لزوم بازنگری در مصرف انرژی هوش مصنوعی

رشد روزافزون مدل‌های هوش مصنوعی و افزایش تقاضا برای پردازش استنباطی (Inference) باعث شده مصرف برق به یکی از چالش‌های اصلی این صنعت تبدیل شود. بر اساس گزارش TechCrunch، رویکرد جدید یک شرکت نوپا ممکن است این معادله را به کلی تغییر دهد.

Unconventional AI و معماری کاملاً متفاوت

استارتاپ Unconventional AI که توسط ناوین رائو، رئیس سابق هوش مصنوعی Databricks تأسیس شده، معماری جدیدی مبتنی بر نوسانگرها (Oscillator) ارائه کرده است. این معماری از اساس با تراشه‌های رایج در کامپیوترهای امروزی و مدل‌های زبانی بزرگ (LLM) تفاوت دارد. طبق ادعای رائو، این فناوری می‌تواند مصرف انرژی را تا ۱۰۰۰ برابر کاهش دهد.

برای اثبات عملی این ادعا، این شرکت نخستین مدل خود با نام Un-0 را منتشر کرده است: یک سیستم تولید تصویر که عملکردی مشابه مدل‌های پیشرفته‌ای مانند Stable Diffusion یا GPT Image 1 دارد، اما روی شبیه‌سازی نرم‌افزاری از تراشه‌های نوسانگری اجرا شده است. مقاله علمی همراه این مدل نشان می‌دهد کیفیت خروجی آن با مدل‌های پیشرفته انتشار (Diffusion Models) برابری می‌کند.

گام بعدی: تراشه واقعی و زیرساخت کامل

مدل Un-0 فعلاً روی یک شبیه‌ساز اجرا می‌شود، اما این شرکت قصد دارد به‌زودی نقشه‌های تراشه واقعی را منتشر کند. سپس برنامه دارند یک پشته استنباط کامل (Inference Stack) بسازند و مانند دیگر ارائه‌دهندگان، ظرفیت پردازشی در اختیار مشتریان قرار دهند. رائو می‌گوید: «ما نوع جدیدی از سیستم متشکل از تراشه‌هایمان خواهیم ساخت، مدل‌های هوش مصنوعی را روی آن اجرا می‌کنیم و ورودی و خروجی از طریق کابل شبکه انجام می‌شود، اما همه اینها با یک هزارم مصرف انرژی فعلی».

چرا این خبر برای ایران اهمیت دارد؟

در ایران نیز توسعه هوش مصنوعی و استفاده از مدل‌های قدرتمند با محدودیت‌های انرژی و هزینه‌های بالای زیرساخت روبه‌رو است. کاهش شدید مصرف برق می‌تواند دسترسی به پردازش‌های هوش مصنوعی را دموکراتیک‌تر کند و مانع از انحصار غول‌های فناوری شود. شاید این معماری جدید روزی به تراشه‌های کم‌مصرفی منجر شود که حتی در دستگاه‌های معمولی نیز قابل استفاده باشند.

محدودیت‌ها و آینده

Unconventional AI هنوز کمتر از ۵۰ کارمند دارد و راه زیادی تا تولید انبوه تراشه‌هایش دارد. اما اگر وعده کاهش هزار برابری مصرف انرژی محقق شود، می‌تواند یکی از بزرگ‌ترین موانع مقیاس‌پذیری هوش مصنوعی را از میان بردارد. رائو می‌گوید: «مقیاس‌پذیری هوش مصنوعی به‌خاطر مشکل انرژی دشوار خواهد بود. این محدودیت بنیادین سال‌های آینده است و نمی‌شود از آن گذشت؛ در نهایت این یک مسئله محدود به انرژی است».

با توجه به سرمایه‌گذاری‌های عظیم در حوزه هوش مصنوعی و پیش‌بینی تقاضای سرسام‌آور برای استنباط، شاید معماری‌های جایگزین تنها راه برون‌رفت از این بحران باشند.