U doba kada umjetna inteligencija (AI) postaje dio svakodnevnog života, postaje sve važnije pitanje: koliko nas ta tehnologija zapravo košta. Dok se tehnološki giganti utrkuju u stvaranju sve moćnijih modela, paralelno se javlja ozbiljan ekološki izazov. Potreba za ogromnim količinama električne energije kako bi se pokrenuli ti sustavi dostiže razine koje su teško održive.
Međutim, novi znanstveni iskorak mogao bi promijeniti pravila igre. Istraživači iz tvrtke BitEnergy AI predstavili su inovativnu metodu koja bi mogla riješiti jedan od najvećih problema moderne tehnologije – energetsku neefikasnost. Njihova metoda, nazvana L-Mul (Množenje linearne složenosti), obećava smanjenje potrošnje energije čak i do 95 posto, uz minimalan utjecaj na preciznost i brzinu rada sustava.
Sadržaj...
Energetski problem umjetne inteligencije
Da bismo razumjeli zašto je nova metoda toliko važna, prvo moramo razumjeti kako umjetna inteligencija „razmišlja“. Većina suvremenih AI modela oslanja se na iznimno složene matematičke operacije koje koriste brojeve s pomičnim zarezom. Ti brojevi omogućuju sustavima da rade s izrazito velikim ili izrazito malim vrijednostima s visokom razinom preciznosti, što je ključno za kompleksne zadatke poput razumijevanja jezika ili prepoznavanja slika.
Problem leži u tome što su operacije množenja s pomičnim zarezom izuzetno zahtjevne za računalne procesore. Svaki takav izračun zahtijeva mnogo koraka i značajnu količinu električne energije. Kako modeli postaju veći i složeniji, njihova potreba za strujom raste eksponencijalno. Na primjer, procjene pokazuju da jedan ChatGPT troši dnevno energiju koja bi mogla opskrabiti čak 18.000 domaćinstava. Analitičari iz Cambridgea predviđaju da će industrija umjetne inteligencije do 2027. godine trošiti između 85 i 134 teravatsata godišnje, što predstavlja ogroman pritisak na globalne energetske mreže.
L-Mul: Pametnije izračunavanje umjesto jačeg naprezanja
Metoda L-Mul (Linear-Complexity Multiplication) nudi elegantno rješenje za ovaj problem. Umjesto da se oslanjaju na tradicionalne metode množenja s pomičnim zarezom, istraživači su razvili algoritam koji smanjuje složenost izračuna. Umjesto da koriste standardne operacije množenja, L-Mul koristi jednostavnije matematičke operacije koje zahtijevaju manje energije, ali i dalje daju točne rezultate.
Ova metoda omogućuje sustavima da rade brže i efikasnije, koristeći manje energije. Na primjer, sustavi koji koriste L-Mul mogu obaviti isti zadatak koristeći samo 5 posto energije u odnosu na tradicionalne metode. To je značajna prednost, posebno kada se razmatraju velike AI sustavi koji rade 24 sata dnevno.
Prednosti i izazovi nove metode
L-Mul donosi niz prednosti. Osim što značajno smanjuje energetsku potrošnju, metoda također omogućuje brže obrade podataka i veće efikasnosti. To znači da sustavi mogu obraditi veće količine podataka u istom vremenu, što je ključno za mnoge aplikacije, uključujući obradu prirodnog jezika i računalno vidjenje.
Međutim, iako L-Mul nudi značajne prednosti, postoji i niz izazova. Jedan od glavnih iz
Leave a Comment