Kritikus áramfogyasztási gondok
A problémákat nemcsak Excel-táblákban lehet megtalálni; a valóságban már több áramszolgáltató is tapasztalt problémákat az ilyen MI-terhelések okozta harmonikus hullámok miatt. Komoly kockázatot jelent, ha ezek a hullámok egybeesnek a hálózati elemek rezonanciájával, ami akár a hálózat vagy a generátorok mechanikai károsodásához is vezethet.
Az amerikai energiaügyi minisztérium szerint az adatközpontok az Egyesült Államok teljes áramfogyasztásának 4,4%-át használták fel 2023-ban, és ez 2028-ra akár 6,7-12%-ot is elérhet. Az MI-tanítás miatti áramigények tehát nem csak technikai, hanem társadalmi problémává is válhatnak.
A megoldások útvesztője
A Microsoft, az Nvidia és az OpenAI kutatói három lehetséges irányt kínálnak: Szoftveres megoldásként, amikor a GPU-k kevésbé terheltek, mesterségesen plusz munkát adnak nekik, hogy elsimítsák a fogyasztást – bár ez extra költséget és gördülékeny együttműködést kíván a felhőkörnyezetben. Az új generációs GPU-k, például az Nvidia GB200 (Nvidia GB200) energiagyorsítóval képesek szabályozni a fogyasztási minimumot és az átmenetek sebességét, viszont ez is többletenergia-felhasználással jár. Végül az akkumulátoros helyi tárolórendszerek kiépítése a terhelési csúcsokat is képes lenne kisimítani, de ezek az eszközök rendkívül drágák.
Az igazi megoldás e három módszer kombinációja lehet, de ehhez szükség van a gyártók összefogására is. A kutatók az MI-keretrendszerek újragondolását, az adatközpontok és áramszolgáltatók jobb kommunikációját, valamint egységes, szabványos rendszerek kialakítását sürgetik – hogy a jövőben ne csak okos, hanem energiahatékony MI-t fejlesszünk.
