مسابقه هوش مصنوعی مولد، یک راز کثیف دارد

در اوایل ماه فوریه، ابتدا گوگل، سپس مایکروسافت، تغییرات عمده ای را در موتورهای جستجوی خود اعمال کردند. این دو غول فن آوری هزینه های زیادی را صرف ساخت یا خرید ابزارهای هوش مصنوعی مولد کرده اند که از مدل های زبانی بزرگ برای درک و پاسخ به سوالات پیچیده استفاده می کنند. اکنون آن ها در تلاش هستند تا تغییرات را در جستجو ادغام کنند، با این امید که تجربه غنی تر و دقیق تری را به کاربران ارائه دهند. شرکت جستجوی چینی بایدو اعلام کرده است که این کار را دنبال خواهد کرد. با استفاده از هوش مصنوعی خلاقیت می تواند افزایش یابد.

اما هیجان ناشی از این ابزارهای جدید می تواند یک راز کثیف را پنهان کند. رقابت برای ساخت موتورهای جستجوی مبتنی بر هوش مصنوعی احتمالا به افزایش چشمگیر قدرت محاسباتی نیاز دارد و با این کار میزان انرژی مورد نیاز شرکت های فن آوری و میزان کربنی که منتشر می کنند، افزایش می یابد.

هوش مصنوعی چیست

آلن وودوارد، استاد امنیت سایبری در دانشگاه سوری در بریتانیا می گوید: در حال حاضر منابع عظیمی در نمایه سازی و جستجوی محتوای اینترنتی دخیل هستند، اما ترکیب هوش مصنوعی به نوع دیگری از قدرت آتش نیاز دارد. این سیستم به قدرت پردازشی و همچنین ذخیره سازی و جستجوی کارآمد نیاز دارد.

هر بار که شاهد یک تغییر مرحله ای در پردازش آنلاین هستیم، شاهد افزایش قابل توجه قدرت و منابع خنک کننده مورد نیاز مراکز پردازش بزرگ هستیم. فکر می کنم این می تواند یک قدم باشد.

https://honarfardi.com/public-skills/intelligence/improving-creativity/

آموزش مدل های زبان بزرگ (LLMs)، مانند آن هایی که زیربنای OpenAIs ChatGPT هستند، که موتور جستجوی بینگ مایکروسافت را قدرت خواهند بخشید، و معادل Googles، Bard، به معنی تجزیه و محاسبه ارتباطات در حجم عظیمی از داده است، به همین دلیل است که آن ها تمایل به توسعه توسط شرکت هایی با منابع قابل توجه دارند.

کارلوس گمز – رودریگوئز، دانشمند کامپیوتر در دانشگاه کوروکا در اسپانیا می گوید: ساخت این مدل ها قدرت محاسباتی زیادی می طلبد. در حال حاضر، تنها شرکت های بزرگ فن آوری می توانند آن ها را آموزش دهند.

در حالی که نه OpenAI و نه گوگل، نگفته اند که هزینه محاسباتی محصولات آن ها چقدر است، تحلیل های شخص ثالث توسط محققان تخمین می زند که آموزش GPT ۳ که ChatGPT بخشی از آن است، ۱،۲۸۷ مگاوات ساعت مصرف کرده و منجر به انتشار بیش از ۵۵۰ تن دی اکسید کربن معادل یک نفر شده است که ۵۵۰ دور رفت بین نیویورک و سان فرانسیسکو داشته است.

گومز رودریگز می‌گوید: «این آنقدرها هم بد نیست، اما باید این واقعیت را در نظر بگیرید که نه تنها باید آن را آموزش دهید، بلکه باید آن را اجرا کنید و به میلیون‌ها کاربر خدمات رسانی کنید.

همچنین تفاوت زیادی بین استفاده از ChatGPT که بانک سرمایه گذاری UBS تخمین می زند روزانه ۱۳ میلیون کاربر به عنوان یک محصول مستقل دارد و ادغام آن با بینگ که روزانه نیم میلیارد جستجو را مدیریت می کند، وجود دارد.

مارتین بوچارد، یکی از موسسان شرکت مرکز داده کانادایی Scale، معتقد است که براساس مطالعه او از برنامه های مایکروسافت و گوگلبرای جستجو، افزودن هوش مصنوعی مولد به این فرآیند حداقل به چهار یا پنج برابر محاسبات بیشتر در هر جستجو نیاز خواهد داشت. او اشاره می کند که ChatGPT در حال حاضر درک خود از جهان را در اواخر سال ۲۰۲۱ به عنوان بخشی از تلاش برای کاهش نیازهای محاسباتی متوقف می کند. به منظور برآورده کردن نیازهای کاربران موتورهای جستجو، این شرایط باید تغییر کند.

او می گوید: اگر آن ها بخواهند مدل را اغلب بازآموزی کنند و پارامترها و موارد بیشتری به آن اضافه کنند، مقیاس کاملا متفاوتی از همه چیز را نشان می دهد. این کار نیازمند سرمایه گذاری قابل توجهی در سخت افزار خواهد بود.

بوچارد می گوید: مراکز داده فعلی و زیرساخت هایی که در اختیار داریم، قادر به مقابله با رقابت هوش مصنوعی مولد نخواهند بود.

خیلی زیاد است. براساس گزارش آژانس بین المللی انرژی، مراکز داده در حال حاضر حدود یک درصد از انتشار گازهای گلخانه ای جهان را به خود اختصاص داده اند.

انتظار می رود با افزایش تقاضا برای رایانش ابری، این میزان افزایش یابد، اما شرکت های فعال در این حوزه وعده داده اند که سهم خالص خود را در گرمایش جهانی کاهش دهند.

https://jalebamooz.com/other-tutorials/websites-to-buy-laptop/

گمیز – رودریگز می گوید: قطعا به بدی حمل و نقل یا صنعت نساجی نیست. اما [ AI ] می تواند عامل مهمی در انتشار گازهای گلخانه ای باشد. مایکروسافت متعهد به منفی شدن کربن تا سال ۲۰۵۰ شده است. این شرکت قصد دارد امسال ۱.۵ میلیون تن اعتبار کربن خریداری کند.

گوگل متعهد شده است تا سال ۲۰۳۰ به تولید گازهای گلخانه ای در سراسر عملیات ها و زنجیره ارزش خود دست یابد. OpenAI و مایکروسافت به درخواست ها برای اظهار نظر پاسخ ندادند.

ردپای زیست محیطی و هزینه انرژی ادغام هوش مصنوعی در جستجو را می توان با انتقال مراکز داده به منابع انرژی پاک تر، و با طراحی مجدد شبکه های عصبی برای کارآمدتر شدن، کاهش زمان استنتاج به اصطلاح، میزان توان محاسباتی مورد نیاز برای یک الگوریتم برای کار بر روی داده های جدید، کاهش داد.

نفیسه سادات موسوی، مدرس پردازش زبان طبیعی در دانشگاه شفیلد که روی پایداری در پردازش زبان طبیعی کار می کند، می گوید: ما باید روی چگونگی کاهش زمان استنتاج مورد نیاز برای چنین مدل های بزرگی کار کنیم. اکنون زمان خوبی برای تمرکز روی جنبه کارایی است.

جین پارک، سخنگوی گوگل به وایرد می گوید که گوگل در ابتدا نسخه ای از کلاد را منتشر می کرد که با یک مدل زبان بزرگ سبک وزن کار می کرد.

پارک می گوید: ما همچنین تحقیقاتی را منتشر کرده ایم که جزئیات هزینه های انرژی مدل های زبان لرنیت را شامل نسخه اولیه و بزرگ تر لرنیت می شود. یافته های ما نشان می دهد که ترکیب مدل های کارآمد، پردازنده ها و مراکز داده با منابع انرژی پاک می تواند ردپای کربن یک سیستم یادگیری ماشین را تا ۱۰۰۰ برابر کاهش دهد.

در اینجا سوالی که پیش می آید این است که آیا این قدرت محاسباتی اضافی و تغییرات جدید ارزش این همه دردسر را دارد، می توان در مورد گوگل گفت حداقل دستاوردهای جزئی باعث دقت بیشتر در جستجو شده است.

اما برخی بر این باورند که با وجود اینکه تمرکز بر روی میزان انرژی و کربن تولید شده توسط LLM ها مهم است اما نیاز به برخی دیدگاه ها از اهمیت بیشتری برخوردار است. بسیار عالی است که این کار واقعا برای کاربران نهایی جواب دهد. زیرا مدل های زبان قبلی برای همه قابل دسترسی نبودند.