Le coût et la durabilité de l’IA générative

Tous ceux qui utilisent DALL-E pour créer des images ou qui laissent ChatGPT rédiger une dissertation consomment beaucoup de ressources cloud. Qui va payer pour tout cela ?

Traducteur | Bugatti

Reviewer | Sun Shujuan​

L'intelligence artificielle (IA) est une technologie gourmande en ressources pour toute plateforme (y compris le cloud public). La plupart des technologies d'IA nécessitent de grandes quantités de calculs d'inférence, augmentant ainsi la demande en ressources de processeur, de réseau et de stockage, ce qui, à terme, augmente les factures d'électricité, les coûts d'infrastructure et les émissions de carbone. ​

La montée en puissance des systèmes d’IA générative tels que ChatGPT a une fois de plus mis cette question au premier plan. Compte tenu de la popularité de cette technologie et de son utilisation probablement généralisée par les entreprises, les gouvernements et le grand public, on peut s’attendre à un arc inquiétant dans la courbe de croissance de la consommation d’énergie.

L'IA est réalisable depuis les années 1970, mais n'a initialement pas eu beaucoup d'impact commercial étant donné que les systèmes d'IA matures et complets nécessitent beaucoup de ressources pour fonctionner correctement. Je me souviens d'un système basé sur l'IA que j'ai conçu dans la vingtaine et qui nécessitait plus de 40 millions de dollars en matériel, logiciels et espace de centre de données pour le faire fonctionner. Par ailleurs, ce projet, comme beaucoup d’autres projets d’IA, n’a jamais vu de date de sortie et la solution commerciale n’était tout simplement pas viable.

Le cloud computing change tout. Avec le cloud public, les tâches qui étaient autrefois hors de portée peuvent désormais être traitées avec une rentabilité suffisamment importante. En fait, comme vous l’avez peut-être deviné, l’essor du cloud computing est parallèle à celui de l’IA au cours des 10 à 15 dernières années, et je dirais que les deux sont désormais étroitement liés. ​

Durabilité et coût des ressources cloud

En fait, il ne faut pas beaucoup de recherches pour prédire ce qui se passera dans ce domaine. La demande du marché pour les services d’IA va monter en flèche, comme les systèmes d’IA générative et d’autres systèmes d’IA et d’apprentissage automatique qui sont désormais très populaires. En tête de peloton, ce seront les entreprises qui recherchent un avantage grâce à l'innovation (comme les chaînes d'approvisionnement intelligentes), ou même les milliers d'étudiants qui se tournent vers les systèmes d'IA générative pour rédiger leurs travaux de session.

La demande accrue d'IA signifie une demande accrue pour les ressources utilisées par ces systèmes d'IA, telles que les cloud publics et les services qu'ils fournissent. Cette demande sera probablement satisfaite par davantage de centres de données hébergeant des serveurs et des équipements réseau gourmands en énergie.

Les fournisseurs de cloud public, comme tout autre fournisseur de ressources de services publics, augmenteront leurs prix à mesure que la demande augmente, tout comme nous constatons des augmentations saisonnières des factures d'électricité résidentielles (encore une fois en fonction de la demande). Par conséquent, nous contrôlons généralement la consommation d’électricité et augmentons la température du climatiseur en été.

Cependant, les coûts plus élevés du cloud computing n’auront peut-être pas le même impact sur les entreprises. Les entreprises peuvent constater que ces systèmes d’IA ne sont pas superflus, mais nécessaires pour piloter certains processus métier clés. Dans de nombreux cas, ils peuvent essayer d’économiser de l’argent en interne, peut-être en réduisant les effectifs pour compenser le coût des systèmes d’IA. Ce n’est un secret pour personne : les systèmes d’IA générative remplaceront bientôt de nombreux travailleurs de l’information.

Que pouvons-nous faire ?

Si la demande de ressources pour faire fonctionner les systèmes d’IA entraîne une augmentation des coûts de calcul et des émissions de carbone, que pouvons-nous faire pour y remédier ? La réponse réside peut-être dans la recherche de moyens plus efficaces permettant à l’IA d’utiliser pleinement les ressources telles que les processeurs, les réseaux et le stockage.

Par exemple, l'échantillonnage du pipeline peut accélérer l'apprentissage profond en réduisant la quantité de données traitées. Des recherches du Massachusetts Institute of Technology (MIT) et d'IBM montrent que l'utilisation de cette approche peut réduire les ressources nécessaires pour exécuter des réseaux neuronaux sur de grands ensembles de données. Cependant, cela limite également la précision, ce qui est acceptable pour certains cas d'utilisation professionnelle mais pas pour tous.

Une autre approche déjà utilisée dans d’autres domaines technologiques est l’informatique en mémoire. Cette architecture peut accélérer le traitement de l’IA en évitant que les données entrent et sortent de la mémoire. Au lieu de cela, les calculs de l'IA s'exécutent directement dans le module de mémoire, ce qui accélère considérablement les choses.

D'autres approches sont en cours de développement, comme le changement de processeur physique (en utilisant des coprocesseurs pour gérer les calculs de l'IA afin d'augmenter la vitesse) ou l'adoption de modèles informatiques de nouvelle génération comme l'informatique quantique. Vous pouvez vous attendre à ce que les grands fournisseurs de cloud public annoncent prochainement des technologies qui résoudront bon nombre de ces problèmes.

Que devez-vous faire ?

Cet article n'a pas pour but d'éviter l'IA pour réduire les coûts du cloud computing ou sauver la planète. L’IA est une méthode informatique fondamentale que la plupart des entreprises peuvent utiliser pour créer une valeur considérable. ​

Il est recommandé que lorsque vous entreprenez un projet de développement basé sur l'IA ou un nouveau projet de développement de système d'IA, vous compreniez clairement l'impact sur le coût et la durabilité, car les deux sont étroitement liés. Vous devez faire un choix coût/bénéfice, ce qui revient vraiment au vieux sujet de la valeur que vous pouvez apporter à l'entreprise pour le coût et le risque que vous devez prendre. Rien de nouveau ici.

Je pense que ce problème devrait en grande partie être résolu grâce à l'innovation, qu'il s'agisse de l'informatique en mémoire, de l'informatique quantique ou d'autres technologies qui n'ont pas encore émergé. Les fournisseurs de technologies d’IA et les fournisseurs de cloud computing souhaitent rendre l’IA plus rentable, plus économe en énergie et plus respectueuse de l’environnement, ce qui est une bonne nouvelle. ​

Titre original : ​​Le coût et la durabilité de l'IA générative​​, auteur : David S. Linthicum

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!