По словам основателя Akash Network, вскоре может потребоваться такой же результат, что искусственный интеллект ударяет по стене по энергии, и по мере того, как модели их растут, обучение может потребовать такую же результат, что и ядерный реактор.
В интервью Andrew Fenton из Cointelegraph в Token2049 в Сингапуре Осури сказал, что отрасль недооценивает, как быстро вычислите требования удвоены, а экологические расходы поступают с ней. Он отметил, что центры обработки обработки данных уже потребляют сотни мегаватт мощности ископаемого топлива.
Осури предупредил, что тенденция может вызвать энергетический кризис, повышая счета за власть домохозяйства и добавляя миллионы тонн новых выбросов каждый год.
«Мы достигаем точки, когда ИИ убивает людей», – сказал он, указывая на последствия для здоровья от концентрированного использования ископаемого топлива вокруг центров данных.
Как децентрализация может смягчить проблему власти ИИ
30 сентября Bloomberg сообщил, что центры обработки данных ИИ отправляют затраты на электроэнергию в США.
В отчете показано, как центры обработки обработки данных способствовали растущим счетам за энергетику повседневных домохозяйств. Согласно отчету, затраты на электроэнергию на 267% за пять лет выросли на 267% в районах вблизи обработки данных.
Осури сказал Cointelegraph, что альтернативой является децентрализация. Вместо того, чтобы концентрировать чипы и энергию в однократных мега-дат-центрах, Осури сказал, что распределенные тренировки по сетям небольших смешанных графических процессоров, начиная от высококлассных чипов предприятия до игровых карт в домашних ПК-могут разблокировать эффективность и устойчивость.
«После того, как стимулы будут выяснены, это сработает, как и добыча полезных ископаемых», – сказал он, добавив, что домашние компьютеры также могут в конечном итоге заработать токены, обеспечивая запасную вычислительную мощность.
Это видение имеет сходство с первыми днями майнинга Биткоин (BTC), где обычные пользователи могут внести свой вклад в свою мощность в сеть и получить вознаграждение взамен. На этот раз «добычей» будет обучать модели ИИ вместо хроновой криптографической головоломки.
Осури сказал, что это может дать повседневным людям долю в будущем ИИ, снижая затраты для разработчиков.
Связанный: Нансен представляет агента ИИ для трейдеров криптовалюты, нацеленных на автономную торговлю в 4 квартале
Не без проблем
Хотя его потенциал неоспорим, Осури сказал, что проблемы все еще существуют. Обучение крупномасштабных моделей в лоскутной обработке различных графических процессоров требует технологических прорывов в программном обеспечении и координации. Он сказал, что это проблема, что отрасль только начинает треснуть.
«Около шести месяцев назад несколько компаний начали демонстрировать несколько аспектов распределенного обучения», – сказал Осури.
«Никто не собрал все эти вещи и фактически запускает модель». Он добавил, что это может измениться «к концу года».
Еще одним препятствием является создание справедливых систем стимулирования. «Самое сложное – стимул», – сказал Осури. «Почему кто -то дает свой компьютер для обучения? Что они возвращают? Это сложнее решить, чем реальная технология алгоритма».
Несмотря на эти препятствия, Осури настаивал на том, что децентрализованная подготовка ИИ является необходимостью. Распространяя рабочие нагрузки по глобальным сетям, он сказал, что ИИ может ослабить давление на энергетические сетки, сократить выбросы углерода и создать более устойчивую экономику ИИ.
