Kos dan kemampanan AI generatif

Semua orang yang menggunakan DALL-E untuk mencipta imej atau membiarkan ChatGPT menulis kertas penggal memerlukan banyak sumber awan. Siapa yang akan membayar untuk semua ini?

Penterjemah |. Bugatti

Penilai |. Sun Shujuan​

Kecerdasan buatan (AI) ialah teknologi intensif sumber untuk mana-mana platform (termasuk awan awam) . Kebanyakan teknologi AI memerlukan sejumlah besar pengiraan inferens, dengan itu meningkatkan permintaan untuk pemproses, rangkaian dan sumber storan, akhirnya meningkatkan bil elektrik, kos infrastruktur dan pelepasan karbon. ​

Kebangkitan sistem AI generatif seperti ChatGPT sekali lagi membawa isu ini ke hadapan. Memandangkan populariti teknologi ini dan kemungkinan penggunaannya secara meluas oleh syarikat, kerajaan dan orang awam, kita boleh menjangkakan lengkungan pertumbuhan penggunaan kuasa yang membimbangkan. ​

AI boleh dilaksanakan sejak tahun 1970-an, tetapi pada mulanya tidak mempunyai banyak kesan komersial, memandangkan sistem AI yang matang dan lengkap memerlukan banyak sumber untuk berfungsi dengan baik. Saya masih ingat sistem berasaskan AI yang saya reka pada usia 20-an yang memerlukan lebih $40 juta dalam perkakasan, perisian dan ruang pusat data untuk menjalankannya. Secara kebetulan, projek ini, seperti banyak projek AI lain, tidak pernah melihat tarikh keluaran, dan penyelesaian komersil itu tidak berdaya maju. ​

Pengkomputeran awan mengubah segala-galanya. Dengan awan awam, tugasan yang dahulunya di luar jangkauan kini boleh dikendalikan dengan keberkesanan kos yang cukup ketara. Sebenarnya, seperti yang anda duga, peningkatan pengkomputeran awan bertepatan dengan peningkatan AI dalam tempoh 10 hingga 15 tahun yang lalu, dan saya akan mengatakan kedua-duanya kini berkait rapat. ​

Kemampanan dan Kos Sumber Awan

Ia tidak memerlukan banyak penyelidikan untuk meramalkan perkara yang akan berlaku di kawasan ini. Permintaan pasaran untuk perkhidmatan AI akan melonjak, seperti sistem AI generatif yang kini sangat popular dan sistem AI dan pembelajaran mesin yang lain. Mengetuai pertuduhan ialah syarikat yang mencari kelebihan melalui inovasi, seperti rantaian bekalan pintar, atau bahkan ribuan pelajar kolej yang mencari sistem AI generatif untuk menulis kertas penggal mereka. ​

Permintaan yang meningkat untuk AI bermakna peningkatan permintaan untuk sumber yang digunakan oleh sistem AI ini, seperti awan awam dan perkhidmatan yang mereka sediakan. Permintaan ini mungkin akan dipenuhi oleh lebih banyak pusat data yang menempatkan pelayan yang haus kuasa dan peralatan rangkaian. ​

Penyedia awan awam, seperti mana-mana penyedia sumber utiliti lain, akan menaikkan harga apabila permintaan meningkat, sama seperti kita melihat kenaikan bermusim dalam bil elektrik kediaman (sekali lagi berdasarkan permintaan). Oleh itu, kami biasanya mengawal penggunaan elektrik dan menaikkan suhu penghawa dingin lebih tinggi pada musim panas. ​

Walau bagaimanapun, kos pengkomputeran awan yang lebih tinggi mungkin tidak mempunyai kesan yang sama pada perniagaan. Perusahaan mungkin mendapati bahawa sistem AI ini tidak boleh diketepikan, tetapi perlu untuk memacu proses perniagaan utama tertentu. Dalam kebanyakan kes, mereka mungkin cuba menjimatkan wang secara dalaman, mungkin dengan mengurangkan jumlah pekerja untuk mengimbangi kos sistem AI. Bukan rahsia lagi bahawa sistem AI generatif akan menggantikan ramai pekerja maklumat tidak lama lagi.​

Apa yang boleh kita lakukan?

Jika permintaan sumber untuk menjalankan sistem AI mengakibatkan kos pengkomputeran dan pelepasan karbon yang lebih tinggi, apakah yang boleh kita lakukan mengenainya? Jawapannya mungkin terletak pada mencari cara yang lebih cekap untuk AI menggunakan sepenuhnya sumber seperti pemproses, rangkaian dan storan. ​

Sebagai contoh, pensampelan saluran paip boleh mempercepatkan pembelajaran mendalam dengan mengurangkan jumlah data yang diproses. Penyelidikan daripada Institut Teknologi Massachusetts (MIT) dan IBM menunjukkan bahawa menggunakan pendekatan ini boleh mengurangkan sumber yang diperlukan untuk menjalankan rangkaian saraf pada set data yang besar. Walau bagaimanapun, ini juga mengehadkan ketepatan, yang boleh diterima untuk sesetengah kes penggunaan perniagaan tetapi tidak untuk semua. ​

Satu lagi pendekatan yang telah digunakan dalam bidang teknologi lain ialah pengkomputeran dalam memori. Seni bina ini boleh mempercepatkan pemprosesan AI dengan mengelakkan data bergerak masuk dan keluar dari memori. Sebaliknya, pengiraan AI berjalan terus dalam modul memori, yang mempercepatkan perkara dengan ketara. ​

Pendekatan lain sedang dibangunkan, seperti menukar pemproses fizikal (menggunakan pemproses bersama untuk mengendalikan pengiraan AI untuk meningkatkan kelajuan) atau mengguna pakai model pengkomputeran generasi seterusnya seperti pengkomputeran kuantum. Anda boleh mengharapkan penyedia awan awam yang besar untuk mengumumkan teknologi yang menangani banyak isu ini dalam masa terdekat.​

Apa yang perlu anda lakukan?

Artikel ini bukan tentang mengelakkan AI untuk mengurangkan kos pengkomputeran awan atau menyelamatkan planet ini. AI ialah kaedah pengkomputeran asas yang boleh digunakan oleh kebanyakan perniagaan untuk mencipta nilai yang luar biasa. ​

Adalah disyorkan bahawa apabila menjalankan projek pembangunan berasaskan AI atau projek pembangunan sistem AI baharu, anda harus memahami dengan jelas kesan ke atas kos dan kemampanan, kerana kedua-duanya berkait rapat. Anda perlu membuat pilihan kos/faedah, yang benar-benar kembali kepada topik lama tentang nilai yang boleh anda bawa kepada syarikat untuk kos dan risiko yang perlu anda ambil. Tiada yang baru di sini.

Saya percaya bahawa masalah ini sebahagian besarnya dijangka dapat diselesaikan melalui inovasi, sama ada inovasi itu ialah pengkomputeran dalam ingatan, pengkomputeran kuantum atau teknologi lain yang masih belum muncul. Pembekal teknologi AI dan penyedia pengkomputeran awan berminat untuk menjadikan AI lebih kos efektif, cekap tenaga dan mesra alam, yang merupakan berita baik. ​

Tajuk asal: ​​Kos dan kemampanan AI generatif​​, pengarang: David S. Linthicum

Atas ialah kandungan terperinci Kos dan kemampanan AI generatif. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!