生成 AI のコストと持続可能性

AI は、パブリック クラウドを含むあらゆるプラットフォームでリソースを大量に消費します。ほとんどの人工知能テクノロジーは大量の推論計算を必要とし、それらを総合するとより高いプロセッサー、ネットワーク、ストレージ要件が必要となり、電気代、インフラストラクチャーコスト、二酸化炭素排出量も増加します。

ChatGPT を例として挙げた生成型人工知能システムの台頭により、上記の問題が再びクローズアップされています。このテクノロジーが広く普及し、企業、政府、一般大衆に大規模に導入される可能性が高いことを考えると、電力消費量の増加曲線が憂慮すべき曲線を描いていることがわかります。

人工知能テクノロジーは 1970 年代から存在しています。成熟した人工知能システムの作業には大量のリソースが必要なため、当初は商業的な影響はあまりありませんでした。私が 20 代のときに設計した人工知能システムを実行するには、ハードウェア、ソフトウェア、データ センターのスペースに 4,000 万ドル以上が必要だったことを覚えています。ネタバレ注意: このプロジェクトや他の多くの AI プロジェクトは決して軌道に乗りませんでした。ビジネスケースとしては成り立たない。

クラウド コンピューティングはすべてを変えます。かつては手の届かなかったものでも、今ではパブリック クラウドを使用することで十分な費用対効果が得られます。実際、ご想像のとおり、クラウドの台頭は、過去 10 ～ 15 年間の人工知能の台頭とほぼ一致しています。私が言いたいのは、それらは今や緊密に統合されているということです。

クラウド リソースの持続可能性とコスト

ここで何が起こるかを予測するために多くの調査を行う必要はありません。今後、注目を集める生成型AIシステムをはじめとする人工知能や機械学習システムなどの人工知能サービスの需要が急増すると考えられます。この急増は、スマート サプライ チェーンなどの革新的な利点を求める企業によって牽引されることになるでしょう。さらには、定期レポートを書くための生成 AI システムを望んでいる何千人もの大学生さえもいるでしょう。

人工知能に対する需要が増えるということは、パブリック クラウドや人工知能システムが提供するサービスなど、人工知能システムによって使用されるリソースに対する需要が増えることを意味します。この需要は、電力を大量に消費するサーバーやネットワーク機器を収容する複数のデータセンターを通じて満たされると考えられます。

パブリック クラウド プロバイダーは、他のユーティリティ リソース プロバイダーと同様に、家庭の電気料金が季節によって (これも需要に基づいて) 増加するのと同じように、需要の増加に応じて価格を値上げします。そのため、夏場のエアコンの設定温度を20度から24度にするなど、使用量を減らすことが多いです。

ただし、クラウド コンピューティングのコストが高くなっても、ビジネスに同じような影響が及ぶわけではありません。企業は、これらの人工知能システムが特定の主要なビジネス プロセスを推進し、不可欠ではないことに気づくかもしれません。多くの場合、AI システムのコストを相殺するために人員を削減するなどして、社内のコストを節約しようとします。生成 AI システムが間もなく多くの情報労働者に取って代わることは周知の事実です。

何ができるでしょうか?

AI システムの実行に伴うリソース需要により、コンピューティング コストと二酸化炭素排出量が増加する場合はどうすればよいでしょうか?その答えは、AI が処理、ネットワーキング、ストレージなどのリソースをより効率的に利用する方法を見つけることにあるかもしれません。

たとえば、サンプリング パイプラインは、処理されるデータ量を削減することでディープ ラーニングを高速化できます。 MIT と IBM の調査によると、このアプローチを使用すると、大規模なデータ セットでニューラル ネットワークを実行するために必要なリソースを削減できることがわかりました。ただし、精度も制限されるため、一部のビジネス ユースケースでは許容できる場合もありますが、すべてではありません。

他のテクノロジー分野ですでに使用されているもう 1 つのアプローチは、インメモリ コンピューティングです。このアーキテクチャでは、メモリの内外にデータを移動させないため、AI 処理を高速化できます。代わりに、AI 計算がメモリ モジュール内で直接実行されるため、処理が大幅に高速化されます。

他の方法も開発中です。たとえば、物理プロセッサを変更したり、人工知能の計算にコプロセッサを使用してコンピューティング速度を向上させたり、量子などの次世代コンピューティング モデルを採用したりします。これらの問題の多くを解決する方法については、大手パブリック クラウド ベンダーから多くの技術発表が予定されています。 ＃＃＃＃＃＃＃＃＃＃＃＃あなたは何をするべきか？

私のアドバイスは、クラウド コンピューティングの料金を安くしたり、地球を救ったりするために AI を避けるべきではありません。人工知能は、ほとんどの企業が大きな価値を得るために活用できる基本的なコンピューティング手法です。

直接関係するコストと持続可能性への影響を明確に理解した上で、AI 対応またはまったく新しい AI システム開発プロジェクトに参加することをお勧めします。コストと利益の選択をする必要がありますが、それは実際にビジネスにもたらす可能性のあるコストとリスクの価値に帰着します。結局のところ、実際には新しいものは何もありません。

メモリや量子コンピューティング、あるいはまだ見たことのないソリューションなど、ほとんどの問題は革新的な方法で解決されると私は信じています。 AI テクノロジー プロバイダーとクラウド コンピューティング プロバイダーはどちらも、AI をよりコスト効率が高く環境に優しいものにすることに熱心です。これは良い知らせです。

出典: www.cio.com

以上が生成 AI のコストと持続可能性の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。