За словами засновника Akash Network, штучний інтелект вражає стіну на енергію, і в міру того, як моделі ростуть, тренування їх може зажадати такого ж продукції, як і ядерний реактор.
В інтерв’ю Ендрю Фентона Cointelegraph в Token2049 в Сінгапурі Осурі заявив, що галузь недооцінює, наскільки швидкі обчислювальні вимоги подвоюються та екологічні витрати, які припадають на нього. Він зазначив, що центри обробки даних вже споживають сотні мегаватів потужності викопного палива.
Осурі попередив, що тенденція може викликати енергетичну кризу, збільшуючи домогосподарські рахунки та додаючи мільйони тонн нових викидів щороку.
“Ми доходимо до того, що AI вбиває людей”, – сказав він, вказуючи на вплив на здоров’я від концентрованого використання викопного палива навколо маточиків даних.
Як децентралізація могла пом’якшити проблему потужності AI
30 вересня Bloomberg повідомив, що центри даних AI надсилають витрати на електроенергію, що збільшуються в США.
У звіті підкреслюється, як центри обробки даних сприяли зростанню рахунків за енергію повсякденних домогосподарств. Згідно з повідомленням, оптові витрати на електроенергію зросли на 267% за п’ять років у районах поблизу центрів обробки даних.
Осурі сказав Cointelegraph, що альтернативою є децентралізація. Замість того, щоб концентрувати чіпси та енергію в одиночних мега-даних, Осурі заявив, що розподіляли навчання в мережах менших, змішаних графічних процесорів-починаючи від високого класу корпоративних мікросхем до ігрових карт у домашніх ПК-можуть розблокувати ефективність та стійкість.
“Після того, як стимули будуть розібрані, це зняться, як це було зроблено”, – сказав він, додавши, що домашні комп’ютери також можуть врешті заробити токени, забезпечуючи запасну обчислювальну потужність.
Це бачення має схожість з першими днями видобутку біткойна (BTC), де звичайні користувачі можуть внести свою обробку в мережу та отримувати винагороду взамін. Цього разу «видобуток» буде тренувати моделі AI замість хрускітних криптографічних головоломок.
Осурі сказав, що це може дати повсякденним людям частку в майбутньому ШІ, знижуючи витрати для розробників.
Пов’язано: Nansen представляє агента AI для торговців криптовалютами, націлена на автономну торгівлю в кварталі
Не без його викликів
Незважаючи на те, що його потенціал незаперечний, Осурі сказав, що проблеми все ще існують. Навчання масштабних моделей через печворк різних графічних процесорів вимагає технологічних проривів у програмному забезпеченні та координації. Він сказав, що це питання, що галузь лише починає тріскатися.
“Близько півроку тому кілька компаній почали демонструвати кілька аспектів розподіленого навчання”, – сказав Осурі.
“Ніхто не зібрав усі ці речі разом і фактично запускає модель”. Він додав, що це може змінити “до кінця року”.
Ще одна перешкода – це створення справедливих систем стимулювання.”Важка частина є стимулюючими”, – сказав Осурі.”Чому хтось дасть свій комп’ютер для тренування? Що вони повертаються? Це важче завдання вирішити, ніж фактична технологія алгоритму”.
Незважаючи на ці перешкоди, Осурі наполягав на тому, що децентралізована підготовка АІ є необхідною. Поширюючи навантаження в глобальних мережах, він сказав, що AI може полегшити тиск на енергетичні сітки, скоротити викиди вуглецю та створити більш стійку економіку AI.
