توسعه الگوریتمی که مصرف برق هوش مصنوعی را تا 95 درصد کاهش می دهد
مهندسان شرکت فناوری BitEnergy AI روش محاسباتی جدیدی توسعه داده اند که نیاز برق برنامه های هوش مصنوعی را تا 95 درصد کاهش می دهد. البته این الگوریتم جدید ایراداتی نیز دارد ولی باتوجه به تقاضای بالای کاربران به استفاده از برنامه های هوش مصنوعی و مصرف فزاینده برق این فناوری، می توان آن را راهکاری برای صرفه جویی در مصرف برق دانست.
براساس گزارش Tech Xplore، مهندسان BitEnergy AI ادعا می کنند به منظور کاهش میزان محاسبات موردنیاز برای اجرای برنامه های هوش مصنوعی راهی پیدا کرده اند تا نه فقط عملکرد را کاهش ندهد، بلکه میزان برق مصرفی را نیز بسیار کم می کند.
روش جدید برای کاهش میزان برق مصرفی هوش مصنوعی
استفاده از اپلیکیشن های هوش مصنوعی به شکل روزافزونی بیشتر می شود؛ همین امر به افزایش قابل توجه مصرف برق و هزینه های دیگر منجر شده است. مدل های زبانی بزرگ (LLMها) مانند ChatGPT به قدرت محاسباتی زیادی نیاز دارند که به نوبه خود مصرف برق را نیز افزایش می دهد.
برای مثال، ChatGPT اکنون در روز به حدود 564 مگاوات ساعت برق نیاز دارد که این رقم برای تأمین برق 18 هزار خانه در آمریکا کافی است. ازآن جایی که فناوری هوش مصنوعی به این نقطه بسنده نمی کند و مدام پیشرفته تر می شود، کارشناسان می گویند برق مصرفی اپلیکیشن های هوش مصنوعی ممکن است در چند سال آینده به حدود 100 تراوات ساعت در سال برسد، تقریباً هم اندازه انرژی موردنیاز برای استخراج بیت کوین.
اکنون محققان BitEnergy AI به جای استفاده از روش پیچیده «ضرب نقطه شناور» (FPM)، الگوریتم دیگری ابداع کرده اند. درحال حاضر اپلیکیشن ها از روش محاسباتی FPM برای مدیریت اعداد بسیار بزرگ یا کوچک استفاده می کنند تا بتوانند محاسبات را با دقت بسیار بالایی انجام دهند. این روش خود یکی از پرمصرف ترین بخش های محاسباتی هوش مصنوعی است.
روش جدید که «ضرب پیچیدگیِخطی» (LMul) نام دارد، از الگوریتم ساده تری استفاده می کند اما می تواند همان دقت FPM را داشته باشد. این روش ممکن است مصرف انرژی سیستم های هوش مصنوعی را تا 95 درصد کاهش دهد.
ازآن جایی که این الگوریتم جدید، فرایندی کاملاً تازه است، سخت افزارهای محبوب و موجود در بازار، مانند پردازشگرهای گرافیکی انویدیا، برای مدیریت این الگوریتم طراحی نشده اند؛ بنابراین حتی اگر عملکرد الگوریتم BitEnergy AI در همان سطح FPM تأیید شود، هنوز نیاز به سیستم هایی دارد که بتوانند آن را مدیریت کنند.
