L'IA è la prossima grande minaccia del cambiamento climatico? Non abbiamo idea

Banca dati Dean Mouhtaropoulos | Getty

In una recente conferenza a San Francisco, Gary Dickerson è salito sul palco e ha fatto una previsione audace. L'amministratore delegato di Applied Materials, che è un grande fornitore per l'industria dei semiconduttori, ha avvertito che, in assenza di innovazioni significative nei materiali, nella produzione di chip e nella progettazione, i carichi di lavoro dell'IA dei data center potrebbero rappresentare un decimo del consumo mondiale di elettricità entro il 2025 .

Oggi, i milioni di data center in tutto il mondo assorbono poco meno del 2% e questa statistica comprende tutti i tipi di carichi di lavoro gestiti sui loro vasti array di server. Applied Materials stima che i server che eseguono l'IA attualmente rappresentino solo lo 0,1% del consumo globale di elettricità.

Anche altri dirigenti tecnologici stanno lanciando un allarme. Anders Andrae di Huawei pensa che i data center potrebbero finire per consumare un decimo dell'elettricità mondiale entro il 2025, sebbene la sua stima copra tutti i loro usi, non solo l'IA .

Jonathan Koomey, consigliere speciale dello scienziato senior di Istituto delle montagne rocciose , è più ottimista. Si aspetta che il consumo di energia del data center rimanga relativamente piatto nei prossimi anni, nonostante un picco nell'attività relativa all'IA.

Queste previsioni ampiamente divergenti evidenziano l'incertezza sull'impatto dell'IA sul futuro dell'informatica su larga scala e le implicazioni finali per la domanda di energia.

Immagini più grandi

L'IA è certamente assetata di potere. La formazione e l'esecuzione di cose come i modelli di deep learning implica lo scricchiolio di grandi quantità di dati, che mette a dura prova la memoria e i processori. Uno studio del gruppo di ricerca OpenAI afferma che la quantità di potenza di calcolo necessario per guidare modelli di IA di grandi dimensioni sta già raddoppiando ogni tre mesi e mezzo.

La previsione di Applied Materials è, per sua stessa ammissione, uno scenario peggiore progettato per evidenziare cosa potrebbe accadere in assenza di un nuovo modo di pensare in hardware e software. Sundeep Bajikar, responsabile della strategia aziendale e delle informazioni di mercato dell'azienda, afferma che presuppone che ci sarà un cambiamento nel tempo nel mix di informazioni utilizzate per addestrare i modelli di intelligenza artificiale, con video e altre immagini che costituiranno una percentuale crescente del totale rispetto a informazioni di testo e audio. I dati visivi sono più intensivi dal punto di vista computazionale e quindi richiedono più energia.

Ci saranno anche più informazioni per i modelli da elaborare grazie all'ascesa di cose come veicoli autonomi e sensori incorporati in altri dispositivi intelligenti. E la diffusione della connettività wireless 5G super veloce renderà ancora più semplice lo spostamento dei dati da e verso i data center.

Bajikar afferma che queste e altre tendenze sottolineano l'urgente necessità di ciò che la sua azienda chiama un nuovo playbook nei materiali e nella produzione per l'era dell'IA. Alcuni ricercatori pensano che la sete di energia dell'IA potrebbe persino diventare un grave mal di testa ambientale: un team dell'Università del Massachusetts, ad Amherst, ha recentemente pubblicato uno studio che mostra che l'allenamento di diversi modelli di IA popolari e di grandi dimensioni produce quasi cinque volte le emissioni dell'intera vita dell'americano medio macchina.

Scommettere sulle basi

Ma le previsioni pessimistiche ignorano diversi importanti sviluppi che potrebbero limitare la presa di potere dell'IA. Uno di questi è l'ascesa di data center iperscalabili sperimentati da aziende come Facebook e Amazon.

Questi utilizzano vaste matrici di server di base su misura per attività specifiche. Le macchine sono più efficienti dal punto di vista energetico rispetto ai server nei centri convenzionali che devono destreggiarsi tra una più ampia gamma di funzioni. Il continuo passaggio all'iperscalabilità, insieme ai progressi nel raffreddamento e in altre tecnologie, è una delle ragioni principali per cui il consumo energetico dei nuovi data center è stato sostanzialmente annullato dai miglioramenti dell'efficienza negli ultimi anni.

Aiuteranno anche nuovi tipi di microchip. La previsione di Applied Materials presuppone che i carichi di lavoro dell'IA continueranno a essere eseguiti su hardware esistente la cui efficienza migliorerà gradualmente nei prossimi anni. Ma una serie di startup, così come grandi aziende come Intel e AMD, stanno sviluppando semiconduttori che sfruttano tecnologie come la fotonica per alimentare reti neurali e altri strumenti di intelligenza artificiale utilizzando molta meno energia.

Koomey afferma che le proiezioni allarmistiche ignorano anche il fatto che per alcuni tipi di attività di intelligenza artificiale, come il riconoscimento di schemi, sono sufficienti risultati approssimativi dai modelli. Ciò significa che non è necessario spendere energia per calcolare i risultati con centinaia di cifre decimali.

Ironia della sorte, il più grande controllo sul consumo energetico dell'IA potrebbe effettivamente essere l'IA stessa. Google sta già utilizzando la tecnologia sviluppata da DeepMind, una società acquisita nel 2014, per raffreddare i suoi data center in modo più efficiente. L'IA aveva già aiutato l'azienda a ridurre del 40% la bolletta del raffreddamento formulando raccomandazioni agli operatori umani; ora gestisce autonomamente i sistemi di raffreddamento nei centri.

L'intelligenza artificiale verrà utilizzata anche per ottimizzare altri aspetti delle operazioni dei data center. E, come la vittoria di raffreddamento di Google, questo andrà a vantaggio di tutti i tipi di carichi di lavoro. Ciò non significa che i data center non finiranno per consumare molta più energia a causa della crescente domanda di magia dell'IA, ma è un altro motivo per cui fare previsioni qui è così dannatamente difficile.

nascondere