کاهش مصرف برق هوش مصنوعی تا 95 درصد
این روش جدید یک ایراد بزرگ دارد، اما می‌تواند به کاهش مصرف برق سیستم‌های هوش مصنوعی کمک بزرگی کند.
به گزارش دنده6 : مهندسان شرکت فناوری BitEnergy AI روش محاسباتی جدیدی توسعه داده‌اند که نیاز برق برنامه‌های هوش مصنوعی را تا 95 درصد کاهش می‌دهد. البته این الگوریتم جدید ایراداتی نیز دارد ولی باتوجه‌به تقاضای بالای کاربران به استفاده از برنامه‌های هوش مصنوعی و مصرف فزاینده برق این فناوری، می‌توان آن را راهکاری برای صرفه‌جویی در مصرف برق دانست.
براساس گزارش Tech Xplore، مهندسان BitEnergy AI ادعا می‌کنند به‌منظور کاهش میزان محاسبات موردنیاز برای اجرای برنامه‌های هوش مصنوعی راهی پیدا کرده‌اند تا نه‌فقط عملکرد را کاهش ندهد، بلکه میزان برق مصرفی را نیز بسیار کم می‌کند.
روش جدید برای کاهش میزان برق مصرفی هوش مصنوعی
استفاده از اپلیکیشن‌های هوش مصنوعی به‌شکل روزافزونی بیشتر می‌شود؛ همین امر به افزایش قابل‌توجه مصرف برق و هزینه‌های دیگر منجر شده است. مدل‌های زبانی بزرگ (LLMها) مانند ChatGPT به قدرت محاسباتی زیادی نیاز دارند که به نوبه خود مصرف برق را نیز افزایش می‌دهد.
برای مثال، ChatGPT اکنون در روز به حدود 564 مگاوات‌ساعت برق نیاز دارد که این رقم برای تأمین برق 18 هزار خانه در آمریکا کافی است. ازآن‌جایی‌که فناوری هوش مصنوعی به این نقطه بسنده نمی‌کند و مدام پیشرفته‌تر می‌شود، کارشناسان می‌گویند برق مصرفی اپلیکیشن‌های هوش مصنوعی ممکن است در چند سال آینده به حدود 100 تراوات‌ساعت در سال برسد، تقریباً هم‌اندازه انرژی موردنیاز برای استخراج بیت‌کوین.
اکنون محققان BitEnergy AI به‌جای استفاده از روش پیچیده «ضرب نقطه شناور» (FPM)، الگوریتم دیگری ابداع کرده‌اند. درحال‌حاضر اپلیکیشن‌ها از روش محاسباتی FPM برای مدیریت اعداد بسیار بزرگ یا کوچک استفاده می‌کنند تا بتوانند محاسبات را با دقت بسیار بالایی انجام دهند. این روش خود یکی از پرمصرف‌ترین بخش‌های محاسباتی هوش مصنوعی است.
روش جدید که «ضرب پیچیدگیِ-خطی» (L-Mul) نام دارد، از الگوریتم ساده‌تری استفاده می‌کند اما می‌تواند همان دقت FPM را داشته باشد. این روش ممکن است مصرف انرژی سیستم‌های هوش مصنوعی را تا 95 درصد کاهش دهد.
ازآن‌جایی‌که این الگوریتم جدید، فرایندی کاملاً تازه است، سخت‌افزارهای محبوب و موجود در بازار، مانند پردازشگرهای گرافیکی انویدیا، برای مدیریت این الگوریتم طراحی نشده‌اند؛ بنابراین حتی اگر عملکرد الگوریتم BitEnergy AI در همان سطح FPM تأیید شود، هنوز نیاز به سیستم‌هایی دارد که بتوانند آن را مدیریت کنند.
