سولارابيك – عمّان، الأردن – 22 يونيو 2023: يعمل الذكاء الاصطناعي (AI) على تشغيل كل شيء من الهواتف الذكية إلى السيارات ذاتية القيادة.
مع استمرار تطور أنظمة الذكاء الاصطناعي؛ فإنها تستهلك أيضًا المزيد من الطاقة.
ووفقًا لتقرير على موقع “ميركاتو” أدى هذا الطلب المتزايد على الطاقة إلى مخاوف بشأن التأثير البيئي للذكاء الاصطناعي والحاجة إلى المزيد من الخوارزميات الموفرة للطاقة.
استجابة لذلك، يركز الباحثون والمهندسون الآن على تحسين خوارزميات الذكاء الاصطناعي لتقليل استهلاك الطاقة وتحسين الكفاءة العامة.
الطرق
أحد الأسباب الرئيسية وراء الاستهلاك العالي للطاقة لأنظمة الذكاء الاصطناعي هو تعقيد الخوارزميات التي تستخدمها.
يتطلب التعلم العميق، وهو مجموعة فرعية من الذكاء الاصطناعي يركز على الشبكات العصبية، قدرًا هائلاً من القوة الحسابية لمعالجة مجموعات البيانات الكبيرة وتحليلها.
وهذا بدوره يؤدي إلى زيادة استهلاك الطاقة.
لمعالجة هذه المشكلة، يستكشف الباحثون تقنيات مختلفة لتحسين خوارزميات الذكاء الاصطناعي وجعلها أكثر كفاءة في استخدام الطاقة.
التقليم
أحد هذه الأساليب هو التقليم، يتضمن إزالة الاتصالات الزائدة عن الحاجة أو الأقل أهمية في الشبكة العصبية.
من خلال التخلص من هذه الاتصالات، تصبح الشبكة أكثر انسيابية وتتطلب طاقة حسابية أقل لمعالجة البيانات.
هذا لا يقلل من استهلاك الطاقة فحسب، بل يسرع أيضًا من أداء نظام الذكاء الاصطناعي.
لقد ثبت أن التقليم يقلل من استهلاك الطاقة للشبكات العصبية بنسبة تصل إلى 90٪ دون التأثير بشكل كبير على دقتها.
التكميم
طريقة أخرى لتحسين خوارزميات الذكاء الاصطناعي لتحسين كفاءة الطاقة هي التكميم.
تتضمن هذه التقنية تقليل دقة القيم العددية المستخدمة في الحسابات التي يقوم بها نظام الذكاء الاصطناعي.
باستخدام قيم منخفضة الدقة، يتطلب النظام ذاكرة وقدرة حسابية أقل؛ مما يؤدي إلى تقليل استهلاك الطاقة.
تم العثور على الكميات لتقليل استهلاك الطاقة لأنظمة الذكاء الاصطناعي بنسبة تصل إلى 75٪ مع الحفاظ على مستويات أدائها.
بالإضافة إلى التقليم والتكميم، يستكشف الباحثون أيضًا استخدام أجهزة أكثر كفاءة في استخدام الطاقة لأنظمة الذكاء الاصطناعي.
تطوير الشرائح
على سبيل المثال، أدى تطوير شرائح الذكاء الاصطناعي المتخصصة، مثل وحدات معالجة Tensor (TPU) من Google ووحدات معالجة الرسومات (GPU) الخاصة بشركة NVIDIA ، إلى تحسين كفاءة استخدام الطاقة لأنظمة الذكاء الاصطناعي بشكل كبير.
تم تصميم هذه الشرائح خصيصًا للتعامل مع العمليات الحسابية المعقدة التي تتطلبها خوارزميات الذكاء الاصطناعي؛ مما يسمح لها بمعالجة البيانات بشكل أكثر كفاءة واستهلاك طاقة أقل من وحدات المعالجة المركزية التقليدية.
طريقة أخرى واعدة لتحسين كفاءة الطاقة لأنظمة الذكاء الاصطناعي هي استخدام الحوسبة العصبية.
يتضمن هذا النهج تصميم أجهزة تحاكي بنية ووظيفة الدماغ البشري؛ مما يسمح بمعالجة أكثر كفاءة لخوارزميات الذكاء الاصطناعي.
أظهرت الشرائح العصبية ، مثل Loihi من Intel و TrueNorth من IBM ، إمكانات كبيرة في تقليل استهلاك الطاقة لأنظمة الذكاء الاصطناعي مع الحفاظ على مستويات عالية من الأداء.
مع استمرار انتشار الذكاء الاصطناعي في حياتنا اليومية، من الأهمية بمكان أن نجد طرقًا لجعل هذه الأنظمة أكثر كفاءة في استخدام الطاقة.
كفاءة الطاقة ضرورة
يمكن أن يؤدي تحسين خوارزميات الذكاء الاصطناعي من خلال تقنيات مثل التقليم والتكميم واستخدام الأجهزة المتخصصة إلى تقليل استهلاك الطاقة لأنظمة الذكاء الاصطناعي بشكل كبير؛ مما يساعد على التخفيف من تأثيرها البيئي.
علاوة على ذلك، فإن تطوير الحوسبة العصبية يحمل وعدًا كبيرًا لإنشاء أنظمة ذكاء اصطناعي أكثر كفاءة في استخدام الطاقة في المستقبل.
يشير التقرير إلى أن الطلب المتزايد على الطاقة لأنظمة الذكاء الاصطناعي يعد مصدر قلق ملح يجب معالجته لضمان استدامة هذه التكنولوجيا.
من خلال التركيز على تحسين خوارزميات الذكاء الاصطناعي واستكشاف حلول الأجهزة الجديدة، يمكن للباحثين والمهندسين المساعدة في تقليل استهلاك الطاقة لأنظمة الذكاء الاصطناعي وتمهيد الطريق لمستقبل أكثر كفاءة في استخدام الطاقة.
مع استمرار تطور الذكاء الاصطناعي وأصبح أكثر اندماجًا في حياتنا اليومية، من الضروري أن نعطي الأولوية لكفاءة الطاقة لتقليل التأثير البيئي لهذه التكنولوجيا التحويلية.
تابعونا على لينكيد إن Linked-in لمعرفة كل جديد عن الطاقة الشمسية..
نتمنى لكم يومًا مشمسًا..
المصدر: ميركاتو
