لقد أحدث ظهور الذكاء الاصطناعي (AI) ثورة في حياتنا. ومع ذلك، فإن هذا النمو السريع كان له ثمنه، وهو زيادة كبيرة في استهلاك الذكاء الاصطناعي للطاقة. وتوصل فريق من المهندسين في (BitEnergy AI) إلى اكتشاف رائد يمكن أن يخفف من أزمة الطاقة هذه. لقد طوروا طريقة تقلل من احتياجات الطاقة لتطبيقات الذكاء الاصطناعي بنسبة هائلة تصل إلى 95%.
حيث يدعي الباحثون، الذين نشروا نتائجهم على خادم (arXiv) للطبع المسبق، أن تقنيتهم المبتكرة يمكن أن تقلل بشكل كبير من قوة الحوسبة المطلوبة لتشغيل تطبيقات الذكاء الاصطناعي، وبالتالي خفض تكاليف الطاقة والأثر البيئي.
محتويات المقال :
الجانب المظلم من الذكاء الاصطناعي
لقد أصبح الذكاء الاصطناعي جزءًا لا يتجزأ من حياتنا اليومية. ومع ذلك، خلف الكواليس، بدأت تتكشف حقيقة مهمة. لقد كانت تطبيقات الذكاء الاصطناعي تستهلك الطاقة بمعدل ينذر بالخطر، مما ساهم بشكل كبير في أزمة الطاقة العالمية المتنامية.
ولوضع الأمور في نصابها الصحيح، يمكن لمركز بيانات واحد، وهو العمود الفقري لعمليات الذكاء الاصطناعي، أن يستهلك نفس القدر من الكهرباء الذي تستهلكه مدينة صغيرة. إن البصمة الكربونية للذكاء الاصطناعي مذهلة، حيث تشير بعض التقديرات إلى أن تدريب نموذج واحد من الذكاء الاصطناعي يمكن أن ينتج كمية من ثاني أكسيد الكربون تعادل ما ينتجه الطيران من نيويورك إلى سان فرانسيسكو 100 مرة.
وتتفاقم أزمة الطاقة بسبب حقيقة أن تطبيقات الذكاء الاصطناعي أصبحت معقدة ومتطلبة بشكل متزايد. ومع استمرار الذكاء الاصطناعي في التطور، فمن المتوقع أن ترتفع متطلبات الطاقة بشكل كبير، مما يجعلها مصدر قلق ملح للعلماء وصناع السياسات والمدافعين عن البيئة على حد سواء.
ضرب الفاصلة المتحركة
عندما نفكر في الذكاء الاصطناعي (AI)، فإننا غالبًا ما نتخيل خوارزميات وحسابات معقدة. ولكن خلف الكواليس، تعتمد تطبيقات الذكاء الاصطناعي على مفهوم رياضي أساسي، وهو ضرب الفاصلة المتحركة (FPM). يسمح (FPM) لأجهزة الكمبيوتر بالتعامل مع الأرقام الكبيرة أو الصغيرة للغاية بدقة، مما يجعله العمود الفقري لمعالجة الأرقام. ولكنه، الجزء الأكثر استهلاكًا للطاقة في تحليل الأرقام باستخدام الذكاء الاصطناعي.
تستخدم أجهزة الكمبيوتر الأرقام الثنائية، أو البتات، لتمثيل الأرقام. وفي (FPM)، يتم ضرب هذه البتات معًا لإنتاج أرقام كبيرة أو صغيرة للغاية. ومع استمرار تقدم تطبيقات الذكاء الاصطناعي، أدت الحاجة إلى (FPM) إلى زيادة هائلة في استهلاك الطاقة. فلا عجب أن (ChatGPT) يحتاج إلى ما يكفي من الكهرباء لتشغيل 18,000 منزل في أمريكا يوميًا!
التقنية الجديدة
التقنية الجديدة بسيطة للغاية، فبدلاً من استخدام ضرب الفاصلة المتحركة، تستخدم الطريقة إضافة الأعداد الصحيحة. وأطلق الباحثون على طريقتهم الجديدة اسم ضرب التعقيد الخطي (Linear-Complexity Multiplication)، وهي تعمل عن طريق تقريب (FPM) باستخدام إضافة الأعداد الصحيحة. ويزعم الفريق أن الاختبارات، حتى الآن، أظهرت أن النهج الجديد يقلل الطلب على الكهرباء بنسبة 95%.
إن الآثار المترتبة على هذا الاكتشاف بعيدة المدى، مع إمكانية إحداث ثورة في الطريقة التي نتعامل بها مع تطوير الذكاء الاصطناعي ونشره. إن توفير الطاقة الذي تم تحقيقه من خلال (LCM) يمكن أن يكون له تأثير كبير على تقليل البصمة الكربونية لدينا.
تحديات للتقنية الجديدة
العيب الوحيد الذي تعاني منه هذه التقنية الجديدة هو أنها تتطلب أجهزة مختلفة عن تلك المستخدمة حاليًا. لكن فريق البحث لاحظ أن النوع الجديد من الأجهزة تم تصميمه وبنائه واختباره بالفعل.
أحد أهم التحديات في اعتماد هذه التكنولوجيا الجديدة هو الحاجة إلى اعتماد واسع النطاق لهذه الأجهزة المخصصة. وحاليًا، تهيمن شركة نفيديا (NVIDIA) المصنعة لوحدات معالجة الرسوميات على سوق أجهزة الذكاء الاصطناعي، ويبقى أن نرى كيف ستستجيب لهذا التطور الجديد. هل سيدمجون هذه التكنولوجيا في تصميماتهم الخاصة، أم سيستمرون في التركيز على منتجاتهم الحالية؟
مستقبل الذكاء الاصطناعي
إذا تمكنت تطبيقات الذكاء الاصطناعي من تقليل استهلاكها للطاقة، فسيكون التأثير على البيئة هائلاً. حيث لن يكون الذكاء الاصطناعي مساهما كبيرا في انبعاثات الغازات الدفيئة، وسوف تتقلص بصمته الكربوينة بشكل كبير.
لكن الفوائد لا تتوقف عند هذا الحد. ومع انخفاض تكاليف الطاقة، سيصبح الذكاء الاصطناعي بأسعار معقولة للشركات والباحثين والأفراد على حد سواء. وهذا من شأنه إضفاء الطابع الديمقراطي على الوصول إلى تكنولوجيا الذكاء الاصطناعي، وفتح فرص جديدة للابتكار والتقدم.
علاوة على ذلك، فإن التأثيرات المتتالية لهذا الاكتشاف ستمتد إلى ما هو أبعد من مجتمع الذكاء الاصطناعي. ومع تحول الذكاء الاصطناعي إلى كونه أكثر استدامة، فإنه سيضع معيارا جديدا للابتكار المسؤول، ويلهم الصناعات الأخرى لتحذو حذوه. لن يكون مستقبل الذكاء الاصطناعي مرادفا للتدهور البيئي؛ وبدلا من ذلك، سيكون منارة الأمل لغد أكثر استدامة.
المصادر
Integer addition algorithm could reduce energy needs of AI by 95% | techxplore
Addition is All You Need for Energy-efficient Language Models | arxiv
Author: أخبار علمية
سعدنا بزيارتك، جميع مقالات الموقع هي ملك موقع الأكاديمية بوست ولا يحق لأي شخص أو جهة استخدامها دون الإشارة إليها كمصدر. تعمل إدارة الموقع على إدارة عملية كتابة المحتوى العلمي دون تدخل مباشر في أسلوب الكاتب، مما يحمل الكاتب المسؤولية عن مدى دقة وسلامة ما يكتب.
التعليقات :