به نقل از «جام جم آنلاین»

عصر پردازش سبز

تاریخ انتشار: ۲۷ شهریور ۱۴۰۲ | کد خبر: ۳۸۷۰۶۰۴۵

نگرانی‌ها درباره انتشار گازهای گلخانه‌ای از مکان‌هایی که پر از رایانه‌های تامین‌کننده سامانه‌‌های هوش مصنوعی هستند زیاد شده است اما حالا نسخه‌های آزمایشی شرکت IBM تراشه‌های هوش مصنوعی اقتصادی‌تر با مصرف باتری کمتر برای گوشی‌های هوشمند، می‌تواند در بهبود تاثیرات زیست‌محیطی این فناوری تاثیرگذار باشد. براساس ادعای این شرکت، میزان مصرف انرژی این تراشه‌ها به اندازه انرژی‌ای که مغز انسان برای فعالیت استفاده می‌کند، کم است.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

توماس واسیلوپولس، محقق آزمایشگاه تحقیقاتی IBM در زوریخ دراین‌باره می‌گوید: «در مقایسه با رایانه‌های قدیمی، مغز انسان قادر است تا با مصرف حداقل انرژی عملکرد بسیار زیادی داشته باشد.» او در مصاحبه‌ای با بی‌بی‌سی توضیح می‌دهد: «این به‌صرفه بودن یعنی عملگرهای پیچیده با مصرف انرژی(باتری) کمتری می‌توانند اجرا شوند و به طبیعت آسیب کمتری وارد کنند. همچنین فراهم‌کنندگان فضای ابری با استفاده از این تراشه‌‌ها میزان مصرف انرژی خود را کاهش می‌دهند و رد پای کربنی کمتری از خود به جا می‌گذارند.»

از دیجیتال به آنالوگ

بیشتر تراشه‌ها دیجیتال هستند. یعنی اطلاعات را به‌صورت صفر و یک ذخیره می‌کنند اما این تراشه‌‌های جدید از اجزایی به نام حافظه‌های مقاومت‌دار(memory‌resistor) استفاده می‌کنند که می‌تواند بازه‌ای از اعداد را در خود ذخیره کند؛ در واقع یعنی این تراشه‌ها آنالوگ‌هستند. برای درک بهتر تفاوت بین دیجیتال و آنالوگ یک کلید روشن و خاموش چراغ و یک کلید تنظیم شدت نور را درنظر بگیرید؛ کلید اولی فقط می‌تواند چراغ را روشن یا خاموش کند و حالت دیگری ندارد. مانند سامانه‌های دیجیتال که اطلاعات را فقط به دو حالت صفر و یک ذخیره می‌کنند. کلید تنظیم شدت نور اما در کنار روشن و خاموش کردن، می‌تواند نور  را در حالات مختلفی تنظیم و شدت آن را دستکاری کند؛ این دقیقا اتفاقی است که در سامانه‌های آنالوگ رخ می‌دهد.

یادآوری تاریخچه الکتریکی

مغز انسان نیز مانند سامانه‌ای آنالوگ است و روش کار حافظه‌های مقاومت‌‌دار  شبیه به روشی است که سیناپس‌ها در مغز انسان کار می‌کنند. پروفسور فرانت نری از دانشگاه سوری انگلستان در این‌باره می‌گوید: «حافظه‌های مقاومت‌دار به نوعی برگرفته از طبیعت هستند و روش کار آنها مثل روشی است که مغز انسان کار می‌کند.» حافظه مقاومت‌دار می‌تواند تاریخچه الکتریکی خود را به یاد بیاورد، درست مانند روشی که سیناپس‌ در یک سامانه زیستی می‌تواند این کار را انجام دهد. فرانت نری در ادامه می‌گوید: «متصل کردن حافظه‌های مقاومت‌دار به یکدیگر می‌تواند شبکه‌ای شبیه به یک مغز زیستی تشکیل دهد. این پیشرفت‌ها می‌تواند نشان‌‌دهنده این باشد که ما در آینده‌ای نزدیک شاهد ظهور تراشه‌های مغزمانند باشیم.» البته که تولید چنین تراشه‌هایی به همین راحتی هم نخواهد بود و مسلما با چالش‌های جدی از جمله هزینه‌های تامین مواد اولیه و دیگر سختی‌های تولید مواجه خواهد شد.

کاهش مصرف آب و انرژی در مراکز داده

این تراشه‌های جدید بسیار کم‌مصرف خواهند بود اما در ساختار همین تراشه‌ها هم از عناصر دیجیتال استفاده شده است. این کار، جاگذاری این تراشه‌ها در سیستم‌های هوش مصنوعی موجود را آسان‌تر خواهد کرد. شرکت IBM در تلاش خواهد بود تا در آینده تراشه‌هایی که در گوشی‌های هوشمند و خودروها قرار‌دارند به‌صرفه‌تر شود و کاربری‌های جدید و طول عمر باتری بیشتری داشته باشد. تراشه‌های این شرکت در‌صورتی که موفق به تولید انبوه شود، می‌تواند جایگزین تراشه‌های موجود در بانک‌های رایانه‌ای شود که از هوش مصنوعی پشتیبانی می‌کنند و این کمک شایانی به ذخیره انرژی خواهد کرد. این تراشه‌ها همچنین می‌تواند نیاز مراکز داده (دیتا سنتر) به آب برای خنک‌کردن سیستم‌ها را کاهش دهد. مراکز داده  نیاز به مقدار زیادی الکتریسیته برای کار کردن دارند و یک مرکز داده بزرگ به اندازه یک شهرک متوسط برق مصرف می‌کند. 
در نهایت به اعتقاد جیمز داونپورت، پژوهشگر آی‌تی دانشگاه بث، یافته‌های شرکت IBM جالب به نظر می‌رسد اما استفاده از این تراشه‌ها برای حل مشکلات محیط‌زیستی چندان ساده نخواهد بود و بیشتر نوعی قدم نخست برای حل احتمالی این مشکلات خواهد بود.

منبع: BBC

منبع: جام جم آنلاین

کلیدواژه: هوش مصنوعی پردازش محیط زیست حافظه های مقاومت تراشه ها مقاومت دار هوش مصنوعی مغز انسان

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت jamejamonline.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «جام جم آنلاین» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۸۷۰۶۰۴۵ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

چالش‌های زیست‌محیطی در توسعه هوش مصنوعی

هوش مصنوعی مولد نگاه نوآوران و کارآفرینان را به خود جلب کرده است و آنها به‌خوبی می‌دانند که چنین فناوری می‌تواند چه تغییرات شگفتی در جهان کنونی خلق کند. بااین‌حال، در پشت‌صحنه چنین تکنولوژی، چالش‌های مهمی نهفته است که می‌توانند تهدیدی برای پیشرفت آن باشد و منجر به ایجاد بحران‌های جهانی انرژی شود. با حضور هرچه بیشتر هوش مصنوعی در تاروپود صنایع مختلف، نگرانی‌ها در مورد به‌کارگیری بی‌رویه انرژی توسط هوش مصنوعی و عدم پایداری آن افزایش یافته و کارشناسان رویکرد‌های متفاوتی برای حل این معضل پیشنهاد می‌دهند.

دیتاسنتر‌های (Data centers) توسعه‌یافته توسط غول‌های فناوری مانند آلفابت، مایکروسافت و آمازون که به‌منظور ارائه خدمات ابری استفاده می‌شوند، تنها حدوداً ۱ الی ۲ درصد از مصرف انرژی جهانی را به خود اختصاص داده‌اند. همچنین این شرکت‌ها هم‌زمان با افزایش میزان کارکرد سیستم‌ها، بهره‌وری انرژی را در این مراکز بهبود بخشیده‌اند و با سرمایه‌گذاری عظیم در بحث انرژی‌های پاک، اثرات زیست‌محیطی دستگاه‌های خود را کاهش داده‌اند. البته لازم به ذکر است که تلاش‌های این شرکت‌ها برای تقویت سیستم‌ها و بهره‌وری مفید انرژی همچنان ادامه دارد. 

هوش مصنوعی

بااین‌حال، ظهور هوش مصنوعی مولد چالش‌های جدیدی را ایجاد کرده است. برای مثال، پردازشگر‌های گرافیکی (GPU) در ChatGPT، انرژی زیادی را مصرف می‌کنند و طبق گفته «کریستوفر ولیس» از کمپانی Equinix (شرکت اجاره‌دهنده دیتاسنتر)، یک سرور استاندارد با مقیاس بالا، پیش از حضور هوش مصنوعی حدود ۱۰ الی ۱۵ کیلووات انرژی مصرف می‌کرد، درحالی‌که این رقم با حضور هوش مصنوعی به ۴۰ الی ۶۰ کیلووات در هر رَک (rack) افزایش می‌یابد؛ البته مصرف بالای انرژی محدود به محاسبات دستگاه‌ها نیست و سیستم‌های خنک‌کننده نیز برای رک‌های GPU‌ها به انرژی قابل‌توجهی نیازمندند. همچنین استفاده از مدل‌های زبانی مانند GPT-۴ در زمینه‌های گوناگون، از تحقیقات گرفته تا فعالیت‌های خلاقانه تولید محتوا، می‌توانند به افزایش بیشتر فشار در شبکه منجر شوند. (به عنوان مثال، یک سرچ ساده در ChatGPT می‌تواند ۱۰ برابر بیشتر از جستجو در گوگل انرژی مصرف کند.)

آژانس بین‌المللی انرژی می‌گوید میزان مصرف انرژی دیتاسنتر‌ها تا سال ۲۰۲۶ ممکن است به ۲ برابر میزان دو سال پیش افزایش یابد و انتظار می‌رود که طی این بازه زمانی، این دستگاه‌ها یک‌سوم مصرف انرژی ایالات‌متحده را به خود اختصاص دهند. همچنین «رنه هاس»، مدیر اجرایی آرم (Arm)، طی گفتگو با وال استریت ژورنال بیان کرد که تا پایان دهه فعلی میلادی، دیتاسنتر‌های هوش مصنوعی می‌توانند تا ۲۵ درصد کل برق آمریکا را به خود اختصاص دهند؛ البته وی درحالی این ادعا را مطرح کرده که مصرف فعلی این سیستم‌ها حدود ۴ درصد یا کمتر است. 

پیچیدگی‌های مصرف انرژی در آمریکا 

ظهور هوش مصنوعی مولد هم‌زمان با ایجاد فرصت‌های اقتصادی متعدد، مصرف انرژی بالایی را هم می‌طلبد؛ درحالی‌که کاربران و سرمایه‌داران رؤیای استفاده حداقلی انرژی را در سر دارند. این تفکر در سایر بخش‌ها نیز قابل مشاهده است. برای مثال، بسیاری از مشتریان می‌خواهند انرژی خودروهایشان زیرو کربن (بدون کربن) باشد و منابع دیگری را برای انرژی دستگا‌ه‌هایشان جستجو می‌کنند. 

از طرفی، گسترش شبکه‌ها دیگر چالش پیش‌روی کمپانی‌هاست. علی‌رغم حمایت کاخ سفید، ساخت سریع ظرفیت‌های تجدیدپذیر جدید برای شرکت‌ها آسان نیست و آنها از مشکلات متعددی در زنجیره تأمین رنج می‌برند. طبق برخی محاسبات، تحویل ترانسفورماتور‌ها سه سال طول می‌کشد و همین‌طور افزایش هزینه پروژه‌های بادی و خورشیدی، تأمین مالی آنها را دشوار ساخته است.

چه باید کرد؟ 

شکی نیست که ادامه وضعیت فعلی، بحران‌های زیست‌محیطی و انرژی متعددی را رقم خواهد زد؛ درنتیجه صنعت حال‌حاضر به راه‌کار‌های نوآورانه و خلاق نیاز دارد. یکی از رویکرد‌های احتمالی، بهبود بهره‌وری پردازشگر‌های گرافیکی است. درحال‌حاضر انویدیا به‌عنوان تأمین‌کننده عمده قطعات در این زمینه، ادعا کرده که بهره‌وری لازم را در جدیدترین سرور‌های هوش‌مصنوعی خود اعمال کرده است و این روند را ادامه می‌دهد. بااین‌حال، ساخت تراشه‌های کارآمدتر می‌تواند به افزایش مصرف انرژی ختم شود و دوباره مشکل ایجاد کند. 

«آرون دنمن» از شرکت Bain، پیشنهاد می‌کند که مدعیان حوزه فناوری از منابع مالی خود برای کمک به شرکت‌های حوزه برق جهت رفع محدودیت‌های این شبکه خرج کنند. او با اشاره به افزایش تقاضا برای مصرف انرژی در زمان‌های اوج مصرف، از الزام بهره‌مندی از نیروگاه‌های پشتیبان آماده گفت. بااین‌حال، این نیروگاه‌ها احتمالاً با گاز طبیعی کار می‌کنند که با اهداف زیست‌محیطی شرکت‌های بزرگ در تضاد است.

کمبود احتمالی انرژی‌های تجدیدپذیر هزینه‌هایی را به‌همراه خواهد داشت. علی‌رغم عدم آشنایی با نحوه درآمدزایی از هوش مصنوعی، مردم می‌دانند که حضور پردازشگر‌های گرافیکی سدی بزرگ در بهره‌وری انرژی محسوب می‌شوند. اگر هزینه‌های انرژی افزایش یابد، توسعه هوش مصنوعی و فناوری‌های نوین نیز با اختلال روبه‌رو خواهد شد. از طرفی دیگر، «سم آلتمن» و همکارانش در OpenAI، به‌کارگیری شکافت هسته‌ای را به‌عنوان یکی از راه‌های تأمین انرژی مصرفی سیستم‌های هوش مصنوعی در سر دارند. بااین‌حال، باید منتظر ماند و دید که مسیر توسعه انرژی‌های تجدیدپذیر چگونه پیش خواهد رفت و آینده هوش مصنوعی مولد به‌عنوان یک فناوری کاربردی چگونه خواهد بود.

منبع: دیجیاتو

باشگاه خبرنگاران جوان علمی پزشکی فناوری