Tekoälystä (AI) on tulossa osa jokapäiväistä elämää monille ihmisille ympäri maailmaa. Yksilötasolla ihmiset käyttävät yhä enemmän tekoälymalleja hakukyselyissä. Vaikka Google hallitsee edelleen hakumarkkinoita, ChatGPT on muodostanut merkittävimmän uhan sen hallitsevalle asemalle.
Yritystasolla mikään toimiala ei jää ulkopuolelle, maataloudesta terveydenhuoltoon, rahoituksesta viihteeseen. Organisaatiot ympäri maailmaa integroivat tekoälyn osaksi päivittäistä toimintaansa.
Tekoälyn kysynnän ja käytön maailmassa odotetaan kasvavan eksponentiaalisesti tulevina vuosina, joten teknologiayritykset vastaavat tähän kehitykseen rakentamalla massiivisia datakeskuksia. Mutta tällä kasvulla on hintansa: energiankulutus, taloudelliset kustannukset ja ympäristövaikutukset. Perinteinen tietojenkäsittely ei yksinkertaisesti pysty pysymään kasvavien tietojenkäsittely- ja energiatarpeiden mukana. Tekoälyvallankumouksen ylläpitämiseksi meidän on mietittävä uudelleen nykyaikaisen tietojenkäsittelyn fysiikka.
Energiakysymykset
Vaikka tekoälyä ei otettaisi huomioon, sähköinen tietojenkäsittely on kriittisessä vaiheessa. Mooren laki epäonnistuu, Dennardin skaalaus on hajonnut, ja seurauksena on "tumma piin" leviäminen, piirin transistoreiden osat, joiden on pysyttävä ilman virtaa tai käyttämättöminä ylikuumenemisen välttämiseksi.
Suuren tekoälymallin kouluttaminen ei ole helppoa. Suuret kielimallit (LLM) on koulutettu valtaviin tietomääriin ja niillä on biljoonia parametreja. Ne ennustavat, mittaavat, säätävät ja toistavat prosessin miljardeja kertoja. Tekoälymallien kouluttamiseen tarvittavan laskentatehon arvioidaan kaksinkertaistuvan kuuden kuukauden välein.
Näin suurten tietomäärien käsittely ja siirtäminen vaatii valtavaa rinnakkaisuutta ja tehoa. Perinteisessä laskennassa suurempi teho vaatii suuremman tiheyden järjestelmiä. Suurempi tiheys tarkoittaa enemmän vastusta ja suurempi vastus lisää lämpöä. Tämä pakottaa palvelinkeskukset siirtämään paljon energiaa tietojenkäsittelystä jäähdytykseen, ja jopa 40 % datakeskusten kokonaisenergiankulutuksesta käytetään estämään palvelinten sulamista.
Tekoälyä tukeva infrastruktuuri kamppailee jo nyt, ja on selvää, että perinteinen tietojenkäsittely ei voi enää tukea tulevaa kehitystä.
Taloudelliset kysymykset
Palvelinkeskusten operaattorit kohtaavat taloudellista ongelmaa: joko rajoittavat laskentatiheyttä nykyisten jäähdytystilojensa kestävyyteen, mikä haittaa heidän liiketoimintaansa, tai nostaa lämpörajoja, mikä aiheuttaa laitteiston ja komponenttien nopeutettua ikääntymistä, lisää käyttökustannuksia ja hukkaa.
Lisäksi uusien palvelinkeskusten rakentamisen kustannukset ovat myös erittäin korkeat - McKinsey ennustaa, että vuoteen 2030 mennessä tarvitaan 5,2 biljoonaa dollaria investointeja. Jos palvelinkeskukset jatkossakin luottavat perinteiseen tietojenkäsittelyyn, investoiminen tehottomaan infrastruktuuriin on valtava taloudellinen riski. Huono taloustilanne vaikuttaa myös tavallisiin kuluttajiin; kun tekoäly asettaa ennennäkemättömän paineen verkkoon ja datakeskusten tehon kysyntä kasvaa, sähkön hinnat nousevat. Nämä kustannukset siirtyvät lähitalouksille nopeasti nousevien sähkölaskujen muodossa.
