בכל אחת משתי המהפכות התעשייתיות שהעולם חווה בעידן הקודם, קפיצות גדולות של התקדמות טכנולוגית התנגדו לשינויים גדולים באותה מידה. מהזכויות של העובדים והסמכות הקולוניאלית לשאלה האם האיש העשיר בעולם צריך להיות מותר חכו, אולי העולם   אחרי הכל הבעיות הגדולות בעולם, קניית חברות אחרות אין השתנה כל כך הרבה קניית חברות אחרות אין אין השתנה כל כך הרבה בצחוק, כמה שאלות כאלה מתעוררות בדיונים גלובליים על מה עלינו להתמקד משאבי האנושות.תמיד, שינוי האקלים מזוהה כאחת הדאגות המובילות שעומדות בפני העובדים, ממשלות ומדענים באותה מידה.היסטורי, הטכנולוגיות המתקדמות במהירות שלנו, החל באמצע המאה ה -19, היו השפעה לוואי לא נעימה של חימום עולמי באמצעות שחרור גזי חממה ומזיקים. הכרחי לפיתוח ה- AI - הובילו לדיונים על המורכבות של לקבוע אם ה- AI, באמצעות יעילות גלויה, יכול לפצות על טביעת הרגל הסביבתית הגדולה הדרושה לשמירה עליו. מערכות מחשוב עוצמה גבוהה (HPC) מערכות מחשוב עוצמה גבוהה (HPC) Energy Sink, Pollutant Faucet הערה: סעיף זה, כמו גם הסעיף הבא, מכיל מידע מפורסם מ- Berkeley Lab 2024 United States Data Center Energy Usage Report ודו"ח טבע זה על ההשפעה הסביבתית של מודלים בשפה גדולה. Berkeley Lab 2024 ארצות הברית מרכז נתונים דוח שימוש באנרגיה Berkeley Lab 2024 ארצות הברית מרכז נתונים דוח שימוש באנרגיה דו"ח טבע על ההשפעה הסביבתית של מודלים שפות גדולות דו"ח טבע על ההשפעה הסביבתית של מודלים שפות גדולות אמנם חדרי שרת מסורתיים, כגון אלה המארחים את האתר הזה, הם בעצם סניפים של יחידות עיבוד מרכזיות (CPUs) בדומה לאותו המחשב שלך משתמש, מתקני AI מיוחדים שונים בכמה דרכים משמעותיות: 
 
 
 
 
 מתקני HPC משתמשים לעתים קרובות ביחידות עיבוד גרפיות (GPUs) במקום יחידות עיבוד מרכזיות (CPUs), בעיקר בשל הביצועים הגבוהים ביותר של היחידות הקודמות בעיבוד מקביל ויעילות אנרגיה. מתקני HPC משתמשים בשיטות אחסון והעברה של רוחב פס גבוה יותר בשל הדרישות הגדולות של עיבוד נתונים AI. מתקני HPC דורשים מערכות קירור מיוחדות כתוצאה מהחום שנוצר על ידי קבוצות גדולות של GPUs. מתקני HPC משתמשים בכוח מחשוב המבוסס על דרישות קבועות (השלמת משימה לעיבוד נתונים) במקום משתנים (500-20,000 משתמשים מנסים לגשת לאתר אינטרנט). עיבוד מקביל למעשה, ההבדלים האלה גורמים למרכזי מחשוב ה-AI המודרניים להיות יקרים יותר, דורשים יותר אנרגיה וקשים יותר לשמור.מרכזי נתונים AI משתמשים בכמויות עצומות של חשמל: בתוך פחות מעשור, כמות החשמל הממוצעת המצטברת המשמשת על ידי מרכזי נתונים AI משתרע – מ- 60 TwH ל- 176 TwH עד 2024, מה שמייצג כ-4.4% מכלל צריכת הנתונים בארה"ב. לאן כל האנרגיה הזאת הולכת?במרכז נתונים טיפוסי, האנרגיה המשמשת למעשה כדי להפעיל את מערכות ה-GPU לוקחת קצת פחות משליש ממחיר החשמל הכולל של המפעל; שאר האנרגיה נכנסת למערכות כדי לעזור להאיץ החומרה באמת לעבוד – מערכות קירור, תאורה ומערכת בקרת טמפרטורה הן הכרחיות כדי לשמור על מרכז HPC פועל.למרות שהאנרגיה הנוספת הושלמה על מכשירי החשמל הנוספים האלה מהוות חוסר יעילות לא רצוי במרכזי נתונים רבים בארה"ב, מדענים ומהנדסים מוצאים כל הזמן דרכים מהירות יותר להפחית את צריכת החשמל הנוספת, ובמקרים מסוימים מביאים את השימוש הנוס Relative Efficiency? AI (כאשר משמש באופן אחראי, כמובן) יש הרבה לתרום לחברה שלנו. ויעיל יותר איתו, החוקרים רצו להעריך כמה עבודה AI יכול לחסוך לנו על ידי השוואת העלויות ההיפותטיות של כתיבת דף של 500 מילים באמצעות כלים AI בהשוואה לעבודה אנושית. מודלים שפות גדולים (LLMs) המתקדמים ביותר, דומים ל- Llama-3 של מטה, השיגו יעילות דומה לאלו של בין 40 ל-150 אזרחים אמריקאים, וכי מודלים קטנים יותר, יעילים יותר באנרגיה, דומים ל- Google Gemma-2B, יצרו עבודה עם יעילות של 130-1100 אמריקאים. עסקים עובדים מהר יותר טבע מצאו את זה עסקים עובדים מהר יותר מצאו את זה אז האם זה אומר שאנחנו צריכים להתחיל להחליף עובדים אנושיים עם AI? בסופו של דבר, החוקרים, אשר ציינו את הבעיות האתיות המובנות עם ההשלכות של הדמויות שלהם. למרות החומרה העצומה של העברת עובדים על החברה והכלכלה הגלובלית, אימוץ נרחב של AI, כפי שהוא עומד, מתמודד עם האתגר הנדיר של להיות לא אמין כאשר ללא פיקוח. אחד החסרונות הדחופים ביותר במודל של החוקרים הוא חוסר היכולת לספור את האיכות של העבודה המיוצרת על ידי בני אדם ו על ידי AI. לשבור את זה, אנו רואים כי, בעוד AI הוכח להגדיל את התשואות של עובדים אנושיים, השיפור ביעילות עוצר שם - בעוד שילוב של מערכות AI והיצירתיות האנושית עשוי לייצר עבודה רצויה, LLMs עצמאי לא יכול כמובן שלא לאחר התבוננות רבה יותר. 
 
 מאמר זה הובא אליך על ידי AI שלנו, ארגון אתיקה AI המוביל סטודנטים וסטודנטים המבקשים להגדיל את ההיבטים ב- AI מעבר למה שמדובר בדרך כלל בתקשורת המודרנית. מאמר זה הובא אליך על ידי AI שלנו, ארגון אתיקה AI המוביל על ידי סטודנטים וסטודנטים המבקשים להגדיל את נקודות המבט ב- AI מעבר למה שמדובר בדרך כלל בתקשורת המודרנית. ! https://www.our-ai.org/ai-nexus/read For a Greener Future ללא קשר לתוקף של מחקר כמותי הנוכחי על עלויות לטווח קצר של פיתוח AI, אני מאמין שאנו צריכים להמשיך בדרכנו כדי להפוך את ה- AI טוב יותר וטוב יותר לא משנה מה. חוזר על הנקודה כי זה חייב להיעשות בבטחה ועם כוונה להרוויח חלק גדול למדי של החברה, אני טוען כי התקדמות טכנולוגית היא לעתים קרובות הדרך היחידה לפתור את הבעיות של העולם. אחרי הכל, זה היה הנדסה גנטית שזרע את הזרעים של המהפכה החקלאית השנייה שסופו בהפחתת מחסור במזון גדול בדרום מזרח אסיה, ותרופות שהביאו עשרות מחלות נפוצות, מזיקים על ברכיהם בעוד כמה שנים.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Read My Stories

האודיו הזה מופק בשפת המקור של הסיפור!

AI אינו מזיק לסביבה כמו שאתם חושבים

About Author

הערות

תלו תגים

מאמר זה הוצג ב

Related Stories

The TechBeat: Python's Testing Playbook: Building Bulletproof Code (1/16/2024)

The TechBeat: Python's Testing Playbook: Building Bulletproof Code (1/18/2024)

The TechBeat: 5 Low-Cost Cybersecurity Measures SMBs Can’t Afford to Not Implement (3/4/2024)

100 Days of AI, Day 13: How Instruction Finetuning Improves a Pre-trained LLM

The TechBeat: Python's Testing Playbook: Building Bulletproof Code (1/16/2024)

The TechBeat: Python's Testing Playbook: Building Bulletproof Code (1/18/2024)

The TechBeat: 5 Low-Cost Cybersecurity Measures SMBs Can’t Afford to Not Implement (3/4/2024)

100 Days of AI, Day 13: How Instruction Finetuning Improves a Pre-trained LLM

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps