Чому автократию штучного інтелекту потрібно викликати до кращої роботи

Якщо ми дізналися щось з епохи штучного інтелекту, то це те, що галузь бореться з значними проблемами потужності. Ці проблеми є як буквальними – тобто знаходження способів задовольнити ненаситні енергетичні вимоги, які вимагають центри даних штучного інтелекту, – так і фігуральними – тобто концентрацією багатства штучного інтелекту в декількох руках на основі вузьких комерційних інтересів, а не ширших суспільних вигод.

Парадокс потужності штучного інтелекту: високі витрати, зосереджений контроль

Для того щоб штучний інтелект був успішним і приносив користь людству, він повинен стати універсальним. Щоб стати універсальним, він повинен бути як економічно, так і екологічно сталим. Це не той шлях, яким ми зараз рухаємось. Безперервна боротьба за більші і швидші системи штучного інтелекту керується більше короткостроковими вигодами з продуктивності та домінування на ринку, ніж тим, що найкраще для сталого та доступного штучного інтелекту.

Гонка за створення все потужніших систем штучного інтелекту прискорюється, але це відбувається за рахунок високої екологічної ціни. Передові чіпи штучного інтелекту, такі як Nvidia H100 (до 700 Вт), вже споживають значну кількість енергії. Ця тенденція, як очікується, буде продовжуватися, і експерти галузі передбачають, що наступна генерація архітектури Blackwell від Nvidia (NVDA ) може збільшити споживання енергії на чіп до кількох кіловат, потенційно перевищуючи 1,2 кВт. З урахуванням того, що лідери галузі передбачають мільйони цих чіпів, які будуть розгорнуті в центрах даних по всьому світу, енергетичні вимоги штучного інтелекту готуються до стрибка.

Екологічна ціна гонки штучного інтелекту

Давайте поставимо це в повсякденний контекст. Електрика, яка живить ваш весь будинок, могла б увімкнути всі ваші пристрої на повну потужність одночасно – хоча ніхто б цього не робив. Тепер уявіть собі лише один 120-кВт стелаж Nvidia, який вимагає такої самої кількості енергії – особливо якщо там можуть бути сотні або тисячі в великих центрах даних! Тепер 1,2 кВт дорівнює 1,2 кВт. Отже, ми говоримо про середній район. Один 120-кВт стелаж Nvidia – тобто 100 таких енергозатратних чіпів – потребує достатньої кількості електрики, щоб живити приблизно 100 будинків.

Ця траєкторія викликає занепокоєння, враховуючи енергетичні обмеження, з якими стикаються багато громад. Експерти з центрів даних передбачають, що Сполучені Штати будуть потребувати 18-30 гігават нових потужностей протягом наступних п’яти-семи років, що змусило компанії шукати способи впоратися з цим стрибком. Тим часом моя галузь продовжує створювати все більш енергозатратні програми штучного інтелекту, які споживають енергію далеко за межами того, що теоретично необхідно для програми або того, що можливо для більшості підприємств, не кажучи вже про те, що це бажано для планети.

Балансування безпеки та доступності: гібридні рішення центрів даних

Ця автократія штучного інтелекту та “гонка озброєння”, одержима сирою швидкістю та потужністю, ігнорує практичні потреби реальних центрів даних – а саме, тих доступних рішень, які знижують ринкові бар’єри для 75% організацій США, які ще не прийняли штучний інтелект. І давайте чесно кажучи, оскільки все більше регулювання штучного інтелекту вводиться щодо конфіденційності, безпеки та захисту навколишнього середовища, більше організацій будуть вимагати гібридного підходу до центрів даних, щоб зберегти свої найцінніші, приватні та чутливі дані в безпеці на високозахищених місцях, віддалених від штучного інтелекту та кібератак останнього часу. Чи це медичні записи, фінансові дані, державні секрети національної оборони чи чесність виборів, майбутнє корпоративного штучного інтелекту вимагає балансу між безпекою на місці та гнучкістю хмари.

Це значний системний виклик, який вимагає гіперколаборації над гіперконкуренцією. З переважаючою увагою до GPU та інших прискорювачів штучного інтелекту з сирими можливостями, швидкістю та метриками продуктивності ми не приділяємо достатньої уваги доступній та сталій інфраструктурі, необхідній для того, щоб уряди та підприємства могли прийняти можливості штучного інтелекту. Це як будівництво космічного корабля без місця для запуску або встановлення Ламборджині на сільській дорозі.

Демократизація штучного інтелекту: колаборація галузі

Хоча це серце заспокоює, що уряди починають розглядіти регулювання – забезпечення того, щоб штучний інтелект приносив користь усім, а не лише еліті – нашій галузі потрібна більше, ніж державні правила.

Наприклад, Велика Британія використовує штучний інтелект для покращення можливостей правоохоронних органів шляхом підвищення обміну даними між правоохоронними органами для покращення прогнозування та попередження злочинів за допомогою штучного інтелекту. Вони зосереджені на прозорості, підзвітності та справедливості при використанні штучного інтелекту для поліцейської діяльності, забезпечуючи довіру громадськості та дотримання прав людини – з інструментами, такими як розпізнавання облич та прогнозне поліцейське управління для допомоги в виявленні та управлінні злочинами.

У високорегульованих галузях, таких як біотехнології та охорона здоров’я, помітні колаборації включають Johnson & Johnson (JNJ ) MedTech і Nvidia, які працюють разом для покращення штучного інтелекту для хірургічних процедур. Їхня колаборація спрямована на розвиток реального часу, штучного інтелекту, аналізу та прийняття рішень у операційній. Це партнерство використовує платформи штучного інтелекту Nvidia для забезпечення масштабованого, безпечного та ефективного розгортання програм штучного інтелекту в умовах охорони здоров’я.

Тим часом у Німеччині Merck сформував стратегічні альянси з Exscientia та BenevolentAI для просування штучного інтелекту в галузі відкриття ліків. Вони використовують штучний інтелект для прискорення розробки нових кандидатів на ліки, особливо в онкології, нейрології та імунології. Метою є поліпшення успішності та швидкості розробки ліків за допомогою потужних можливостей проектування та відкриття штучного інтелекту.

Перший крок – зменшити витрати на впровадження штучного інтелекту для підприємств за межами BigPharma та Big Tech, особливо на етапі висновків штучного інтелекту – коли підприємства встановлюють та запускають навчену модель штучного інтелекту, таку як Chat GPT, Llama 3 або Claude, в реальному центрі даних щодня. Останні оцінки показують, що вартість розробки найбільших із цих систем наступного покоління може становити близько 1 мільярда доларів, а витрати на висновок потенційно можуть бути в 8-10 разів вищими.

Витрати на впровадження штучного інтелекту в щоденному виробництві утримують багато компаній від повного прийняття штучного інтелекту – “бідних”. Останній опитування показало, що лише одна із чотирьох компаній успішно запустили ініціативи штучного інтелекту за останні 12 місяців, і що 42% компаній ще не бачать значної вигоди від ініціатив генеративного штучного інтелекту.

Щоб真正но демократизувати штучний інтелект і зробити його універсальним – тобто, широким прийняттям підприємств – нашій галузі штучного інтелекту потрібно змінити фокус. Замість гонки за найбільші та найшвидші моделі та чіпи штучного інтелекту нам потрібно більше колаборативних зусиль для покращення доступності, зниження споживання енергії та відкриття ринку штучного інтелекту для того, щоб поділитися його повним та позитивним потенціалом ширше. Системна зміна підніме всі човни, зробивши штучний інтелект більш прибутковим для всіх з величезною вигодою для споживачів.

Є обнадійливі ознаки того, що скорочення витрат на штучний інтелект є можливим – зниження фінансового бар’єру для підтримки великомасштабних національних та глобальних ініціатив штучного інтелекту. Моя компанія, NeuReality, співпрацює з Qualcomm (QCOM ) для досягнення до 90% зниження витрат та 15 разів кращої енергоефективності для різних програм штучного інтелекту по тексту, мову, звуку та зображенням – базових будівельних блоків штучного інтелекту. Ви знаєте ті моделі штучного інтелекту під промисловими слоганами, такими як комп’ютерне зір, розмовний штучний інтелект, розпізнавання мови, обробка природної мови, генеративний штучний інтелект та великі мовні моделі. Співпрацюючи з більшою кількістю постачальників програмного забезпечення та послуг, ми можемо продовжувати налаштовувати штучний інтелект на практиці, щоб підвищити продуктивність та знижувати витрати.

Насправді ми вдалося зменшити витрати та енергоспоживання на запит штучного інтелекту порівняно з традиційною інфраструктурою, орієнтованою на CPU, на якій залежать всі чіпи прискорення штучного інтелекту, включаючи чіпи Nvidia GPU, сьогодні. Наш пристрій NR1-S для висновків штучного інтелекту почав відправлятися протягом літа з прискорювачами Qualcomm Cloud AI 100 Ultra, поєднаними з пристроями NR1 NAPU. Результатом є альтернативна архітектура NeuReality, яка замінює традиційний CPU в центрах даних штучного інтелекту – найбільший瓶aggable в обробці даних штучного інтелекту сьогодні. Ця еволюційна зміна є глибокою та вкрай необхідною.

Поза гіпером: будівництво економічно та сталим майбутнім штучного інтелекту

Давайте перейдемо за межі гіперу штучного інтелекту та серйозно займемося нашими системними викликами. Тверда робота лежить попереду на системному рівні, вимагаючи від усієї галузі штучного інтелекту працювати разом – а не проти одне одного. Зосереджуючись на доступності, сталості та доступності, ми можемо створити галузь штучного інтелекту та ширшу клієнтську базу, яка приносить користь суспільству більшим чином. Це означає пропозицію сталої інфраструктури без концентрації багатства штучного інтелекту в руках декількох, відомих як Велика сімка.

Майбутнє штучного інтелекту залежить від наших колективних зусиль сьогодні. Зосереджуючись на енергоефективності та доступності, ми можемо уникнути майбутнього, домінованого енергозатратною інфраструктурою штучного інтелекту та автократією штучного інтелекту, зосередженою на сирій продуктивності за рахунок широкої вигоди. Одночасно нам потрібно звернутися до несталого споживання енергії, яке перешкоджає потенціалу штучного інтелекту революціонізувати громадську безпеку, охорону здоров’я та обслуговування клієнтів.

Завдяки цьому ми створюємо потужний цикл інвестицій та прибутковості штучного інтелекту, який підтримується широкими інноваціями. Хто з нами?