Tehisintellekt (AI) on muutumas paljude inimeste igapäevaelu osaks üle maailma. Üksikisiku tasandil kasutavad inimesed otsingupäringute jaoks üha enam AI mudeleid. Kuigi Google domineerib endiselt otsinguturul, on ChatGPT kujutanud oma domineerimisele kõige suuremat ohtu.
Äritasandil ei jää kõrvale ükski tööstusharu, alates põllumajandusest kuni tervishoiuni, rahandusest kuni meelelahutuseni – organisatsioonid üle maailma integreerivad tehisintellekti oma igapäevategevustesse.
Maailma nõudlus tehisintellekti järele ja kasutamine peaks lähiaastatel hüppeliselt kasvama, mistõttu tehnoloogiaettevõtted reageerivad sellele arengule massiivsete andmekeskuste ehitamisega. Kuid sellel kasvul on oma hind: energiatarbimine, majanduskulud ja keskkonnamõju. Traditsiooniline andmetöötlus lihtsalt ei suuda kasvava andmetöötlus- ja energiavajadusega sammu pidada. Tehisintellekti revolutsiooni säilitamiseks peame ümber mõtlema kaasaegse andmetöötluse füüsika.
Energiaprobleemid
Isegi ilma tehisintellekti arvestamata on elektrooniline andmetöötlus kriitilises punktis. Moore'i seadus ebaõnnestub, Dennardi skaleerimine on lagunenud ja tulemuseks on "tumeda räni" levik, kiibil olevad transistoride osad, mis peavad ülekuumenemise vältimiseks jääma toiteta või jõude.
Suure tehisintellekti mudeli koolitamine pole lihtne ülesanne. Suured keelemudelid (LLM) on treenitud tohutul hulgal andmemahtudel ja neil on triljoneid parameetreid. Nad ennustavad, mõõdavad, kohandavad ja kordavad protsessi miljardeid kordi. Hinnanguliselt kahekordistub tehisintellektimudelite koolitamiseks vajalik arvutusvõimsus iga kuue kuu järel.
Nii suurte andmemahtude töötlemine ja teisaldamine nõuab tohutut paralleelsust ja võimsust. Traditsioonilises andmetöötluses nõuab suurem võimsus suurema tihedusega süsteeme. Suurem tihedus tähendab suuremat takistust ja suurem takistus tähendab rohkem soojust. See sunnib andmekeskusi nihutama palju energiat andmetöötluselt jahutusele, kusjuures kuni 40% andmekeskuse kogu energiatarbimisest kasutatakse serverite kokkuvarisemise vältimiseks.
AI-d toetav infrastruktuur on juba hädas ja on selge, et traditsiooniline andmetöötlus ei saa enam edasist arengut toetada.
Majandusküsimused
Andmekeskuste operaatorid seisavad silmitsi finantsprobleemiga: kas piirata arvutustihedust nende praeguse jahutusseadmetega, mis takistab nende äritegevust, või nihutada termilisi piiranguid, põhjustades riistvara ja komponentide kiiremat vananemist, suurendades tegevuskulusid ja jäätmeid.
Lisaks on uute andmekeskuste ehitamise kulud samuti väga suured - McKinsey prognoosib, et 2030. aastaks on vaja 5,2 triljonit USA dollarit investeeringuid. Kui andmekeskused tuginevad jätkuvalt traditsioonilisele andmetöötlusele, on ebatõhusasse infrastruktuuri investeerimine tohutu finantsrisk. Ka tavatarbijaid mõjutavad kehvad majandustingimused; kuna tehisintellekt avaldab võrgule enneolematut survet ja andmekeskuste energianõudlus kasvab, siis elektrihinnad tõusevad. Need kulud kanduvad kiiresti kasvavate elektriarvete näol ümber ümbritsevatele majapidamistele.
