Die Kosten und Nachhaltigkeit generativer KI

KI ist für jede Plattform, einschließlich der öffentlichen Cloud, ressourcenintensiv. Die meisten Technologien der künstlichen Intelligenz erfordern eine große Menge an Inferenzberechnungen, die insgesamt höhere Prozessor-, Netzwerk- und Speicheranforderungen erfordern und auch zu höheren Stromrechnungen, Infrastrukturkosten und CO2-Fußabdrücken führen.

Der Aufstieg generativer künstlicher Intelligenzsysteme wie ChatGPT hat die oben genannten Probleme erneut in den Fokus gerückt. Angesichts der weit verbreiteten Einführung dieser Technologie und ihrer wahrscheinlichen groß angelegten Einführung durch Unternehmen, Regierungen und die breite Öffentlichkeit können wir uns vorstellen, dass die Wachstumskurve des Stromverbrauchs einen besorgniserregenden Bogen nimmt.

Künstliche Intelligenztechnologie gibt es seit den 1970er Jahren. Da die Arbeit eines ausgereiften künstlichen Intelligenzsystems eine große Menge an Ressourcen erfordert, hatte es zunächst keine großen kommerziellen Auswirkungen. Ich erinnere mich, dass das künstliche Intelligenzsystem, das ich mit 20 entworfen habe, mehr als 40 Millionen US-Dollar an Hardware, Software und Rechenzentrumsfläche erforderte, um es zu betreiben. Spoiler-Alarm: Dieses Projekt und viele andere KI-Projekte sind nie in die Tat umgesetzt worden. Als Business Case nicht realisierbar.

Cloud Computing verändert alles. Dinge, die früher unerreichbar waren, sind mit der Public Cloud jetzt ausreichend kostengünstig. Wie Sie vielleicht schon vermutet haben, fiel der Aufstieg der Cloud in den letzten 10 bis 15 Jahren in etwa mit dem Aufstieg der künstlichen Intelligenz zusammen. Ich versuche damit zu sagen, dass sie jetzt eng integriert sind.

Nachhaltigkeit und Kosten von Cloud-Ressourcen

Man muss wirklich nicht viel recherchieren, um vorherzusagen, was hier passieren wird. Die Nachfrage nach Dienstleistungen der künstlichen Intelligenz wird stark ansteigen, beispielsweise nach generativen KI-Systemen, die jetzt Aufmerksamkeit erregen, sowie nach anderen Systemen der künstlichen Intelligenz und des maschinellen Lernens. Dieser Aufschwung wird von Unternehmen angeführt, die nach innovativen Vorteilen wie intelligenten Lieferketten suchen, und sogar von Tausenden von Studenten, die auf ein generatives KI-System zum Verfassen ihrer Hausarbeiten hoffen.

Eine höhere Nachfrage nach künstlicher Intelligenz bedeutet eine höhere Nachfrage nach den von diesen Systemen der künstlichen Intelligenz genutzten Ressourcen, wie z. B. öffentlichen Clouds und den von ihnen bereitgestellten Diensten. Dieser Bedarf wird wahrscheinlich durch mehrere Rechenzentren gedeckt, in denen stromhungrige Server und Netzwerkgeräte untergebracht sind.

Öffentliche Cloud-Anbieter werden wie alle anderen Anbieter von Versorgungsressourcen ihre Preise erhöhen, wenn die Nachfrage steigt, genau wie wir saisonale Erhöhungen der Stromrechnungen für Haushalte beobachten (ebenfalls basierend auf der Nachfrage). Daher reduzieren wir häufig die Nutzung, indem wir beispielsweise im Sommer die Klimaanlage auf 24 Grad statt auf 20 Grad einstellen.

Höhere Cloud-Computing-Kosten haben jedoch möglicherweise nicht die gleichen Auswirkungen auf Unternehmen. Unternehmen stellen möglicherweise fest, dass diese künstlichen Intelligenzsysteme bestimmte wichtige Geschäftsprozesse steuern und nicht entbehrlich sind. In vielen Fällen versuchen sie möglicherweise, im Unternehmen Geld zu sparen, indem sie möglicherweise die Mitarbeiterzahl reduzieren, um die Kosten für KI-Systeme auszugleichen. Es ist kein Geheimnis, dass generative KI-Systeme bald viele Informationsarbeiter ersetzen werden.

Was können Sie tun?

Was können wir tun, wenn der Ressourcenbedarf des Betriebs von KI-Systemen zu höheren Rechenkosten und einem höheren CO2-Ausstoß führt? Die Antwort könnte darin liegen, effizientere Wege für die KI zu finden, Ressourcen wie Verarbeitung, Vernetzung und Speicherung zu nutzen.

Zum Beispiel kann die Sampling-Pipeline Deep Learning beschleunigen, indem sie die Menge der verarbeiteten Daten reduziert. Untersuchungen von MIT und IBM zeigen, dass Sie mit diesem Ansatz die Ressourcen reduzieren können, die für die Ausführung neuronaler Netze bei großen Datensätzen erforderlich sind. Allerdings wird dadurch auch die Genauigkeit eingeschränkt, was für einige geschäftliche Anwendungsfälle akzeptabel sein kann, aber nicht für alle.

Ein weiterer Ansatz, der bereits in anderen Technologiebereichen eingesetzt wird, ist In-Memory-Computing. Diese Architektur kann die KI-Verarbeitung beschleunigen, indem Daten nicht in den Speicher und aus dem Speicher verschoben werden. Stattdessen laufen KI-Berechnungen direkt im Speichermodul ab, was die Arbeit deutlich beschleunigt.

Weitere Methoden sind ebenfalls in der Entwicklung. Zum Beispiel der Wechsel des physischen Prozessors, der Einsatz von Co-Prozessoren für Berechnungen der künstlichen Intelligenz zur Erhöhung der Rechengeschwindigkeit oder die Einführung von Rechenmodellen der nächsten Generation wie Quantum. Sie können von den großen Public-Cloud-Anbietern zahlreiche technische Ankündigungen zur Lösung vieler dieser Probleme erwarten.

Was sollten Sie tun?

Mein Rat ist auf keinen Fall, KI zu meiden, um eine niedrigere Cloud-Computing-Rechnung zu bekommen oder den Planeten zu retten. Künstliche Intelligenz ist eine grundlegende Computermethode, die die meisten Unternehmen nutzen können, um einen erheblichen Mehrwert zu erzielen.

Ich empfehle Ihnen, an einem KI-gestützten oder neuen KI-Systementwicklungsprojekt teilzunehmen und dabei ein klares Verständnis der Kosten und Auswirkungen auf die Nachhaltigkeit zu haben. Beide stehen in direktem Zusammenhang. Sie müssen eine Kosten-Nutzen-Entscheidung treffen, und dabei kommt es letztlich auf den Kosten- und Risikowert an, den Sie für das Unternehmen einbringen können. Schließlich gibt es eigentlich nichts Neues.

Ich glaube, dass die meisten Probleme auf innovative Weise gelöst werden, sei es Speicher oder Quantencomputer oder Lösungen, die wir noch nicht gesehen haben. Sowohl Anbieter von KI-Technologie als auch Cloud-Computing-Anbieter sind bestrebt, KI kostengünstiger und umweltfreundlicher zu machen. Das sind gute Nachrichten.

Quelle: www.cio.com

Das obige ist der detaillierte Inhalt vonDie Kosten und Nachhaltigkeit generativer KI. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!