>> الگوریتم نوین مصرف انرژی هوش مصنوعی را تا ۹۵ درصد کاهش میدهد > مهندسان شرکت فناوری AI روشی محاسباتی پیشگامی را توسعه دادهاند که پتانسیل کاهش نیاز به برق در برنامههای هوش مصنوعی را تا حد ۹۵ درصد دارد.

هرچند این الگوریتم نوظهور همچنان چالشهای فنی خاص خود را دارد، اما با توجه به تقاضای رو به رشد برای بهرهگیری از کاربردهای هوش مصنوعی و افزایش نگرانکننده مصرف انرژی در این حوزه، میتوان آن را گامی موثر در جهت بهینهسازی مصرف برق ارزیابی کرد. گزارشهای فنی و ادعاهای کلیدی بر اساس گزارش منتشر شده در، محققان AI اعلام کردهاند که مسیری را برای کاهش چشمگیر حجم محاسبات موردنیاز جهت اجرای مدلهای هوش مصنوعی یافتهاند.

زافزون کاربردهای اپلیکیشنهای هوش مصنوعی مستقیماً منجر به افزایش قابلتوجه مصرف برق و هزینههای عملیاتی شده است.

مدلهای زبانی بزرگ (LLM) مانند ChatGPT برای پردازش دادهها و آموزش به قدرت محاسباتی عظیم نیاز دارند که به تبع آن تقاضای انرژی را به اوج میرساند. به عنوان نمونه، در حال حاضر سیستم ChatGPT به طور روزانه حدود ۵۶۴ مگاواتساعت برق مصرف میکند؛ مقداری که برای تامین برق ۱۸ هزار واحد مسکونی در ایالات متحده کافی است.

رژی موردنیاز برای استخراج بیتکوین است.

مکانیزم نوین الگوریتم ضرب خطی-مُرکب تا کنون، اپلیکیشنهای هوش مصنوعی برای مدیریت اعداد بسیار بزرگ یا بسیار کوچک و انجام محاسبات با دقت بالا، از روش پیچیده ضرب نقطه شناور ( یا FPM) بهره میبردند. این روش یکی از پرمصرفترین بخشهای محاسباتی در زیرساختهای هوش مصنوعی محسوب میشود. تیم AI به جای روش سنتی FPM، الگوریتمی نوین تحت عنوان ضرب خطی-مُرکب ( یا ) را ابداع کردهاند.

این الگوریتم از فرآیند محاسباتی سادهتری پیروی میکند، اما قادر است دقت معادل روش FPM را حفظ کند. برآوردها نشان میدهد که پیادهسازی این روش میتواند مصرف انرژی سیستمهای هوش مصنوعی را تا ۹۵ درصد کاهش دهد.

موانع سختافزاری و راهکارهای آینده با وجود نتایج واعد، یک چالش اساسی در مسیر استقرار گسترده این تکنولوژی وجود دارد سختافزارهای رایج و کنونی بازار، از جمله پردازشگرهای گرافیکی محبوب انویدیا (NVIDIA)، برای اجرای بومی و بهینه این الگوریتم جدید طراحی نشدهاند.

در نتیجه، حتی اگر کارایی الگوریتم در سطح تئوریک و تستی پذیرفته شود، برای بهرهبرداری عملیاتی از آن در مقیاس وسیع، به طراحی و تولید نسل جدیدی از سختافزارهای پردازشی نیاز است که بتوانند این منطق محاسباتی نوین را به صورت بومی مدیریت کنند. >>