استهلاك الطاقة غير الخاضع للرقابة – استخدام الذكاء الاصطناعي لتحسين الذكاء الاصطناعي

ينمو سوق الذكاء الاصطناعي (AI) بسرعة المتوقع لتصل إلى 1.8 تريليون دولار بنهاية هذا العقد. 

بينما بدأ هوس الذكاء الاصطناعي يكتسب زخمًا مبكرًا في عام 2021، في العام الماضي فقط، حقق الذكاء الاصطناعي إنجازاته بالفعل. في الواقع، كان نموها كبيرًا حيث بدأ كل ما يتعلق بالذكاء الاصطناعي، بدءًا من الحلول وحتى الاستخدام، في الارتفاع بشكل كبير، مما دفع الاستثمار في الذكاء الاصطناعي التوليدي إلى أقصى الحدود. 

عندما أظهرت أنظمة الذكاء الاصطناعي التوليدية مثل ChatGPT قدرات جديدة، أراد الجميع الحصول على قطعة من هذه الكعكة سريعة النمو. كما أن معظم هذه الاستثمارات الخاصة تتم في الولايات المتحدة.

تعتمد هذه الأدوات الشائعة على نماذج أساسية، مثل GPT-4 في حالة ChatGPT من OpenAI. تتطلب هذه النماذج الكبيرة متعددة الأغراض مجموعات بيانات ضخمة وموارد هائلة للتدريب. تُعدّ النماذج الأساسية نقطة انطلاق لتطوير نماذج تعلم آلي (ML) تُشغّل تطبيقات جديدة بفعالية من حيث التكلفة وسرعة أكبر.

تمتلك شركة جوجل العملاقة للتكنولوجيا صدر عدة نماذج الأساس. Imagen وMuse وParti هي نماذج تحويل النص إلى صورة، وMedLM لصناعة الرعاية الصحية، ونموذج الترميز المسمى Codey، ونموذج الكلام العالمي Chirp.

تستهلك هذه النماذج كميات هائلة من الذاكرة، بما في ذلك مساحة أكبر بكثير لتخزين واسترجاع بيانات العالم الحقيقي التي تعمل عليها. على سبيل المثال، يُدرَّب GPT-3 على حوالي 500 مليار كلمة ويستخدم 175 مليار مُعامل. وقد أدى ذلك إلى ارتفاع حاد في الطلب على طاقة الذكاء الاصطناعي.

على مدى العامين الماضيين، تم الإبلاغ عن التأثير البيئي للذكاء الاصطناعي على نطاق واسع. في أواخر العام الماضي، حاول تحليل تمت مراجعته من قبل النظراء قياس هذا الطلب. 

بعد مناقشة تكاليف الطاقة الهائلة كريبتوكيرنسي التعدينأليكس دي فريس، عالم بيانات في البنك المركزي الهولندي ومرشح دكتوراه في جامعة فريجي بأمستردام، وجّه اهتمامه إلى أحدث توجه تكنولوجي: تبني الذكاء الاصطناعي. وفقًا لـ آخر تقييم له، ستشحن NVIDIA 1.5 مليون وحدة خادم تعمل بالذكاء الاصطناعي سنويًا بحلول عام 2027. عند التشغيل بكامل طاقتها، من المتوقع أن تستهلك هذه الخوادم ما لا يقل عن 85.4 تيراواط/ساعة من الكهرباء سنويًا. 

يقدر De Vries أن الذكاء الاصطناعي قد يكون أسوأ من شبكات إثبات العمل (PoW) مثل Bitcoin. ومع ذلك، هذه مجرد تقديرات، حيث أشار الخبراء إلى أن هذه الأرقام ليست كاملة وهي مشروطة.

في ديسمبر الماضي، أجرت ساشا لوتشيوني من شركة Hugging Face للذكاء الاصطناعي وزملاؤها من الشركة وجامعة كارنيجي ميلون أيضًا اختبارات على 88 نموذجًا مختلفًا. لقد أداروا المهمة 1,000 مرة و وجدت أن معظم المهام تستخدم كمية صغيرة من الطاقة، مثل 0.047 كيلووات في الساعة، لإنشاء نص. ومع ذلك، فقد وجد أن الأرقام أكبر بكثير بالنسبة لنماذج توليد الصور، التي استخدمت متوسطًا قدره 2.907 كيلووات في الساعة لكل 1,000 استدلال. وللتوضيح، لاحظوا أن الهاتف الذكي المتوسط ​​يستخدم 0.012 كيلووات في الساعة للشحن.

وفي الوقت نفسه ، مؤخرا ورقة تشير التقديرات إلى أن النماذج اللغوية الكبيرة تستخدم حوالي 1,300 ميجاوات في الساعة من الكهرباء، وهو ما يعادل الطاقة التي يستهلكها 130 منزلًا في الولايات المتحدة سنويًا.

وكالة الطاقة الدولية أيضا وأشار في تقريرها في وقت سابق من هذا العام أن الطلب على الذكاء الاصطناعي والعملات المشفرة سيؤدي إلى زيادة كبيرة في استخدام الكهرباء من قبل مراكز البيانات في المستقبل القريب. ومن المتوقع أن تكون الزيادة من 460 تيراواط/ساعة في عام 2022 إلى ما بين 620 و1,050 تيراواط/ساعة في عام 2026.

وقد لفت هذا انتباه الجهات التنظيمية، التي تحذر الآن من ارتفاع تكلفة الذكاء الاصطناعي. وفقا لعضو مجلس الشيوخ عن ولاية ماساتشوستس إدوارد ماركي (د):

"إن تطوير الجيل القادم من أدوات الذكاء الاصطناعي لا يمكن أن يأتي على حساب صحة كوكبنا." 

جاء ذلك بعد أن قدّم، إلى جانب أعضاء آخرين في مجلسي الشيوخ والنواب، مشروع قانون يُلزم الحكومة الفيدرالية بتقييم البصمة البيئية للذكاء الاصطناعي وتطوير نظام موحد للإبلاغ عن الآثار المستقبلية. في أوروبا، أُقرّ قانون الذكاء الاصطناعي بالفعل، والذي يُلزم نماذجَ أساسيةً فعّالة بالإبلاغ عن استخدام الموارد، واستهلاك الطاقة، والآثار الأخرى.

ووسط كل هذا، ستصدر المنظمة الدولية للمعايير في وقت لاحق من هذا العام معايير لقياس استخدام المواد، واستهلاك المياه، وكفاءة الطاقة من أجل "الذكاء الاصطناعي المستدام". 

جعل الذكاء الاصطناعي أكثر كفاءة 

لكي تكون نماذج الذكاء الاصطناعي قابلة للتطبيق على نطاق واسع، يجب أن تصبح أكثر كفاءة في استخدام الطاقة وقادرة على العمل على أجهزة محدودة الطاقة تستخدم طاقة أقل بكثير من مراكز البيانات. 

تتطلب مراكز البيانات هذه كميات هائلة من الطاقة للحفاظ على تشغيل أجهزة الكمبيوتر، والتي يتم الحصول عليها في الغالب من الوقود الأحفوري. وهذا يسبب انبعاثات كبيرة لثاني أكسيد الكربون. ولمعالجة هذه المشكلة، يعمل الباحثون والمنظمات على جعل الذكاء الاصطناعي أكثر كفاءة. 

إحدى الشركات البارزة التي حققت تقدمًا كبيرًا في إيجاد حل لهذه المشكلة هي شركة TurinTech المتخصصة في تحسين التعليمات البرمجية ومقرها لندن. تقوم شركة TurinTech بخطوات واسعة من خلال مزيج من التعلم العميق والخوارزميات التطورية. يقوم هذا النظام باستمرار بتكييف النموذج الحالي بناءً على معلومات جديدة بدلاً من تجديده من الصفر. 

وفقا لهارفي لويس من شركة إرنست ويونغ في المملكة المتحدة، يمكن للخوارزميات التطورية أو الجينية والأساليب الإحصائية بايزي أن تجعل التعلم العميق أكثر كفاءة، ويمكن للأجهزة المتخصصة أن تقلل من تكلفته.

من الطرق المقترحة الأخرى ربط الذكاء الاصطناعي القائم على البيانات بمدخلات علمية أو بشرية أخرى تتعلق بمجال التطبيق. بوشكار ب. أبتي، مدير المبادرات الاستراتيجية في CITRIS، وكوستاس ج. سبانوس، مدير CITRIS. كتب حوالي أربع طرق لتحقيق ذلك:

• التآزر بين الذكاء الاصطناعي والقوانين العلمية.
• تعزيز البيانات برؤى بشرية متخصصة.
• توظيف الأجهزة لشرح كيفية اتخاذ الذكاء الاصطناعي للقرارات.
• استخدام نماذج أخرى للتنبؤ بالسلوك.

في الآونة الأخيرة، حققت شركة EnCharge الناشئة طفرة في الذكاء الاصطناعي يمكن أن تحسن بشكل كبير استهلاك الطاقة لنماذج الذكاء الاصطناعي هذه عند إجراء التنبؤات. استخدمت الشركة تمويل DARPA الخاص بها لتقليل استخدام الذاكرة عن طريق القيام ببعض الأعمال في دوائر الذاكرة التناظرية، والتي يمكنها إجراء تراكمات مضاعفة المصفوفة بالتوازي وبطاقة منخفضة بدلاً من الترانزستورات التقليدية. 

"بهذه الطريقة يمكنك حل مشكلة نقل البيانات." 

– نافين فيرما، الرئيس التنفيذي لشركة EnCharge AI وأستاذ في قسم الهندسة الكهربائية في جامعة برينستون 

وأضاف أيضًا أنه بدلاً من توصيل البتات الفردية، يتم توصيل النتيجة المخفضة في شكل تراكم الكثير من الضربات المتوازية.

تمكّنت تقنية EnCharge AI من معالجة 150 تريليون عملية في الثانية لكل واط. مع ذلك، يُعدّ تحقيق الحوسبة التناظرية أمرًا بالغ الصعوبة، ولم تُكلّل المحاولات السابقة بالنجاح.

في هذه الأثناء، بحث في العام الماضي، استكشف الأستاذ المساعد راغافيندرا سيلفان، الحاصل على درجة جامعية ثابتة من قسم علوم الحاسوب بجامعة كاليفورنيا في فيينا، طرقًا مختلفة لتقليل البصمة الكربونية للتعلم الآلي. على المستوى الجزئي، يمكن جعل الخوارزميات أسرع وأكثر كفاءةً لتقليل استخدام الموارد. وأشار إلى أنه يمكن تحقيق ذلك من خلال البحث في كيفية تقليل عدد البتات المستخدمة في العمليات الحسابية وكيفية تقليل العمليات الحسابية المكررة. 

واقترح كذلك تقييم الحاجة إلى جميع البيانات المخزنة. لذلك، على المستوى الكلي، من خلال النظر في متى وأين يتم إجراء الحسابات (كثير منها ليس حرجًا من حيث الوقت)، يمكن اختيار ساعات غير الذروة لتدريب أنظمة الذكاء الاصطناعي لتقليل تكاليف الدورات التدريبية وتكاليفها. أثار الكربون. 

استخدام الذكاء الاصطناعي لتحسين الذكاء الاصطناعي 

الآن، أنشأ سيلفان معيارًا لتصميم نماذج الذكاء الاصطناعي التي تستهلك طاقة أقل بكثير دون التأثير على أدائها. ومع ذلك، فإن هذا يتطلب استخدام كمية الطاقة المستخدمة والبصمة الكربونية كمعيار لتصميم وتدريب نماذج الذكاء الاصطناعي هذه.

ولهذا الغرض، تمت دراسة 429,000 من نماذج الأنواع الفرعية للذكاء الاصطناعي. تشير التقديرات إلى أن هذه الشبكات العصبية التلافيفية، التي تُستخدم لترجمة اللغة، والتعرف على الوجوه، واكتشاف الأشياء، وتحليل الصور الطبية، تتطلب ما يصل إلى 263,000 كيلووات في الساعة من الطاقة لتدريبها ببساطة. 

وللمقارنة، فإن 263,000 ألف كيلووات في الساعة تعادل كمية الطاقة التي يستهلكها المواطن الدنماركي العادي على مدى أكثر من أربعة عقود. سيستغرق الكمبيوتر قرنًا لإكمال كل هذا التدريب. 

هذا الاستهلاك الهائل للطاقة يدفع الصناعة إلى جعلها صديقة للبيئة؛ إلا أن تطوير نماذج الذكاء الاصطناعي الموفرة للطاقة لم يتحقق بعد. ووفقًا لسيلفان، الذي يبحث في إمكانيات تقليل البصمة الكربونية للذكاء الاصطناعي:

"اليوم، يركز المطورون بشكل ضيق على بناء نماذج الذكاء الاصطناعي التي تكون فعالة من حيث دقة نتائجها." 

شبّه هذا السلوك بالسيارة، التي تُعتبر جيدة لمجرد أنها تصل إلى وجهتها بسرعة دون مراعاة استهلاكها للوقود. وأضاف:

"ونتيجة لذلك، غالبًا ما تكون نماذج الذكاء الاصطناعي غير فعالة من حيث استهلاك الطاقة." 

منصبه الجديد دراسةيهدف هذا البحث، الذي تم إجراؤه بالتعاون مع طالب علوم الكمبيوتر بيدرام بختياريارد، إلى تغيير هذا من خلال إثبات أنه من الممكن الحد من قدر كبير من ثاني أكسيد الكربون مع الحفاظ على دقة نموذج الذكاء الاصطناعي سليمة.

لتحقيق ذلك، أشار باحثو جامعة كاليفورنيا في فيينا إلى ضرورة اعتماد نموذج موفر للطاقة منذ البداية. وهذا يعني مراعاة تكاليف المناخ عند تصميم نماذج الذكاء الاصطناعي وأثناء عملية تدريبها التي تتطلب طاقة كبيرة. وأوضح سيلفان أنه بهذه الطريقة، يُمكن تقليل البصمة الكربونية في "كل مرحلة من مراحل دورة حياة النموذج"، والتي تشمل تدريبه ونشره.

لذا، حسب الباحثون الطاقة اللازمة لتدريب مئات الآلاف من نماذج الذكاء الاصطناعي. ومن المثير للاهتمام أن باحثي جامعة كاليفورنيا في فيينا لم يدربوا النماذج، بل قدروا ذلك باستخدام نموذج ذكاء اصطناعي آخر. وبهذه الطريقة، تمكنوا من توفير 99% من الطاقة التي كانت ستستهلكها النماذج الأخرى.

الآن، بناءً على حساباتهم، قدم الفريق مجموعة قياسية من نماذج الذكاء الاصطناعي التي تؤدي نفس المستوى تقريبًا ولكنها تستخدم طاقة أقل لإكمال المهمة.

وبحسب الدراسة، فإن تعديل النماذج أو استخدام أنواع أخرى من النماذج يمكن أن يوفر ما يصل إلى 80% من الطاقة أثناء مرحلتي التدريب والتطبيق. أما بالنسبة للأداء، فلم يكن هناك سوى القليل من التنازلات (بنسبة 1% فقط أو حتى أقل). هذه الأرقام متحفظة في الواقع، وفقًا للباحثين. 

اعتبروا نتائجنا بمثابة دليل لمحترفي الذكاء الاصطناعي. لا تصف هذه الوصفات أداء الخوارزميات المختلفة فحسب، بل كفاءتها في استهلاك الطاقة أيضًا. 

- بختياريفرد

وأضاف أنه بمجرد استبدال أحد مكونات تصميم النموذج بآخر، "يمكننا غالبًا تحقيق نفس النتيجة". هذا يعني أن الممارسين ليسوا بحاجة إلى البدء بتدريب كل نموذج أولًا؛ بل يمكنهم ببساطة اختيار نموذج بناءً على الأداء واستهلاك الطاقة.

وقال بختياري فرد إنه نظرا لأن العديد من النماذج يتم تدريبها قبل العثور على الخيار الأنسب لمهمة معينة، مما يجعل تطوير الذكاء الاصطناعي "يتطلب طاقة كبيرة للغاية"، "سيكون من الأكثر ملاءمة للمناخ اختيار النموذج المناسب منذ البداية"، بالإضافة إلى اختيار النموذج الذي لا يستهلك قدرًا كبيرًا من الطاقة أثناء مرحلة التدريب.

وفي حين أن دقة النماذج في مجالات مثل السيارات ذاتية القيادة والطب أمر بالغ الأهمية للسلامة، وبالتالي لا يمكننا التنازل عن الأداء هناك، فقد لاحظ الباحثون أن هذا لا ينبغي أن يثنينا عن محاولة تحقيق كفاءة عالية في استخدام الطاقة في مجالات أخرى. 

وتظهر الدراسة، وفقًا لهم، أنه يمكن العثور على مقايضة أفضل مع كون كفاءة استخدام الطاقة معيارًا في تطوير نموذج الذكاء الاصطناعي، كما هو الحال في العديد من القطاعات. وفقا لسيلفان:

"يتمتع الذكاء الاصطناعي بإمكانات مذهلة. ولكن إذا أردنا ضمان تطوير الذكاء الاصطناعي بشكل مستدام ومسؤول، فنحن بحاجة إلى نهج أكثر شمولية لا يأخذ في الاعتبار الأداء النموذجي فحسب، بل أيضًا التأثير المناخي. 

المعيار المسمى EC-NAS، مفتوح المصدر ويمكن استخدامه من قبل علماء وشركات أخرى لتعزيز البحث في مجال البحث في الهندسة العصبية (NAS). وقالت الدراسة إن استخدام خوارزميات التحسين متعددة الأهداف يحقق التوازن بين استخدام الطاقة والدقة. وذكرت الدراسة أنه "بمقاييسها المتنوعة، تدعو EC-NAS إلى مزيد من البحث في تطوير نماذج موفرة للطاقة ومستدامة بيئيًا"..

حلول الطاقة القائمة على الذكاء الاصطناعي

الآن، دعونا نلقي نظرة على الشركات التي تتعامل مع قطاع الطاقة باستخدام التكنولوجيا وتعمل بنشاط على تقديم حلول الطاقة القائمة على الذكاء الاصطناعي:

# 1. جنرال إلكتريك للطاقة المتجددة

تستخدم الشركة تقنية الذكاء الاصطناعي/التعلم الآلي التي تم تطويرها داخليًا للتنبؤ بدقة بالتكاليف اللوجستية وتبسيطها للعملية اللوجستية لتوربينات الرياح. هذا العام، أصدرت جنرال إلكتريك برنامج Profacy للمصنعين لتحقيق الاستدامة مع المساعدة في تحقيق أقصى قدر من الربحية. كما قامت بنشر CERius الذي يعمل بالذكاء الاصطناعي لتعزيز دقة التقارير.

وفي وقت سابق من هذا الشهر، انقسمت شركة جنرال إلكتريك إلى ثلاث شركات منفصلة، ​​ركزت على الطيران والطاقة والرعاية الصحية، وبدأت التداول في بورصة نيويورك ككيانات منفصلة. لذلك، يُطلق على جناح الطاقة الخاص بها الآن اسم GE Vernova (GEV) وتبلغ قيمته السوقية 36 مليار دولار، حيث يتم تداول أسهمها عند 131.75. في عام 2023 الشركة مضمون أكبر طلبية لها هي دعم مشروع طاقة الرياح الأمريكي الذي سيوفر 2.4 جيجاوات لمشروع SunZia. ويتوقع جولدمان ساكس أن تحصل الشركة على أرباح قبل الفوائد والضرائب والإهلاك والاستهلاك بقيمة 4 مليارات دولار بحلول عام 2026.

# 2. شنايدر إلكتريك

تستفيد الشركة الفرنسية، التي تبلغ قيمتها 34.2 مليار دولار أمريكي، من الذكاء الاصطناعي لتحسين الكفاءة والإنتاجية، بالإضافة إلى مواجهة تحديات تغير المناخ. ويتمحور استخدام شنايدر إلكتريك للذكاء الاصطناعي حول تصور البيانات وهندستها، والتحسين والمحاكاة، ونمذجة الموثوقية. 

وسجلت الشركة إيرادات بقيمة 36 مليار يورو للعام المالي 2023، أي بزيادة قدرها 13%. كما أعلنت شنايدر إلكتريك عن صافي دخل قدره 4 مليارات يورو وتدفق نقدي حر قدره 4.6 مليار يورو. 

الخاتمة

الذكاء الاصطناعي هو ثورة التكنولوجيا لهذا العقد. وبما أن دمجه أثبت فعاليته في خفض التكاليف وزيادة إيرادات الشركات، مع تحقيق مكاسب أكبر في كفاءة الموظفين، فمن الواضح أنه أكثر من مجرد مصطلح شائع. فأنظمة الذكاء الاصطناعي تتفوق على البشر في مجموعة من المهام، مع أننا لا نزال أفضل منهم في المهام المعرفية المعقدة.

ومع ذلك، فهو يأتي مع مجموعة المخاطر الخاصة به فيما يتعلق بالخصوصية، والتحيزات الخوارزمية، وكما ناقشنا أعلاه، التأثير البيئي السلبي. كما أظهر استطلاع عالمي حول المواقف تجاه الذكاء الاصطناعي أن الناس يشعرون بالقلق إزاء هذه التكنولوجيا الجديدة، على الرغم من أن الأغلبية يرون أنها ستغير حياتهم اليومية في السنوات المقبلة. جيل الشباب أكثر تفاؤلاً بشأن الذكاء الاصطناعي. 

مع تزايد أهمية الذكاء الاصطناعي في حياتنا، تتضافر جهود الحكومات والعلماء والشركات لمواجهة مخاطره. وقد بدأت الجهات التنظيمية بالفعل باستهداف هذا القطاع، حيث أصدرت أكثر من 30 دولة قانونًا واحدًا على الأقل يتعلق بالذكاء الاصطناعي خلال السنوات السبع الماضية. ومع المزيد من التقدم التكنولوجي، سنشهد زيادة كفاءة الذكاء الاصطناعي، وسيُحدث تحولًا في عالمنا. 

انقر هنا لمعرفة كل شيء عن الاستثمار في الذكاء الاصطناعي.