يجب أن تعلم | في صلب الموضوع | للاطلاع | رقم اليوم | شخصية اليوم | مصطلح اليوم
بحث جديد من جوجل: كيف يمكن تخفيف تأثير الذكاء الاصطناعي على البيئة؟
عارضت جوجل هذا الأسبوع النتائج التي قدمتها الأبحاث السابقة بأن نماذج الذكاء الاصطناعي الكبيرة يمكن أن تساهم بشكل كبير في انبعاثات الكربون. وفي ورقة بحثية بعنوان "انبعاثات الكربون وتدريب الشبكات العصبونية الكبيرة"، قال الباحثون في الشركة إن اتباع إستراتيجيات معينة في تصميم النموذج واختيار مركز البيانات والمعالجات المستخدمة في التدريب يمكن أن يقلل من انبعاثات الكربون بما يصل إلى 1,000 مرة وأن "سوء الفهم" حول دورة حياة النماذج ساهم في "سوء تقدير" تأثيراتها على البيئة.
تقدم الدراسة أكثر التقديرات دقة حتى الآن حول الأثر الكربوني لبعض أحدث هذه النماذج وهي: تي-5 (نموذج لغوي)، ومينا (بوت دردشة)، وجي-شارد (منصة ترجمة)، وسويتش ترانسفورمر (خوارزمية توجيه)، وجي بي تي-3 (نموذج لغوي). وعلى سبيل المثال، وفقاً للدراسة، أطلقت شركة أوبن إيه آي ما يكافئ 552 طناً مترياً من ثاني أكسيد الكربون أثناء عملية تدريب نموذجها اللغوي الشهير جي بي تي-3، أي ما يعادل الكمية الناتجة عن قيادة 120 سيارة ركاب لمدة عام. بينما أدى بوت الدردشة مينا (Meena) من جوجل ما يكافئ 96 طناً مترياً من ثاني أكسيد الكربون. أي ما يعادل الكمية الناتجة عن تزويد 17 منزلاً بالطاقة الكهربائية لمدة عام.
وتوصلت الدراسة إلى أن هناك ثلاثة عوامل تلعب دوراً رئيسياً في درجة تأثير الذكاء الاصطناعي على البيئة:
- تصميم الخوارزمية: إعادة تصميم الخوارزميات والاعتماد على الشبكات العصبونية المتناثرة يؤدي إلى استهلاك طاقة أقل بمقدار 10 مرات مقارنة بالشبكات العصبونية التقليدية.
- نوع العتاد الصلب المستخدم في التدريب: الانتقال من استخدام وحدات معالجة الرسوميات (GPU) إلى شرائح آسيك من شأنه أن يخفض الطاقة اللازمة لتدريب الخوارزميات بمقدار 5 مرات. وقد يصل مستوى التخفيض إلى 10 مرات إذا ما تم الاعتماد على الإصدارات الأحدث من هذه الشرائح عوضاً عن الإصدارات القديمة.
- مصدر الكهرباء في المكان الذي يجري فيه التدريب: يقول الباحثون إن استبدال مركز البيانات حيث يجري تدريب الخوارزمية من مكان يعتمد على الفحم بشكل أساسي لتوليد الكهرباء- مثل الهند- إلى مكان تعتمد فيه الشبكة الكهربائية على مصادر الطاقة المتجددة- مثل فنلندا- يخفض البصمة الكربونية بين 10 إلى 100 مرة.
تابع القراءة على موقعنا: الرابط
اقرأ مقالتنا ذات الصلة بالموضوع:
- تخيل أن الذكاء الاصطناعي يشبه النفط من زاويةٍ ما! الرابط
خبراء: الذكاء الاصطناعي لن يحدث تحولاً حقيقياً في مجال الرعاية الصحية قبل عقد على الأقل
لطالما وعد علماء الحاسوب وشركات التكنولوجيا الكبرى بأن أنظمة الذكاء الاصطناعي يمكن أن تُسهل عمل أنظمة الرعاية الصحية، ولكن حتى الآن لم تقترب أي شركة من الوفاء بهذا الوعد.
يقول أندرو إنج مؤسس فريق جوجل برين والأستاذ المساعد في جامعة ستانفورد: "في عالم التكنولوجيا، يميل التقدم إلى الحدوث ببطء ثم بشكل سريع للغاية. وأعتقد أننا ما زلنا في مرحلة التقدم البطيء في مجال الرعاية الصحية".
ويرى إنج أن الذكاء الاصطناعي ربما لن يُحدث تحولاً حقيقياً في مجال الرعاية الصحية قبل عقد آخر. وبالرغم من أن إدارة أوباما كانت قد مهدت الطريق لهذا الأمر، من خلال تحفيز أنظمة الرعاية الصحية على رقمنة السجلات الصحية للمرضى، عبر سن عدة قوانين، إلا أن الوعد بإنشاء أنظمة رعاية صحية مدعومة بالذكاء الاصطناعي لم يتحقق فعلياً.
وبحسب مسح أجراه موقع مدسكيب الطبي عام 2021، يعاني أكثر من 40% من الأطباء من الإرهاق، وتقول الغالبية العظمى منهم إن أبرز الأسباب هي المهام البيروقراطية، مثل إدخال الملاحظات، والتي غالباً ما يحتاجون إلى استكمالها في أوقات فراغهم.
وعلى الرغم من أن بعض الشركات- مثل نوانس إيه آي (Nuance AI)، التي استحوذت عليها مايكروسوفت مؤخراً- تعمل على تطوير أدوات يمكنها كتابة ملاحظات الطبيب، إلا أن هذه التكنولوجيا ليست أكثر من خدمة نسخ حتى الآن، ولا تزال هناك عقبات كبيرة أمام جعل التكنولوجيا جيدة بما يكفي بحيث يمكنها حقًا مساعدة الأطباء، بطريقة تقلل من أعباء العمل عليهم.
ويقول إنج إن الحل يكمن في جعل الخوارزميات أفضل، وجعلها تعالج المشكلات الصحيحة. وضرب مثالاً بتدريب الخوارزميات التي يجريها فريقه في مستشفى ستانفورد، حيث يمكنهم إثبات أن التكنولوجيا جيدة في اكتشاف الحالات المرضية المختلفة باستخدام الأشعة السينية بنفس درجة اختصاصي الأشعة.
ومع ذلك، فهناك فجوة بين إثبات هذا المفهوم وبين الاستخدام الفعلي. فإذا أخذ الباحث نفس الخوارزمية إلى مستشفى آخر يستخدم بروتوكول تصوير مختلف قليلاً، فإن نظام الذكاء الاصطناعي سيسجل أداء ضعيفاً، لأن الظروف تختلف عن تلك التي تم اختبار الخوارزمية فيها. وفي المقابل، يمكن لأي أخصائي أشعة بشري التوجه إلى مستشفى آخر وتقديم نفس الكفاءة في عمله!
الرابط (إنجليزي)
اطلع على مقالاتنا ذات الصلة:
- مايكروسوفت تستحوذ على شركة التعرف على الكلام (نوانس) مقابل حوالي 20 مليار دولار. الرابط
- كيف يساهم الذكاء الاصطناعي في قطاع الرعاية الصحية؟ الرابط
الذكاء الاصطناعي منخفض الطاقة: خيار المستقبل لتوسيع تطبيقاته
قبل عدة أعوام، شاركت فيفيان سزي الأستاذة بقسم الهندسة الكهربائية وعلوم الحاسوب بجامعة إم آي تي، في تطوير معايير ضغط الفيديو التي لا تزال قيد الاستخدام حتى اليوم. وتقول سزي إن مجهودها حالياً يتركز حول مجال جديد وهو إدخال تطبيقات الذكاء الاصطناعي إلى الهواتف الذكية والروبوتات الصغيرة. ويركز بحثها على تصميم شبكات عصبونية عميقة أكثر كفاءة في معالجة مقاطع الفيديو، وأجهزة أكثر كفاءة لتشغيل تلك التطبيقات.
وترى الباحثة أن التحدي الحالي يتمثل في تقليل متطلبات الحوسبة العالية التي يحتاجها الذكاء الاصطناعي، حيث يمكن لتحليل بيانات المستشعر والكاميرا في سيارة ذاتية القيادة أن يستهلك حوالي 2500 واط، بينما تبلغ قدرة الحوسبة للهاتف الذكي حوالي واحد واط فقط. لذا يجب سد هذه الفجوة.
وتقول إن تشغيل الذكاء الاصطناعي على الهواتف الذكية يعني أنه لن يكون من الضروري معالجة البيانات في السحابة الإلكترونية، وهو ما سيتيح لنا توسيع نطاق الذكاء الاصطناعي، وسيمنح المقيمين في البلدان النامية إمكانية الوصول إلى الذكاء الاصطناعي. كما أن هذا الأمر يسرع وقت الاستجابة عن طريق تقليل التأخير الناجم عن الاتصال بالخوادم البعيدة، وهو أمر بالغ الأهمية بالنسبة للتطبيقات التفاعلية مثل الواقع المعزز، والتي تحتاج إلى الاستجابة الفورية للظروف المتغيرة.
بيد أن المشكلة أن الشبكات العصبية العميقة تحتاج إلى إجراء مليارات العمليات الحسابية ونقل كمية كبيرة من البيانات من وإلى الذاكرة لإجراء هذه العمليات، ما يجعل الشبكات العميقة كثيفة الاستهلاك للطاقة.
لذا، تركز أبحاث سزي على تقليل حركة البيانات وتقليل كمية البيانات اللازمة لإجراء الحسابات. وتوضح أنه في بعض الشبكات العميقة يتم استخدام نفس البيانات عدة مرات لإجراء عمليات حسابية مختلفة. وتضيف: نقوم بتصميم أجهزة متخصصة لإعادة استخدام البيانات داخل الشريحة بدلاً من إرسالها إلى الخارج.
وفيما يتعلق بالتغييرات التي يتم إجرائها في جانب البرمجيات لتعزيز الكفاءة، تقول سزي إن إحدى الطرق التي طورها فريقها تسمى (NetAdapt)، وهي تعمل على أتمتة عملية تكييف وتحسين شبكة عميقة لتناسب الهواتف الذكية وغيرها من الأجهزة لزيادة الكفاءة.
وتوضح سزي أنها تعمل حالياً على عدة تطبيقات ذكاء اصطناعي منخفضة الطاقة، من ضمنها طريقة منخفضة التكلفة وربما أكثر فاعلية لتشخيص ومراقبة الأشخاص الذين يعانون من الاضطرابات العصبية، مثل مرضى الزهايمر، من خلال تتبع حركات أعينهم. وتقول إن أبحاثها تُظهر أن كاميرا الهاتف الذكي العادية يمكنها جمع البيانات بطريقة أسهل وأقل تكلفة، وهو ما يساعد على مراقبة تطور المرض وإجراء تحسينات في تجارب الأدوية السريرية.
الرابط (إنجليزي)
|
