من مساعدي الطيارين وروبوتات الدردشة إلى التحليلات المتقدمة والأتمتة، أصبحت أنظمة الذكاء الاصطناعي الآن جزءًا لا يتجزأ من كيفية عمل المؤسسات وتنافسها. ومع ذلك، مع تسارع وتيرة اعتماد هذه التكنولوجيات، أصبحت قضية أقل وضوحا محل تركيز حاد: ألا وهي الطاقة.
المؤسس المشارك والرئيس التنفيذي لشركة Multiverse Computing.
يتطلب تدريب وتشغيل نماذج اللغات الكبيرة (LLMs) موارد حسابية هائلة، وكل طبقة إضافية من التعقيد تترجم مباشرة إلى استخدام أعلى للطاقة.
يستمر المقال أدناه
ويثير هذا المسار سؤالا بالغ الأهمية لمستقبل الذكاء الاصطناعي: إلى متى يمكن أن يستمر الابتكار على مسار يعتمد على استهلاك الطاقة المتزايد باستمرار؟
القيود المفروضة على الطاقة تشكل مستقبل الذكاء الاصطناعي
لقد أمضت صناعة الذكاء الاصطناعي العقد الماضي في مطاردة النطاق. لقد أدت النماذج الأكبر حجمًا والمزيد من المعلمات ومجموعات البيانات الأكبر إلى تحقيق مكاسب مذهلة في الأداء. وفي الوقت نفسه، ارتفعت تكلفة تحقيق هذه المكاسب بشكل حاد.
لم تعد أسعار الكهرباء وقدرة الشبكة وتوافر مركز البيانات اعتبارات أساسية. لقد أصبحوا عوامل مقيدة. وفي العديد من المناطق، أصبح الوصول إلى الطاقة الكافية الآن يشكل عائقاً استراتيجياً، وهو ما يشكل المكان الذي يمكن بناء البنية التحتية للذكاء الاصطناعي ومن يستطيع تحمل تكاليف استخدامه.
وبالنسبة للشركات، فإن هذا يخلق توتراً متزايداً. يعد الذكاء الاصطناعي المتقدم بالكفاءة والميزة التنافسية، ومع ذلك فإن التكاليف التشغيلية لتشغيل النماذج الكبيرة يمكن أن تكون باهظة. وبالنسبة للحكومات والجهات التنظيمية، فإن التحدي أوسع نطاقا: تحقيق التوازن بين النمو الاقتصادي الذي يقوده الذكاء الاصطناعي وأهداف الاستدامة ومرونة الشبكة.
وبدون تغييرات في كيفية بناء أنظمة الذكاء الاصطناعي ونشرها، فإن الطلب على الطاقة يهدد بإبطاء التقدم في اللحظة التي يكون فيها الزخم أقوى.
يعد الذكاء الاصطناعي الفعال من حيث التكلفة أمرًا ضروريًا لاعتماده على نطاق أوسع
غالبًا ما تركز المحادثة حول دمقرطة الذكاء الاصطناعي على الوصول إلى الأدوات أو النماذج. ومن الناحية العملية، تلعب القدرة على تحمل التكاليف دورًا لا يقل أهمية. إذا ظل تشغيل الذكاء الاصطناعي المتقدم باهظ التكلفة، فإن فوائده سوف تتركز في أيدي عدد قليل من المؤسسات الكبيرة التي تتمتع بأعمق الموارد والبنية التحتية الأكثر قوة.
معظم الشركات لا تحتاج إلى أكبر نموذج ممكن متاح. إنهم بحاجة إلى أنظمة تقدم نتائج موثوقة بتكلفة يمكن التنبؤ بها. وهذا ينطبق بنفس القدر على مؤسسات القطاع العام والمصنعين والمؤسسات المتوسطة الحجم كما ينطبق على الشركات الناشئة.
يعمل الذكاء الاصطناعي الموفر للطاقة على تقليل حاجز الدخول. انخفاض متطلبات الطاقة يعني انخفاض تكاليف التشغيل، ونشر أبسط، وقيود أقل على البنية التحتية. بالنسبة لمراكز البيانات، يُترجم ذلك إلى استخدام أكثر كفاءة للسعة الحالية، وتقليل متطلبات التبريد وتقليل الحاجة إلى التوسع المستمر.
تسمح النماذج المحسنة للمؤسسات بالقيام بالمزيد باستخدام البنية التحتية الموجودة لديها بالفعل، مما يخفف الضغط على إمدادات الطاقة مع تحسين الاقتصاد بشكل عام.
كما تتيح الكفاءة أيضًا نماذج نشر جديدة. يمكن تشغيل أنظمة الذكاء الاصطناعي الأصغر حجمًا والمضغوطة محليًا على أجهزة مثل الهواتف الذكية وأجهزة الكمبيوتر المحمولة والمركبات وحتى الأجهزة المنزلية أو الصناعية.
ومن خلال تقريب المعلومات من مكان إنشاء البيانات، يمكن للمؤسسات تقليل زمن الوصول وتحسين الموثوقية والحد من الاعتماد على البنية التحتية السحابية المركزية. بالنسبة للعديد من حالات الاستخدام، يعد ذلك ميزة عملية بالإضافة إلى فوز الاستدامة.
لا يزال بإمكان النماذج الأصغر تحقيق نتائج قوية
هناك افتراض واسع النطاق بأن تقليص النماذج يعني حتماً التضحية بالدقة. إن التقدم في تحسين النموذج يمثل تحديًا لهذه الفكرة.
تسمح تقنيات مثل الضغط والتشذيب والتحسين بتقليل حجم LLMs بشكل كبير مع الحفاظ على الأداء في المهام الواقعية.
يتيح ذلك للمؤسسات نشر نماذج الذكاء الاصطناعي الفعالة في البيئات التي تكون فيها الأنظمة واسعة النطاق غير عملية أو غير اقتصادية، دون التضحية بالأداء المطلوب لتطبيقات المؤسسة.
التأثير دراماتيكي. يمكن أن تكون النماذج المضغوطة أصغر بنسبة تصل إلى 95%، مما يتطلب ذاكرة وحوسبة أقل بكثير. ويترجم هذا التخفيض مباشرة إلى استهلاك أقل للطاقة واستدلال أسرع، مع الحفاظ على مستوى الدقة الذي تتوقعه المؤسسات.
يحول هذا النهج التركيز من قياس القوة الغاشمة إلى التصميم الذكي. وبدلاً من التعامل مع الحجم كبديل للجودة، فإنه يعطي الأولوية للكفاءة والدقة وقابلية التطبيق في العالم الحقيقي.
الاستدامة والقدرة التنافسية يسيران جنبا إلى جنب
ومع تحول الذكاء الاصطناعي إلى جزء أساسي من البنية التحتية الرقمية، فإن بصمته البيئية ستصبح ذات أهمية متزايدة. تتعرض الشركات لضغوط للوفاء بالتزاماتها البيئية والاجتماعية والحوكمة، ويولي العملاء اهتمامًا أكبر لكيفية تقديم الخدمات الرقمية. وفي الوقت نفسه، تقوم الحكومات بتقييم مدى ملاءمة الذكاء الاصطناعي لتخطيط الطاقة على المدى الطويل.
ويتوافق الذكاء الاصطناعي الموفر للطاقة مع كل هذه الأولويات. يؤدي انخفاض استهلاك الطاقة إلى تقليل الانبعاثات وتخفيف الضغط على الشبكات وتحسين اقتصاديات النشر. كما أنه يجعل الذكاء الاصطناعي أكثر مرونة وأقل اعتمادا على الموارد النادرة وأكثر ملاءمة للنطاق العالمي.
إن التحول نحو الكفاءة لا يتطلب إبطاء الإبداع. بل على العكس من ذلك، فهو يخلق مجالاً للنمو عن طريق إزالة أحد أهم القيود التي تواجه الصناعة.
بناء المرحلة التالية من الذكاء الاصطناعي
سوف يتشكل الفصل التالي من الذكاء الاصطناعي بشكل أقل من خلال مدى فعالية النماذج التي يمكن نشرها. ويعتمد التقدم على أنظمة قوية وعملية ومستدامة.
يتطلب تحقيق هذا التوازن التعاون عبر النظام البيئي – بدءًا من الباحثين الذين يطورون بنيات أصغر حجمًا إلى المؤسسات التي تعيد التفكير في كيفية ومكان نشر الذكاء الاصطناعي. كما يدعو إلى تعريف أوسع للابتكار، تعريف يقدر الكفاءة إلى جانب الأداء الخام.
يتمتع الذكاء الاصطناعي بالقدرة على تحويل الصناعات وتحسين الإنتاجية ومواجهة التحديات العالمية المعقدة. إن ضمان بقاء التحول سهلا ومستداما سيحدد مدى تقاسم هذه الفوائد على نطاق واسع.
ويعد حل تحدي الطاقة الذي يواجهه الذكاء الاصطناعي جزءًا من هذا العمل. وإذا تم تنفيذه بشكل جيد، فإنه يفتح الباب أمام مستقبل لا يقتصر فيه الذكاء المتقدم على استهلاك الطاقة، بل يتم تمكينه من خلال تصميم أكثر ذكاءً.
لقد أبرزنا أفضل منشئ مواقع الويب بالذكاء الاصطناعي.
تم إنتاج هذه المقالة كجزء من قناة Expert Insights التابعة لـ TechRadarPro حيث نعرض أفضل وألمع العقول في صناعة التكنولوجيا اليوم. الآراء الواردة هنا هي آراء المؤلف وليست بالضرورة آراء TechRadarPro أو Future plc. إذا كنت مهتمًا بالمساهمة، اكتشف المزيد هنا: https://www.techradar.com/news/submit-your-story-to-techradar-pro
التعليقات