Искусственный интеллект за последний год увлек цифровой мир и его пытаются встроить почти в каждую вещь. Смартфоны и авто с искусственным интеллектом, замена работников искусственным интеллектом. Казалось бы, искусственный интеллект скоро увлечет мир. Но профессор Оскар Озолиньш по оптическим коммуникациям в Рижском техническом университете прогнозирует, что следует ожидать резкое торможение искусственного интеллекта, чем его мировое господство.

Прогнозы по остановке текущего взрывного распространения искусственного интеллекта основаны на глобальном кризисе вычислительной мощности. Индустрия процессоров и другого компьютерного железа дошла до лимита и последние годы топчется на месте.

Проще говоря, между экспоненциальным ростом потребностей искусственного интеллекта и продолжающейся глобальной цифровой трансформацией центрам обработки данных не хватает места. Уровень вакантности достигает рекордно низкого уровня, а цены растут в ответ на спрос, что вызывает большую обеспокоенность среди технических лидеров.

Если эта тенденция сохранится, то в какой-то момент мы дойдем до момента, когда мы больше не сможем выполнять все, что теоретически позволяют нам делать технологии, поскольку наша способность обрабатывать данные будет ограничена.

Возможно, наибольшее беспокойство вызывает то, что трансформационный потенциал искусственного интеллекта, который мы только начинаем использовать, будет подавлен чисто физическими ограничениями. Это будет препятствовать новому открытию и разработке более продвинутых моделей машинного обучения. То есть апокалипсис в результате глобального доминирования искусственного интеллекта откладывается.

Есть ли способ избежать кризиса вычислительной мощности? Поскольку масштабное сокращение наших вычислительных требований на самом деле не вариант, единственной альтернативой является значительное увеличение мощности, которое сводится к двум доступным направлениям действий: построить больше центров обработки данных и развить лучшую цифровую инфраструктуру.

Но это легче сказать, чем сделать.

Почему больше центров обработки данных – это не ответ

До сих пор растущий спрос на вычислительную мощность частично удовлетворялся строительством большего количества центров обработки данных.

По консервативным оценкам, объем недвижимости, занятой центрами обработки данных, рос примерно на 40% в год. Можно ожидать, что эта цифра остается достаточно стабильной, поскольку проблемы с электроснабжением и задержки строительства серьезно ограничивают расширение мощностей.

Иными словами, сегодня спрос невозможно удовлетворить просто путём наращивания строительства центров обработки данных.

Это тоже не должно быть тем, к чему мы стремимся. Каждый из этих ЦОД размером с футбольное поле поглощает огромное количество энергии и воды, нанося серьезную нагрузку на окружающую среду как локально, так и глобально. Один центр обработки данных может потреблять столько же электроэнергии и воды, сколько 50 000 домов, а углеродный след облаков уже превышает показатели авиационной промышленности.

Некоторые центры обработки данных прошли долгий путь в минимизации своего влияния на окружающую среду. Это в значительной степени благодаря жесткой гонке устойчивого развития, которая стимулировала инновации, в частности, касающиеся охлаждения и энергоэффективности. Сегодня вы найдете центры обработки данных в подземных шахтах, море и с использованием других возможностей естественного охлаждения, таких как водные потоки в фьордах, чтобы уменьшить потребление энергии и воды.

Проблема в том, что эти решения невозможно реализовать в глобальном масштабе и кипячение наших морей не является жизнеспособным путем вперед. Создание большего количества центров обработки данных — независимо от того, насколько они эффективны — будет продолжать наносить ущерб местным экосистемам и препятствовать национальным и международным усилиям по устойчивому развитию.

Думайте нестандартно

Все-таки два чипа лучше, чем один, если только если этот единственный чип не работает с двойной скоростью. Чтобы избежать сокращения пропускной способности, все надежды возлагаются на усовершенствование цифровой инфраструктуры, а именно чипов, коммутаторов, проводов и других компонентов, которые могут повысить скорость передачи данных и пропускную способность, потребляя меньше энергии.

Эволюция искусственного интеллекта зависит от поиска способов передавать больше данных, не тратя больше энергии.

По сути это означает две вещи. Во-первых, разработка более мощных чипов, ориентированных на искусственный интеллект. Во-вторых, повышение скорости передачи данных.

Разработка нестандартных микросхем для искусственного интеллекта

Имеющаяся цифровая инфраструктура не очень хорошо подходит для эффективного развития моделей машинного обучения. Центральные процессоры общего назначения (CPU), которые продолжают оставаться основными вычислительными компонентами в центрах обработки данных, трудно выполняют задачи, связанные с искусственным интеллектом, из-за недостаточной специализации и недостаточной вычислительной эффективности.

Графические процессоры (GPU) работают гораздо лучше в задачах искусственного интеллекта благодаря более высокой энергоэффективности и параллелизма. Вот почему все их хватают, что привело к дефициту этих микросхем.

Однако графические процессоры неизбежно врезаются в ту же кирпичную стену. Они не оптимизированы для задач искусственного интеллекта, что приводит к трате энергии и неоптимальной производительности при выполнении все более сложных и интенсивных данных требований современных программ искусственного интеллекта.

Вот почему такие компании как IBM разрабатывают микросхемы, адаптированные к вычислительным требованиям искусственного интеллекта, которые обещают получить максимальную производительность, минимизируя потребление энергии и пространство.

Улучшение пропускной способности передачи данных

Ни одна современная модель искусственного интеллекта не работает на одном чипе. Чтобы максимально использовать доступные ресурсы, несколько микросхем собирают в кластеры. Эти кластеры часто являются частью больших сетей, каждая из которых предназначена для конкретных задач.

Соответственно межсистемное соединение или система, облегчающая связь между чипами, кластерами и сетями, становится критически важным компонентом. Если она не сможет поддерживать скорость остальной системы, она рискует стать узким местом, препятствующим производительности.

Проблемы, связанные с устройствами передачи данных, отражают вызовы, связанные с чипами: они должны работать на высокой скорости, потреблять минимальную энергию и занимать как можно меньше физического пространства. Поскольку традиционные электрические соединения быстро достигают своих пределов пропускной способности и энергоэффективности, все взгляды сосредоточены на оптических вычислениях — в частности на кремниевой фотонике.

В отличие от электрических систем, оптические системы используют свет для передачи информации, обеспечивая ключевые преимущества в важных областях — фотонные сигналы могут распространяться со скоростью света и передавать данные с большей плотностью. Кроме того, оптические системы потребляют меньше энергии, а фотонные компоненты могут быть гораздо меньше, чем их электрические аналоги, что позволяет создавать более компактные чипы.

Проблемы роста передовых технологий

Основные слова здесь: может быть. Оптические вычисления, хотя они очень быстрые и энергоэффективные, сталкиваются с проблемами миниатюризации, совместимости и стоимости.

Оптические переключатели и другие компоненты могут быть более громоздкими и сложными, чем их электронные аналоги, что приводит к трудностям в достижении такого же уровня миниатюризации. В настоящее время мы еще не нашли материалы, которые могут действовать как эффективный оптический носитель и масштабируемые для вычислительных программ с высокой плотностью.

Переход на них также был бы тяжелым сражением. Центры обработки данных, как правило, оптимизированы для электронной, а не фотонной технологии, и интеграция оптических компонентов с существующей электронной архитектурой представляет серьезную проблему.

Кроме того, оптические вычисления, как и любая передовая разработка, еще не подтвердили себя в цифровой отрасли. Существует критическая нехватка исследований долгосрочной надежности оптических компонентов, особенно в условиях высокой нагрузки и стресса, характерных для центров обработки данных.

И в довершение всего – специальные материалы, необходимые для изготовления оптических компонентов, дорогие, что делает широкое внедрение потенциально непомерно дорогим, особенно для небольших центров обработки данных или центров с жесткими бюджетными ограничениями.

Итак, мы двигаемся достаточно быстро, чтобы избежать проблем?

Наверное, нет. Безусловно, не останавливать строительство дата-центров в краткосрочной перспективе.

Если вас это обрадует, знайте, что ученые и инженеры хорошо знают о проблеме и упорно работают над поиском решений, которые не уничтожат планету, постоянно раздвигая границы и достигая значительных успехов в оптимизации центров обработки данных, дизайне чипов и всех аспектах оптических вычислений.

Но есть серьезные вызовы, и важно решать их напрямую, чтобы современные технологии могли полностью реализовать свой потенциал.

По материалам: The Next Web