世界

どのようにして持続可能なAIの未来を作成できますか？

イノベーションには影響があります。ソーシャルメディアの革命は、コンテンツの共有方法、購入、販売、学習方法を変えましたが、テクノロジーの誤用、検閲、保護に関する疑問も提起しました。一歩前進するたびに、課題に取り組む必要もあります。AIも例外ではありません。AIの主な課題の1つは、エネルギー消費です。データセンターとAIは現在、世界の電力の1〜2％を使用していますが、この数字は急速に上昇しています。問題を複雑にするために、これらの推定値は、AIテクノロジーと使用パターンが進化するにつれて変化します。 2022年、AIおよび暗号通貨プラットフォームを含むデータセンターは、約460 TWHの電力を使用しました。 2024年初頭、2030年までにさらに900 TWHまで使用できると予測されていました。2025年初頭、この数字は、より効率的なAIモデルとデータセンターテクノロジーのために、約500 TWHに根本的に修正されました。さらに、これをコンテキストにするために、電気自動車産業からの需要は2030年までに854TWHに達し、国内および産業の暖房が約486TWHに座っています。 あなたは好きかもしれません ただし、この成長は依然として重要であり、誰もがプロバイダーとユーザーの両方を使用していることを確認する義務があります AIツール 可能な限り効率的です。グレゴリー・ルブールソーシャルリンクナビゲーショングローバル環境ディレクター、Ovhcloud。AIインフラストラクチャはどのように電力効率が高くなりますか？ ムーアの法律であるかどうかにかかわらず、同じチップでより多くのトランジスタが表示されるか、Koomeyの法律が使用されるエネルギーのジュールごとにより多くの計算が見られることを伝えるかどうかにかかわらず、コンピューティングは常に時間とともにより効率的になります GPU、AI「エンジン」は、確かにその傾向に従います。2010年から2018年の間に振り返ると、データセンターの計算量は550％増加しましたが、エネルギー使用量はわずか6％増加しました。私たちはすでにAIワークロードにこの種の改善が見られており、将来についてもう少し楽観的になる理由がたくさんあります。また、液体冷却技術の採用が増加しています。市場と市場によると、データセンターの液体冷却の市場は、今後7年間でほぼ10倍に成長します。水は空気よりもはるかに大きい熱伝導率を持っているため、液体冷却技術は空気冷却よりも電力効率の良い（したがって安価な）ものになります。これは、AIワークロードに最適です。AIワークロードは、より多くのパワーを消費し、非AAのワークロードよりも熱く動作する傾向があります。水冷は、データセンターの電力使用率を劇的に増加させます。さらに、液体冷却場自体にも大きな革新が見られます。歴史的に、データセンターは直接液体を使用してチップ冷却（DLTC）を使用しており、そこに冷却プレートがCPUまたはGPUに座っています。パワー（そしてその結果、熱）が上昇すると、サーバー全体が非導電性液体に浸され、すべてのコンポーネントを同時に冷却できるようになります。この形式はDLTC冷却と組み合わせることができ、通常「熱い」（CPUやGPUなど）がより大きな冷却能力を受信し、サーバーの残りの部分が周囲の液体で冷却されるようにすることもできます。AIをよりリソース効率を高めるにはどうすればよいですか？力と並んで、私たちは通常、水をそれ自体の資源と見なします。標準のインターネット検索を検討してください。 AI搭載の検索では、約25mlの水を使用します。そこでは、非AAの検索では50倍少なくなります：半ミリリットル。産業規模では、国立再生可能エネルギー研究所が実施している最近のテストケースでは、スマートウォーター冷却により、水の消費量が約56％減少しました。彼らの場合、年間100万リットル以上の水。また、インフラストラクチャが使用する鉱物について考えることも重要です。これらは単独で存在しないためです。可能であれば、コンポーネントを再利用したり、そうでない場合にリサイクルしたりすることは、不必要な購入を避け、AIの環境への影響を軽減するための非常に効率的な方法です。例として、電気自動車の重要な成分であるリチウムを検討してください。リチウムは、最大50万リットルの水を必要とし、1トンの金属に対して15トンのCO2を生成できます。同時に、リソースの使用には地政学的な要素があります。ヒートシンクで使用されているニッケルの約3分の1がロシアから来ていました。多くの場合、特定の金属を回収することさえ可能です。たとえば、熱分解を使用すると、複雑な成分から「黒い」銅を入手できます。次に、電解を介して、要素を分離して、純粋な銅、ニッケル、鉄、パラジウム、チタン、銀、金を回収し、電子廃棄物を貴重な資産に変えます。これはかなりの収益源ではありませんが、それはコストセンターではなく収益ジェネレーターである持続可能性があるという強い例です！ユーザーはどのようにしてAIプロセスをより電力効率を高めることができますか？ ユーザーがデータセンターのオペレーターと機器メーカーに頼ってエネルギー消費と二酸化炭素排出量を削減するだけでは不十分です。すべての組織は、エネルギー消費に留意し、 仕事 可能な限り設計により持続可能です。実践的な例を挙げると、AIモデルトレーニングは、通常はユーザー面プロセスではないため、遅延に敏感ではありません。これは、どこでもできることを意味し、その結果、再生可能エネルギーへのアクセスが大きい場所で行う必要があります。たとえば、ポーランドではなくカナダでトレーニングをモデル化する企業は、約85％低い二酸化炭素排出量を獲得します。同時に、AIインフラストラクチャについて実用的であることが重要です。によると インテル PCF / OVHCLOUD LCA、AN nvidia H100には、NVIDIA L4の約3倍のゆりかごからゲート（製造）の二酸化炭素排出量があり、組織が仕事に必要なGPUを理解することがどれほど重要かを強化しています。多くの場合、最新のGPUは重要になります - 特に、組織が持ち込もうとしているときに アプリケーション 迅速に市場に出るために - しかし、一部の人では、より低いスペックでより持続可能なGPUが同じ時間に同じ仕事をします。AIの持続可能性：細部への注意を払う運動全体として、私たちのパワーと資源の消費が将来増加することは間違いありません。それが進歩の価格です。私たちにできることは、AIサプライチェーンとプロセスのすべての部分をGet-goから可能な限り効率的にするために先例を設定することです。可能な限りわずかな利益を上げることができれば、彼らは合計し、今日のニーズが明日の世界を妥協しないことを確認します。最高のクラウドコンピューティングプロバイダーを備えています。この記事は、TechRadarproのExpert Insights Channelの一部として制作されました。ここでは、今日のテクノロジー業界で最高で最も明るい心を紹介しています。ここで表明された見解は著者のものであり、必ずしもTechradarproまたはFuture PLCの見解ではありません。貢献に興味がある場合は、こちらをご覧ください。 https://www.techradar.com/news/submit-your-story-to-techradar-pro #どのようにして持続可能なAIの未来を作成できますか