ปัญญาประดิษฐ์ (AI) กำลังกลายเป็นส่วนหนึ่งของชีวิตประจำวันของผู้คนจำนวนมากทั่วโลก ในระดับบุคคล ผู้คนใช้โมเดล AI สำหรับคำค้นหามากขึ้น แม้ว่า Google ยังคงครองตลาดการค้นหา แต่ ChatGPT ก็เป็นภัยคุกคามที่สำคัญที่สุดในการครอบงำ
ในระดับธุรกิจ ไม่มีอุตสาหกรรมใดถูกละเลย ตั้งแต่การเกษตรไปจนถึงการดูแลสุขภาพ จากการเงินไปจนถึงความบันเทิง องค์กรต่างๆ ทั่วโลกกำลังบูรณาการ AI เข้ากับการดำเนินงานประจำวันของตน
ความต้องการและการใช้ AI ของโลกคาดว่าจะเพิ่มขึ้นอย่างมากในอีกไม่กี่ปีข้างหน้า ดังนั้นบริษัทเทคโนโลยีจึงตอบสนองต่อการพัฒนานี้ด้วยการสร้างศูนย์ข้อมูลขนาดใหญ่ แต่การเติบโตนี้มาพร้อมกับต้นทุน: การใช้พลังงาน ต้นทุนทางเศรษฐกิจ และผลกระทบต่อสิ่งแวดล้อม คอมพิวเตอร์แบบเดิมไม่สามารถทันกับความต้องการด้านคอมพิวเตอร์และพลังงานที่เพิ่มขึ้นได้ เพื่อรักษาการปฏิวัติ AI เราต้องคิดใหม่เกี่ยวกับฟิสิกส์ของคอมพิวเตอร์สมัยใหม่
ปัญหาด้านพลังงาน
แม้ว่าจะไม่คำนึงถึง AI แต่การประมวลผลแบบอิเล็กทรอนิกส์ก็ยังอยู่ในช่วงหัวเลี้ยวหัวต่อที่สำคัญ กฎของมัวร์กำลังล้มเหลว การปรับขนาดของ Dennard พังทลายลง และผลลัพธ์ก็คือการเพิ่มจำนวนของ "ดาร์กซิลิคอน" ซึ่งเป็นส่วนของทรานซิสเตอร์บนชิปที่ต้องไม่มีการใช้พลังงานหรือไม่ได้ใช้งานเพื่อหลีกเลี่ยงความร้อนสูงเกินไป
การฝึกอบรมโมเดล AI ขนาดใหญ่ไม่ใช่เรื่องง่าย โมเดลภาษาขนาดใหญ่ (LLM) ได้รับการฝึกอบรมเกี่ยวกับข้อมูลจำนวนมหาศาลและมีพารามิเตอร์หลายล้านล้านรายการ พวกเขาคาดการณ์ วัดผล ปรับเปลี่ยน และทำซ้ำกระบวนการนับพันล้านครั้ง มีการประมาณการว่าพลังการประมวลผลที่จำเป็นสำหรับการฝึกโมเดล AI จะเพิ่มขึ้นสองเท่าทุกๆ หกเดือน
การประมวลผลและการย้ายข้อมูลจำนวนมากจำเป็นต้องอาศัยการทำงานแบบขนานและพลังมหาศาล ในการประมวลผลแบบดั้งเดิม พลังงานที่สูงกว่าต้องใช้ระบบที่มีความหนาแน่นสูงกว่า ความหนาแน่นที่สูงขึ้นหมายถึงความต้านทานที่มากขึ้น และความต้านทานที่มากขึ้นหมายถึงความร้อนที่มากขึ้น สิ่งนี้บังคับให้ศูนย์ข้อมูลเปลี่ยนพลังงานจำนวนมากจากการประมวลผลไปสู่การระบายความร้อน โดยมีการใช้พลังงานถึง 40% ของศูนย์ข้อมูลทั้งหมดเพื่อป้องกันการล่มสลายของเซิร์ฟเวอร์
โครงสร้างพื้นฐานที่รองรับ AI กำลังประสบปัญหาอยู่แล้ว และเป็นที่ชัดเจนว่าการประมวลผลแบบเดิมไม่สามารถรองรับการพัฒนาในอนาคตได้อีกต่อไป
ประเด็นทางเศรษฐกิจ
ผู้ดำเนินการศูนย์ข้อมูลกำลังเผชิญกับปัญหาทางการเงิน: จำกัดความหนาแน่นของการประมวลผลให้เหลือเพียงสิ่งที่ระบบทำความเย็นในปัจจุบันสามารถจัดการได้ ขัดขวางความสามารถทางธุรกิจของตน หรือผลักดันขีดจำกัดด้านความร้อน ส่งผลให้ฮาร์ดแวร์และส่วนประกอบมีอายุเร็วขึ้น ค่าใช้จ่ายในการดำเนินงานและความสูญเปล่าเพิ่มขึ้น
นอกจากนี้ ค่าใช้จ่ายในการสร้างศูนย์ข้อมูลใหม่ยังสูงมาก - McKinsey คาดการณ์ว่าจะต้องมีการลงทุน 5.2 ล้านล้านดอลลาร์สหรัฐภายในปี 2573 หากศูนย์ข้อมูลยังคงพึ่งพาการประมวลผลแบบเดิม การลงทุนในโครงสร้างพื้นฐานที่ไม่มีประสิทธิภาพจะทำให้เกิดความเสี่ยงทางการเงินครั้งใหญ่ ผู้บริโภคทั่วไปยังได้รับผลกระทบจากภาวะเศรษฐกิจที่ย่ำแย่ เนื่องจาก AI สร้างแรงกดดันอย่างที่ไม่เคยเกิดขึ้นมาก่อนต่อความต้องการพลังงานไฟฟ้าของกริดและศูนย์ข้อมูลที่เพิ่มขึ้น ราคาไฟฟ้าจึงเพิ่มสูงขึ้น ค่าใช้จ่ายเหล่านี้จะถูกส่งต่อไปยังครัวเรือนโดยรอบในรูปแบบของค่าไฟฟ้าที่เพิ่มขึ้นอย่างรวดเร็ว
