مجموعة تفكير حول استدامة تكنولوجيا المعلومات: كيف يمكن لتقنيات الذكاء الاصطناعي السحابي أن تساعد الشركات على التحول إلى اللون الأخضر
سعت حكومة المملكة المتحدة إلى أن تكون استباقية في نهجها لمعالجة تغير المناخ، والالتزام بأهداف طموحة مثل خفض انبعاثات الغازات المسببة للاحتباس الحراري بنسبة 68% على الأقل بحلول عام 2030 مقارنة بمستويات عام 1990 وتحقيق صافي الصفر بحلول عام 2050.
ودعمًا لهذه الأهداف، ستظهر الالتزامات في المقدمة مع قيام المنظمات بتطوير واستهلاك خدمات الذكاء الاصطناعي بالشراكة مع مقدمي الخدمات السحابية، التي تستضيف حاليًا معظم حلول تقنية الذكاء الاصطناعي.
في حين أن الذكاء الاصطناعي السحابي يمكن أن يسرع من تسليم الذكاء الاصطناعي إن القدرات، والمتطلبات التي تفرضها الذكاء الاصطناعي التوليدي (GenAI) بشكل خاص، يمكن أن تستهلك كميات هائلة من الطاقة والموارد الأخرى. لذا، بالإضافة إلى تقييم موفري الخدمات السحابية على قدرات الذكاء الاصطناعي لديهم، الاستدامة يعتبر الوضع هو الأولوية القصوى عند إجراء الاختيار.
إن الأساس هو الشراكة فقط مع مقدمي الخدمات السحابية الذين أظهروا التزامًا واضحًا بالاستدامة – ولكن هذه مجرد البداية. في نشر تطبيقات GenAI، هناك مجموعة من أفضل ممارسات الاستدامة والتحسين التي يمكن أن تخفف من العديد من التأثيرات البيئية استخدام منصات الذكاء الاصطناعي السحابية.
تكثيف استخدام الطاقة المتجددة
عند الإمكان، استخدم فقط خدمات GenAI المستندة إلى السحابة والمدعومة بالطاقة المتجددة. يشارك مزودو السحابة المستدامة إحصاءات الطاقة المتجددة لكل منطقة سحابية ومراكز بيانات سحابية محددة. احذر من التضليل البيئي الذي يحجب مصادر الطاقة التي تغذي مراكز البيانات السحابية، على الرغم من ذلك.
يحقق بعض مزودي الخدمات السحابية أهدافهم المتمثلة في “الطاقة المتجددة بنسبة 100%” من خلال استخدام شهادات الطاقة المتجددة. استخدم مراكز البيانات السحابية هذه فقط كخيار احتياطي، وليس كحل أساسي للوصول إلى الطاقة المتجددة.
تقليل استهلاك الطاقة
يمكن أن يضمن توزيع أعباء العمل وجدولتها مع مراعاة استهلاك الطاقة تشغيل أعباء عمل الذكاء الاصطناعي السحابي في مراكز البيانات الأكثر احتمالاً للعمل بشكل مستدام. كما يجب تحديد مدخلات البيانات السحابية التي تستخدم الطاقة بكفاءة.
تحقق من تصنيف فعالية استخدام الطاقة (PUE) للخدمات السحابية بشكل عام ومراكز البيانات السحابية بشكل خاص. يجب أن تكون تصنيفات PUE قريبة من 1.0 قدر الإمكان. تتمتع معظم مراكز البيانات السحابية بتصنيفات PUE بين 1.1 و1.5.
الحجم المناسب لاستهلاك موارد السحابة
تحسين أداء الحوسبة السحابية من خلال مراقبة استخدام الخدمة والإبلاغ عنه؛ والتحكم في الاستخدام غير المصرح به أو غير المقصود؛ وتحديد حجم موارد الحوسبة السحابية؛ وتوسيع وتقليص الموارد حسب الحاجة. كما أن استخدام تقنيات GenAI مثل الوصول القائم على واجهة برمجة التطبيقات إلى نماذج اللغة الكبيرة (LLMs) يعد أيضًا إجراءً فعالاً لتحسين الأداء.
ومع ذلك، يجب أن ندرك أن تحسين إمكانية الوصول إلى الذكاء الاصطناعي، وبشكل أكثر تحديدًا GenAI، وتكلفته المعقولة قد يؤدي إلى الإفراط في الاستخدام. يجب أن يتضمن تحسين موارد السحابة سياسات حوكمة لإدارة الاستخدام الحكيم والمسؤول لتقنيات GenAI.
اعتماد الأجهزة المحسّنة بالذكاء الاصطناعي
يستخدم مزودو الخدمات السحابية بشكل متزايد أجهزة متخصصة لأحمال عمل الذكاء الاصطناعي والتي غالبًا ما تكون مُحسَّنة للطاقة للذكاء الاصطناعي أيضًا. وتشمل هذه الأجهزة أنظمة DGX من NVIDIA، ومعالجات Trainium وInferentia من Amazon Web Services (AWS)، ووحدات معالجة Tensor من Google، وشرائح Microsoft Azure Maia التي تم الإعلان عنها مؤخرًا.
يقدم مزودو الخدمات السحابية الرائدون هذه الأجهزة ذات الأغراض الخاصة كأنواع مخصصة من مثيلات الذكاء الاصطناعي، والتي عند تحديدها يمكن أن توفر العديد من الفوائد، بما في ذلك السعر والأداء المحسنين، وانخفاض استهلاك الطاقة.
إدارة تخزين البيانات وفقًا لذلك
إن تخزين البيانات غير مكلف وسهل الاستخدام، مما أدى إلى انتشار واسع النطاق للبيانات وتكرارها. وفي حين أن حذف البيانات غير الضرورية قد يكون له بعض الفوائد المستدامة، فإن الاستخدام النشط وإدارة البيانات قد يستهلك طاقة غير ضرورية.
تتضمن الاستراتيجية المستدامة التخلص من البيانات التي لا تحمل أي قيمة للمنظمة واختيار أكثر أنواع تكنولوجيا التخزين كفاءة للأشكال المختلفة من البيانات. كما تتضمن استخدام التخزين غير المتصل بالإنترنت عندما يكون ذلك ممكنًا؛ وتنفيذ سياسات حوكمة البيانات؛ وتخزين البيانات بالقرب من التطبيقات والعمليات التي تصل إليها؛ والحد من تكرار البيانات.
تقليل نقل البيانات
إن زيادة استخدام الشبكة من خلال نقل مجموعات كبيرة من البيانات بين مراكز البيانات يمكن أن يؤدي إلى زيادة استهلاك الطاقة. وأفضل طريقة لتقليل هذا هو مقارنة البيانات الداعمة للذكاء الاصطناعي بعمليات وتطبيقات نمذجة الذكاء الاصطناعي.
إن إمكانيات الشبكات عبر السحابة، بما في ذلك استخدام خدمات الشبكات التي يقدمها مزودو الخدمات السحابية، قادرة على تقليل حركة البيانات إلى أدنى حد. وعندما يتعين نقل البيانات عبر الشبكات، فإن النهج الأكثر استدامة هو ضمان إرسال البيانات الضرورية فقط.
إنشاء هياكل تطبيقات مستدامة
ستتضمن التطبيقات بشكل متزايد قدرات GenAI، ولكن ليس دون المخاطرة المحتملة المتمثلة في إدخال عدم الكفاءة. عند تصميم التطبيقات، كن على دراية بأن أنشطة الاستدلال بالذكاء الاصطناعي ستستهلك طاقة أكبر من تدريب نموذج الذكاء الاصطناعي.
لتحسين استدلال الذكاء الاصطناعي، استخدم نماذج استدلال أصغر لتقليل حجم الذاكرة، واستفد من الأجهزة والمسرعات المحسّنة للاستدلال، واستخدم نقاط الوصول الموزعة لوضع نماذج الذكاء الاصطناعي أقرب إلى نقطة استهلاك التطبيق.
اعتماد تكنولوجيا المعلومات خارج ساعات العمل
تتطلب عمليات GenAI الكثير من الطاقة، لذا يجب أن نضع في الاعتبار بالإضافة إلى مصادر الطاقة النظيفة مدى توفر الطاقة بشكل عام. تعاني بعض المناطق الجغرافية بالفعل من نقص الطاقة، وقد يؤدي إضافة عمليات إضافية كثيفة الطاقة إلى زيادة العبء على هذه الأنظمة.
قد تتمتع مراكز البيانات السحابية بإمكانية وصول أكبر إلى الطاقة الخضراء الأقل تكلفة خلال أوقات الذروة. استخدم استراتيجيات توزيع عبء العمل بالذكاء الاصطناعي للاستفادة من توفر الطاقة في مواقع مختلفة.
ضبط نماذج الذكاء الاصطناعي
يستثمر مزودو الخدمات السحابية حاليًا مليارات الدولارات في نماذج اللغة الكبيرة الأساسية لدعم حلول GenAI للأغراض العامة. وفي حين قد يلزم إنشاء بعض نماذج اللغة الكبيرة من الصفر، فمن الأفضل أولاً استخدام نماذج اللغة الكبيرة الأساسية هذه.
يمكن أن يساعد استخدام تقنيات مثل الضبط الدقيق في تحقيق دقة أعلى باستخدام أجهزة قياس مستوى الصوت الحالية. تقنيات أخرى، مثل الهندسة السريعة، ويمكن أيضًا أن يؤدي ذلك إلى تحسين استخدام الموارد مع الحاجة إلى قدر أقل من الطاقة.
