گسترش الگوریتمی که مصرف برق هوش مصنوعی را تا ۹۵ درصد افت می‌دهد_دلچسب

مهندسان شرکت فناوری BitEnergy AI روش محاسباتی جدیدی گسترش داده‌اند که نیاز برق برنامه‌های هوش مصنوعی را تا ۹۵ درصد افت می‌دهد. یقیناً این الگوریتم تازه ایراداتی نیز دارد ولی باتوجه‌به تقاضای بالای کاربران به منفعت گیری از برنامه‌های هوش مصنوعی و مصرف فزاینده برق این فناوری، می‌توان آن را راهکاری برای صرفه‌جویی در مصرف برق دانست.

بر پایه گزارش Tech Xplore، مهندسان BitEnergy AI ادعا می‌کنند به‌منظور افت مقدار محاسبات موردنیاز برای اجرای برنامه‌های هوش مصنوعی راهی اشکار کرده‌اند تا نه‌فقط کارکرد را افت ندهد، بلکه مقدار برق مصرفی را نیز زیاد کم می‌کند.

روش تازه برای افت مقدار برق مصرفی هوش مصنوعی

منفعت گیری از اپلیکیشن‌های هوش مصنوعی به‌شکل روزافزونی زیاد تر می‌شود؛ همین امر به افزایش قابل‌دقت مصرف برق و هزینه‌های دیگر منجر شده است. مدل‌های زبانی بزرگ (LLMها) همانند ChatGPT به قوت محاسباتی بسیاری نیاز دارند که به نوبه خود مصرف برق را نیز افزایش می‌دهد.

برای مثال، ChatGPT اکنون در روز به نزدیک به ۵۶۴ مگاوات‌ساعت برق نیاز دارد که این رقم برای فراهم برق ۱۸ هزار خانه در آمریکا کافی است. ازآن‌جایی‌که فناوری هوش مصنوعی به این نقطه بسنده نمی‌کند و مدام گسترش یافتهتر می‌شود، کارشناسان می‌گویند برق مصرفی اپلیکیشن‌های هوش مصنوعی امکان پذیر در چند سال آینده به نزدیک به ۱۰۰ تراوات‌ساعت در سال برسد، تقریباً هم‌اندازه‌ انرژی موردنیاز برای استخراج بیت‌کوین.

اکنون محققان BitEnergy AI به‌جای منفعت گیری از روش پیچیده «ضرب نقطه شناور» (FPM)، الگوریتم فرد دیگر ابداع کرده‌اند. اکنون اپلیکیشن‌ها از روش محاسباتی FPM برای مدیریت اعداد زیاد بزرگ یا کوچک منفعت گیری می‌کنند تا بتوانند محاسبات را با دقت زیاد بالایی انجام بدهند. این روش خود یکی از پرمصرف‌ترین قسمت‌های محاسباتی هوش مصنوعی است.

روش تازه که «ضرب پیچیدگیِ-خطی» (L-Mul) نام دارد، از الگوریتم ساده‌تری منفعت گیری می‌کند اما می‌تواند همان دقت FPM را داشته باشد. این روش امکان پذیر مصرف انرژی سیستم‌های هوش مصنوعی را تا ۹۵ درصد افت دهد.

ازآن‌جایی‌که این الگوریتم تازه، فرایندی کاملاً تازه است، سخت‌افزارهای محبوب و حاضر در بازار، همانند پردازشگرهای گرافیکی انویدیا، برای مدیریت این الگوریتم طراحی نشده‌اند؛ به این علت حتی اگر کارکرد الگوریتم BitEnergy AI در همان سطح FPM قبول شود، تا این مدت نیاز به سیستم‌هایی دارد که بتوانند آن را مدیریت کنند.