Искусственный интеллект не становится умнее, он становится более требовательным к ресурсам и дорогим.

Растущий спрос на вычислительную мощность для ИИ приводит к увеличению затрат

Недавний анализ MIT подчеркивает тревожную тенденцию в разработке больших языковых моделей (LLM): значительное увеличение вычислительной мощности, необходимой для обучения этих систем, приводит к росту операционных затрат. Исследование показывает, что вычислительная мощность, необходимая для 809 крупнейших языковых моделей, резко возросла, что вызывает обеспокоенность по поводу устойчивости достижений в области ИИ.

Средний спрос на вычислительную мощность для обучения LLM увеличился более чем в 10 раз за последние два года, что связано со сложностью моделей и масштабами их работы. Обучение одной LLM требовало примерно 1,5 миллиона часов работы GPU в 2020 году; к 2023 году эта цифра возросла до примерно 15 миллионов часов работы GPU.

Кроме того, исследователи MIT отметили, что потребление энергии, связанное с этими моделями, растет угрожающе быстрыми темпами, что может значительно способствовать выбросам углерода, если не будут внедрены устойчивые практики. Это вызывает беспокойство, поскольку индустрия ИИ стремится сбалансировать инновации с экологической ответственностью.

Эти выводы подчеркивают финансовую нагрузку на энергоснабжение систем ИИ, что может изменить бизнес-модели и повлиять на доступность технологий ИИ в различных секторах.