Искусственный интеллект сталкивается с энергетическим барьером, и по мере увеличения масштаба моделей их обучение вскоре может потребовать объемов энергии, сопоставимых с ядерными реакторами, — так считает Greg Osuri, основатель Akash Network.
В интервью Andrew Fenton из Cointelegraph на Token2049 в Сингапуре Osuri отметил, что индустрия недооценивает скорость роста потребностей в вычислительных мощностях и их воздействие на окружающую среду. Он указал на то, что дата-центры уже потребляют сотни мегаватт энергии, вырабатываемой ископаемым топливом.
Osuri предупредил, что эта тенденция может спровоцировать энергетический кризис, приводя к росту тарифов на электроэнергию для населения и увеличению выбросов на миллионы тонн в год.
«Мы приближаемся к точке, когда ИИ начинает убивать людей», — заявил он, указывая на последствия для здоровья, связанные с концентрацией использования ископаемого топлива вокруг дата-центров.
Как децентрализация может смягчить проблему энергопотребления ИИ
Во вторник Bloomberg сообщил, что дата-центры, обслуживающие ИИ, приводят к резкому росту цен на электроэнергию в США.
В отчете подчеркивается, как дата-центры способствуют росту счетов за электроэнергию для обычных домохозяйств. Согласно отчету, оптовые цены на электроэнергию выросли на 267% за пять лет в районах, расположенных рядом с дата-центрами.
Osuri сообщил Cointelegraph, что альтернативой является децентрализация. Вместо концентрации чипов и энергии в единых мега-дата-центрах, Osuri считает, что распределенное обучение на сетях небольших, разнородных графических процессоров — от высокопроизводительных корпоративных чипов до видеокарт домашних ПК — может открыть возможности для повышения эффективности и устойчивости.
«Как только будут решены вопросы стимулирования, это взлетит, как майнинг», — сказал он, добавив, что домашние компьютеры также могут в конечном итоге зарабатывать токены, предоставляя избыточную вычислительную мощность.
Это видение перекликается с ранними днями майнинга Bitcoin (BTC), когда обычные пользователи могли вносить свой вклад в вычислительную мощность сети и получать вознаграждение. В этот раз «майнинг» будет заключаться в обучении моделей ИИ, а не в решении криптографических задач.
Osuri считает, что это может дать обычным людям возможность влиять на будущее ИИ, одновременно снижая затраты для разработчиков.
Не без проблем
Хотя его потенциал неоспорим, Osuri признает, что проблемы все еще существуют. Обучение масштабных моделей на сети разнородных графических процессоров требует технологических прорывов в области программного обеспечения и координации. Он отметил, что индустрия только начинает решать эту задачу.
«Примерно шесть месяцев назад несколько компаний начали демонстрировать различные аспекты распределенного обучения», — сказал Osuri.
«Никто не объединил все это вместе и не запустил модель». Он добавил, что это может измениться «к концу года».
Еще одним препятствием является создание справедливых систем стимулирования. «Самая сложная часть — это стимулирование», — сказал Osuri. «Зачем кому-то предоставлять свой компьютер для обучения? Что они за это получают? Решить эту задачу сложнее, чем разработать сам алгоритм».
Несмотря на эти препятствия, Osuri настаивает на том, что децентрализованное обучение ИИ — это необходимость. Распределяя рабочую нагрузку по глобальным сетям, он считает, что ИИ может снизить нагрузку на энергосети, сократить выбросы углекислого газа и создать более устойчивую экономику ИИ.
