Облачные технологии и закон Мура: как не дать ИИ забрать все мощности мира
В 2019 году исследователи из калифорнийской лаборатории OpenAI создали алгоритм, который собирал кубик Рубика с помощью роботизированной руки. Для работы алгоритма потребовалось более тысячи ПК со специальными графическими чипами. Они несколько месяцев занимались интенсивными вычислениями. На обработку данных ушло около 2,8 гигаватт-часов электроэнергии. Это мощность, близкая к мощности, вырабатываемой за час тремя атомными электростанциями.
Проект OpenAI — красочная иллюстрация того, каким ресурсозатратным может быть машинное обучение. Масштабное распространение технологии сулит не только новые достижения в технологиях вроде распознавания лиц или беспилотных автомобилей, но и новые вызовы. Например, в покрытии потребностей в ресурсах — вычислительных и энергетических.
Аналитики из упомянутой Open AI выяснили, что вычислительная мощность, необходимая для ИИ, растет по экспоненте с 2012 года. Из отчета следует, что это число удваивается каждые 3,4 месяца. В период с 2012 по 2018 годы оно увеличилось в 300 тысяч раз. Спрос растет быстрее, чем темпы роста производительности, заложенные в закон Мура. Стоит заметить, что закон Мура в классической его формулировке уже не выполняется.
По словам исследователей из Synopsis, сейчас дата-лаборатории используют около 5 % от всей ежедневно потребляемой человечеством электроэнергии. По данным Nature, вычислительные центры по всему миру каждый год потребляют около 200 тераватт*часов энергии. Это больше, чем расход электричества в некоторых странах — например, в Казахстане или в Колумбии (81 и 69 тераватт*часов в 2018 году соответственно). Это далеко не предел —аналитики прогнозируют, что в течение пары лет на обработку потребуется более 20 % от всей электроэнергии.
Быстрорастущий спрос на вычислительные и энергетические мощности приводит к необходимости поиска новых способов его удовлетворения. В противном случае, прогресс в развитии ИИ и машинного обучения, который мы наблюдали последнее десятилетие, будет значительно замедляться. Необходимо продолжать работу над новыми архитектурами вычислительных систем, специализированными под эффективное решение узких задач, а также масштабировать существующие мощности.
Наглядный пример по первому направлению — это квантовые компьютеры. В отличие от классического суперкомпьютера, который потребляет от 1 до 10 мегаватт в год, вычислительные квантовые устройства позволяют достичь тех же вычислительных мощностей при решении определенных задач, но потратить всего 25 киловатт электроэнергии.
Второе направление — запуск новых эффективных дата-центров и развертывание облачной инфраструктуры. Один из привычных и уже опробованных методов снижения расхода энергопотребления — суперэффективные информационные фабрики с унифицированной вычислительной архитектурой, которая можно легко расширить для особенно энергоемких вычислительных задач. Такие системы появились около десяти лет назад, когда корпорациям вроде Amazon и Google понадобились огромные парки из сотен тысяч серверов.
Большая доля от пользователей публичных облачных хранилищ сейчас начинают прибегать к сервисам с функционалом, выходящим за рамки базовых вычислений. По данным исследования Flexera, среди респондентов, применяющих в работе облачные технологии для расчетов, растет интерес к машинному обучению. Так, 26 % опрошенных уже пользуются технологией, а 48 % респондентов планируют применять ее в будущем.
Аналитики Deloitte прогнозируют,что развитие будущего ПО — за облачными технологиями. Так, в феврале капитализация этого рынка превысила триллион долларов со скоростью роста в 45 %. При этом сегмент IaaS (вычислительная инфраструктура для решения задач клиентов) в 2019 году пересек оценку в 100 миллиардов долларов). Все новое и новое ПО захватывает мир, и это — только половина дела. Облачные технологии обеспечивают будущее этих новых сервисов.
Несмотря на высокое проникновение облачных сервисов в повседневную жизнь, мы находимся лишь в начале большого пути. Powerry является частью этого большого тренда: мы фокусируемся на развитии облачных технологий на базе искусственного интеллекта, а также строим и управляем крупными датацентрами, предоставляя рынку инфраструктуру для масштабных вычислений.
Этот материал опубликован на платформе бизнес-сообщества Forbes Экспертиза
Проект OpenAI — красочная иллюстрация того, каким ресурсозатратным может быть машинное обучение. Масштабное распространение технологии сулит не только новые достижения в технологиях вроде распознавания лиц или беспилотных автомобилей, но и новые вызовы. Например, в покрытии потребностей в ресурсах — вычислительных и энергетических.
Лимиты физики и энергия целой страны: что будет дальше
Аналитики из упомянутой Open AI выяснили, что вычислительная мощность, необходимая для ИИ, растет по экспоненте с 2012 года. Из отчета следует, что это число удваивается каждые 3,4 месяца. В период с 2012 по 2018 годы оно увеличилось в 300 тысяч раз. Спрос растет быстрее, чем темпы роста производительности, заложенные в закон Мура. Стоит заметить, что закон Мура в классической его формулировке уже не выполняется.
По словам исследователей из Synopsis, сейчас дата-лаборатории используют около 5 % от всей ежедневно потребляемой человечеством электроэнергии. По данным Nature, вычислительные центры по всему миру каждый год потребляют около 200 тераватт*часов энергии. Это больше, чем расход электричества в некоторых странах — например, в Казахстане или в Колумбии (81 и 69 тераватт*часов в 2018 году соответственно). Это далеко не предел —аналитики прогнозируют, что в течение пары лет на обработку потребуется более 20 % от всей электроэнергии.
Быстрорастущий спрос на вычислительные и энергетические мощности приводит к необходимости поиска новых способов его удовлетворения. В противном случае, прогресс в развитии ИИ и машинного обучения, который мы наблюдали последнее десятилетие, будет значительно замедляться. Необходимо продолжать работу над новыми архитектурами вычислительных систем, специализированными под эффективное решение узких задач, а также масштабировать существующие мощности.
Наглядный пример по первому направлению — это квантовые компьютеры. В отличие от классического суперкомпьютера, который потребляет от 1 до 10 мегаватт в год, вычислительные квантовые устройства позволяют достичь тех же вычислительных мощностей при решении определенных задач, но потратить всего 25 киловатт электроэнергии.
Второе направление — запуск новых эффективных дата-центров и развертывание облачной инфраструктуры. Один из привычных и уже опробованных методов снижения расхода энергопотребления — суперэффективные информационные фабрики с унифицированной вычислительной архитектурой, которая можно легко расширить для особенно энергоемких вычислительных задач. Такие системы появились около десяти лет назад, когда корпорациям вроде Amazon и Google понадобились огромные парки из сотен тысяч серверов.
Облако под контролем
Большая доля от пользователей публичных облачных хранилищ сейчас начинают прибегать к сервисам с функционалом, выходящим за рамки базовых вычислений. По данным исследования Flexera, среди респондентов, применяющих в работе облачные технологии для расчетов, растет интерес к машинному обучению. Так, 26 % опрошенных уже пользуются технологией, а 48 % респондентов планируют применять ее в будущем.
Аналитики Deloitte прогнозируют,что развитие будущего ПО — за облачными технологиями. Так, в феврале капитализация этого рынка превысила триллион долларов со скоростью роста в 45 %. При этом сегмент IaaS (вычислительная инфраструктура для решения задач клиентов) в 2019 году пересек оценку в 100 миллиардов долларов). Все новое и новое ПО захватывает мир, и это — только половина дела. Облачные технологии обеспечивают будущее этих новых сервисов.
Несмотря на высокое проникновение облачных сервисов в повседневную жизнь, мы находимся лишь в начале большого пути. Powerry является частью этого большого тренда: мы фокусируемся на развитии облачных технологий на базе искусственного интеллекта, а также строим и управляем крупными датацентрами, предоставляя рынку инфраструктуру для масштабных вычислений.
