоху ИИ, так это тому, что отрасль сталкивается с серьёзными проблемами энергоснабжения. Эти проблемы носят как буквальный характер (например, поиск способов удовлетворить огромный спрос на электроэнергию, необходимый для центров обработки данных ИИ), так и образный (например, концентрация богатства ИИ в руках немногих, руководствующихся узкими коммерческими интересами, а не более широкими общественными выгодами).

Парадокс власти ИИ: высокие затраты, концентрированный контроль

Чтобы ИИ был успешным и приносил пользу человечеству, он должен стать повсеместным. Для этого он должен быть как экономически, так и экологически устойчивым. Сейчас мы идём не по этому пути. Навязчивая борьба за более мощный и быстрый ИИ обусловлена ​​скорее краткосрочным ростом производительности и доминированием на рынке, чем стремлением к устойчивому и доступному ИИ.

Гонка за создание всё более мощных систем искусственного интеллекта набирает обороты, но это сопряжено с серьёзными экологическими издержками. Передовые чипы искусственного интеллекта, такие как Nvidia H100 (до 700 Вт), уже потребляют значительное количество энергии. Ожидается, что эта тенденция сохранится, и эксперты в отрасли прогнозируют, что архитектура Nvidia Blackwell следующего поколения может значительно увеличить энергопотребление на чип до уровня киловатт, потенциально превысив 1,200 Вт. Поскольку лидеры отрасли ожидают, что миллионы таких чипов будут развернуты в центрах обработки данных по всему миру, энергетические потребности ИИ, вероятно, резко возрастут.

Экологические издержки гонки вооружений ИИ

Давайте рассмотрим это в повседневном контексте. Электричество, питающее весь ваш дом, могло бы одновременно запитать все ваши приборы на полную мощность — не то чтобы кто-то это делал. А теперь представьте себе всего одну 120-киловаттную стойку Nvidia, требующую столько же энергии — особенно когда в крупных центрах обработки данных их может быть сотни или тысячи! Теперь 1,200 ватт равны 1.2 кВт. Так что на самом деле мы говорим о районе среднего размера. Одна 120-киловаттная стойка Nvidia — по сути, 100 таких энергоемких чипов — требует достаточно электроэнергии для питания примерно 100 домов.

Такая траектория вызывает беспокойство, учитывая энергетические ограничения, с которыми сталкиваются многие сообщества. Эксперты по центрам обработки данных прогнозируют, что Соединенным Штатам понадобится от 18 до 30 гигаватт новых мощностей в течение следующих пяти-семи лет, что заставляет компании искать способы справиться с этим всплеском. Между тем, моя отрасль просто продолжает создавать все больше энергоемких генеративных приложений ИИ, которые потребляют энергию намного больше, чем теоретически необходимо для приложения или что осуществимо для большинства предприятий, не говоря уже о том, что желательно для планеты.

Баланс безопасности и доступности: решения для гибридных центров обработки данных

Эта автократия ИИ и «гонка вооружений», одержимая чистой скоростью и мощностью, игнорирует практические потребности реальных центров обработки данных, а именно, доступные решения, снижающие рыночные барьеры для 75% организаций США, которые ещё не внедрили ИИ. И давайте будем честны: по мере ужесточения регулирования ИИ в сфере конфиденциальности, безопасности и защиты окружающей среды, всё больше организаций будут требовать гибридного подхода к центрам обработки данных, позволяющего надежно защитить свои самые ценные, личные и конфиденциальные данные в высокозащищённых локальных зонах, вдали от ИИ и недавних кибератак. Будь то медицинские записи, финансовые данные, секреты национальной обороны или честность выборов, будущее корпоративного ИИ требует баланса между локальной безопасностью и гибкостью облачных технологий.

Это существенная системная проблема, которая требует гиперсотрудничества вместо гиперконкуренции. С подавляющим фокусом на графических процессорах и других чипах-ускорителях ИИ с сырыми возможностями, скоростью и показателями производительности мы упускаем из виду доступную и устойчивую инфраструктуру, необходимую правительствам и предприятиям для внедрения возможностей ИИ. Это как построить космический корабль, не имея возможности его запустить, или вывести Lamborghini на проселочную дорогу.

Демократизация ИИ: отраслевое сотрудничество

Хотя отрадно, что правительства начинают рассматривать вопрос о регулировании, гарантируя, что ИИ будет приносить пользу всем, а не только элите, нашей отрасли нужно нечто большее, чем просто государственные правила.

Например, Великобритания использует ИИ для повышения возможностей правоохранительных органов, улучшая обмен данными между правоохранительными органами для улучшения прогнозирования и предотвращения преступлений с помощью ИИ. Они фокусируются на прозрачности, подотчетности и справедливости при использовании ИИ для охраны порядка, обеспечивая общественное доверие и соблюдение прав человека — с такими инструментами, как распознавание лиц и предиктивная охрана порядка, чтобы помочь в обнаружении и управлении преступлениями.

В таких строго регулируемых отраслях, как биотехнологии и здравоохранение, заметные примеры сотрудничества включают: Джонсон и Джонсон MedTech и Nvidia работают вместе над улучшением ИИ для хирургических процедур. Их сотрудничество направлено на разработку возможностей анализа и принятия решений на основе ИИ в реальном времени в операционной. Это партнерство использует платформы ИИ NVIDIA для масштабируемого, безопасного и эффективного развертывания приложений ИИ в медицинских учреждениях.

Тем временем в Германии Merck Компания Exscientia и BenevolentAI заключили стратегические альянсы с Exscientia и BenevolentAI для развития разработки лекарственных препаратов на основе ИИ. Они используют ИИ для ускорения разработки новых лекарственных препаратов, особенно в области онкологии, неврологии и иммунологии. Цель — повысить успешность и скорость разработки лекарств за счет мощных возможностей ИИ в области разработки и поиска лекарственных препаратов.

Первый шаг — сократить расходы на внедрение ИИ для предприятий за пределами BigPharma и BigTech, особенно на этапе вывода ИИ, когда предприятия ежедневно устанавливают и запускают обученную модель ИИ, например Chat GPT, Llama 3 или Claude, в реальном центре обработки данных. Последние оценки предлагать что стоимость разработки самой крупной из этих систем следующего поколения может составить около 1 миллиарда долларов, а затраты на вывод могут быть в 8–10 раз выше.

Резкий рост стоимости внедрения ИИ в повседневное производство удерживает многие компании от полного внедрения ИИ — «неимущих». Guardian выяснилось, что только одна из четырех компаний успешно запустила инициативы в области ИИ за последние 12 месяцев, а 42% компаний еще не увидели существенной выгоды от инициатив в области генеративного ИИ.

Чтобы по-настоящему демократизировать ИИ и сделать его повсеместным — то есть широко распространенным в бизнесе — наша индустрия ИИ должна сместить фокус. Вместо гонки за самыми большими и быстрыми моделями и чипами ИИ нам нужно больше совместных усилий для повышения доступности, снижения энергопотребления и открытия рынка ИИ для более широкого распространения его полного и позитивного потенциала. Системное изменение поднимет все лодки, сделав ИИ более прибыльным для всех с огромной выгодой для потребителей.

Есть многообещающие признаки того, что сокращение расходов на ИИ осуществимо – снижение финансового барьера для поддержки крупномасштабных национальных и глобальных инициатив ИИ. Моя компания, NeuReality, сотрудничает с Qualcomm, чтобы достичь до Сокращение затрат на 90% и повышение энергоэффективности в 15 раз для различных приложений ИИ в тексте, языке, звуке и изображениях — основных строительных блоках ИИ. Вы знаете эти модели ИИ под такими модными отраслевыми терминами, как компьютерное зрение, разговорный ИИ, распознавание речи, обработка естественного языка, генеративный ИИ и большие языковые модели. Сотрудничая с большим количеством поставщиков программного обеспечения и услуг, мы можем продолжать настраивать ИИ на практике, чтобы повысить производительность и снизить затраты.

Фактически, нам удалось снизить стоимость и энергопотребление в расчете на один запрос ИИ по сравнению с традиционной инфраструктурой, ориентированной на ЦП, на которую сегодня опираются все чипы-ускорители ИИ, включая графические процессоры Nvidia. Наше устройство вывода ИИ NR1-S AI Inference Appliance начало поставляться этим летом с ускорителями Qualcomm Cloud AI 100 Ultra в сочетании с процессорами NR1 NAPU. Результатом стала альтернативная архитектура NeuReality, которая заменяет традиционные ЦП в центрах обработки данных ИИ — самое большое узкое место в обработке данных ИИ на сегодняшний день. Это эволюционное изменение является глубоким и крайне необходимым.

За гранью ажиотажа: создание экономически и устойчивого будущего ИИ

Давайте выйдем за рамки шумихи вокруг ИИ и серьезно займемся решением наших системных проблем. На системном уровне предстоит тяжелая работа, требующая, чтобы вся наша индустрия ИИ работала вместе, а не против друг друга. Сосредоточившись на доступности, устойчивости и доступности, мы можем создать индустрию ИИ и более широкую клиентскую базу, которая принесет обществу большую пользу. Это означает предложение устойчивых вариантов инфраструктуры без концентрации богатства ИИ в руках немногих, известных как Большая семерка.

Будущее ИИ зависит от наших коллективных усилий сегодня. Отдавая приоритет энергоэффективности и доступности, мы можем предотвратить будущее, в котором доминируют энергоёмкая инфраструктура ИИ и олигархия ИИ, ориентированная на грубую производительность в ущерб всеобщей выгоде. Одновременно с этим мы должны решить проблему нерационального потребления энергии, которая сдерживает потенциал ИИ в плане революционных изменений в сфере общественной безопасности, здравоохранения и обслуживания клиентов.

Таким образом, мы создаем мощный цикл инвестиций и прибыльности ИИ, подпитываемый широкомасштабными инновациями.

Кто с нами?