تقرير: تغييرات بسيطة تقلل استهلاك نماذج الذكاء الاصطناعي للطاقة بنسبة 90%
AI بالعربي – متابعات
أظهر بحث جديد نشرته اليونسكو وجامعة لندن الجامعية (UCL) أن التغييرات الطفيفة في كيفية بناء نماذج اللغات الكبيرة واستخدامها يمكن أن تُخفّض استهلاك الطاقة بشكل كبير دون المساس بالأداء. ويدعو التقرير إلى التحول من نماذج الذكاء الاصطناعي كثيفة الموارد إلى نماذج أكثر إحكامًا. ويمكن لهذه الإجراءات مجتمعةً أن تُخفّض استهلاك الطاقة بنسبة تصل إلى 90%.
ضمان الاستخدام والتطوير الأفضل للذكاء الاصطناعي
لدى اليونسكو تفويضٌ بدعم دولها الأعضاء الـ 194 في تحوّلاتها الرقمية، وتزويدها بالرؤى اللازمة لتطوير سياسات ذكاء اصطناعي موفرة للطاقة، وأخلاقية، ومستدامة. في عام 2021، اعتمدت الدول الأعضاء في المنظمة بالإجماع توصية اليونسكو بشأن أخلاقيات الذكاء الاصطناعي ، وهي إطار حوكمة يتضمن فصلاً سياسياً يتناول تأثير الذكاء الاصطناعي على البيئة والنظم البيئية.
يدعو هذا التقرير الجديد، “الذكاء الاصطناعي الأذكى والأصغر والأقوى والأكثر كفاءة في استخدام الموارد ومستقبل التحول الرقمي”، الحكومات والصناعة إلى الاستثمار في البحث والتطوير في مجال الذكاء الاصطناعي المستدام، فضلاً عن محو الأمية في مجال الذكاء الاصطناعي، لتمكين المستخدمين من فهم التأثير البيئي لاستخدامهم للذكاء الاصطناعي بشكل أفضل واتخاذ قرارات أكثر استنارة.
حلول فعالة وسهلة الوصول للحد من التأثير البيئي للذكاء الاصطناعي
يستخدم أكثر من مليار شخص أدوات الذكاء الاصطناعي التوليدي يوميًا. يستهلك كل تفاعل طاقةً تبلغ حوالي 0.34 واط/ساعة لكل حث. ويصل هذا إلى 310 جيجاواط/ساعة سنويًا، أي ما يعادل استهلاك الكهرباء السنوي لأكثر من 3 ملايين شخص في دولة أفريقية منخفضة الدخل.
في هذا التقرير، أجرى فريق من علماء الحاسوب في جامعة لندن (UCL) سلسلة من التجارب المبتكرة على مجموعة متنوعة من نماذج اللغات الكبيرة (LLMs) مفتوحة المصدر. وحددوا ثلاثة ابتكارات تُمكّن من توفير كبير في الطاقة، دون المساس بدقة النتائج:
1- النماذج الأصغر حجمًا لا تقل ذكاءً ودقةً عن النماذج الكبيرة: فالنماذج الصغيرة المصممة لمهام محددة يمكنها خفض استهلاك الطاقة بنسبة تصل إلى 90%. يعتمد المستخدمون حاليًا على النماذج الكبيرة متعددة الاستخدامات لتلبية جميع احتياجاتهم. تُظهر الأبحاث أن استخدام نماذج أصغر مصممة لمهام محددة – مثل الترجمة أو التلخيص – يمكن أن يخفض استهلاك الطاقة بشكل كبير دون التأثير على الأداء. إنه نهج أذكى وأكثر كفاءة من حيث التكلفة والموارد: مطابقة النموذج المناسب للمهمة المناسبة، بدلاً من الاعتماد على نظام واحد كبير متعدد الاستخدامات.
للمطورين دورٌ أيضًا في عملية التصميم: ما يُسمى بنموذج ” مزيج الخبراء” هو نظامٌ يعمل عند الطلب، ويضم العديد من النماذج الأصغر حجمًا والمتخصصة. يُفعّل كل نموذج – على سبيل المثال، نموذج التلخيص أو نموذج الترجمة – فقط عند الحاجة لإنجاز مهمة محددة.
2- يمكن للإشارات والاستجابات الأقصر والأكثر إيجازًا أن تقلل من استخدام الطاقة بنسبة تزيد عن 50%.
3- يمكن أن يوفر ضغط النماذج ما يصل إلى 44% من الطاقة. يساعد تصغير حجم النماذج باستخدام تقنيات مثل التكميم على تقليل استهلاك الطاقة مع الحفاظ على الدقة.
النماذج الصغيرة أكثر سهولة في الوصول إليها
تتركز معظم البنية التحتية للذكاء الاصطناعي حاليًا في البلدان ذات الدخل المرتفع، مما يُهمل غيرها ويُعمّق التفاوتات العالمية. ووفقًا للاتحاد الدولي للاتصالات، فإن 5% فقط من مواهب الذكاء الاصطناعي في أفريقيا تتمتع بالقدرة الحاسوبية اللازمة لبناء أو استخدام الذكاء الاصطناعي المُولّد. وتُعدّ التقنيات الثلاث التي يستكشفها التقرير مفيدة بشكل خاص في البيئات منخفضة الموارد، حيث تندر الطاقة والمياه؛ بينما تكون النماذج الصغيرة أكثر سهولة في البيئات منخفضة الموارد ذات الاتصال المحدود.
