Για τους boomers και την Generation X, η λειτουργία των αλγόριθμων είναι σπαζοκεφαλιά για δυνατούς λύτες. Για τους Millennials, ένα δύσκολο αλλά μπορεί και άκρως ενδιαφέρον μάθημα. Για την Generation Alpha, η αλφαβήτα. Για όλους όμως, ανεξαρτήτως ηλικίας, είτε το θέλουμε είτε όχι, οι αλγόριθμοι είναι πλέον ρυθμιστικός παράγοντας της καθημερινότητάς μας και μάλιστα αστραπιαία αναπτυσσόμενος. Σε αυτή την ιλιγγιώδη ταχύτητα, την οποία άλλοι παρατηρούμε ασθμαίνοντας, άλλοι ακολουθούν με ευχαρίστηση και άλλοι υιοθετούν ως απολύτως φυσική, οι αλγόριθμοι εξελίσσονται. Γίνονται ευφυείς και… εργοστασιάρχες!
Τα AI factories, ή επί το ελληνικότερον τα εργοστάσια τεχνητής νοημοσύνης, είναι μια εξειδικευμένη υπολογιστική υποδομή που μοιάζει με μεγάλο κέντρο δεδομένων (data center), το οποίο, όπως ένα εργοστάσιο, παράγει προϊόντα, με τη μόνη διαφορά ότι αυτά τα προϊόντα είναι εφαρμογές που αξιοποιούν τις δυνατότητες της τεχνητής νοημοσύνης.
Tα AI factories, στοχεύουν στη βιομηχανοποίηση και αυτοματοποίηση ολόκληρης της διαδικασίας δημιουργίας και διαχείρισης μοντέλων τεχνητής νοημοσύνης.
Λίγο πιο συγκεκριμένα, τα AI factories είναι μηχανές λήψης αποφάσεων με επίκεντρο την τεχνητή νοημοσύνη, οι οποίες βελτιστοποιούν τις καθημερινές λειτουργίες μεταβιβάζοντας αποφάσεις μικρότερης κλίμακας σε αλγόριθμους μηχανικής μάθησης. Η μηχανική μάθηση (ML) είναι ένα πεδίο μελέτης στην τεχνητή νοημοσύνη που ασχολείται με την ανάπτυξη και τη μελέτη στατιστικών αλγόριθμων που μπορούν να μάθουν από δεδομένα να εκτελούν εργασίες χωρίς ρητές οδηγίες.
Με άλλα λόγια, τα AI factories, τα οποία στοχεύουν στη βιομηχανοποίηση και αυτοματοποίηση ολόκληρης της διαδικασίας δημιουργίας και διαχείρισης μοντέλων τεχνητής νοημοσύνης, με τον ίδιο τρόπο που ένα εργοστάσιο διαχειρίζεται την κατασκευή ενός προϊόντος, επεξεργάζονται τεράστιους όγκους δεδομένων για να εξελίξουν αποτελεσματικότερα μια επιχείρηση ή μια υπηρεσία.
Μέσα σε αυτά τα εργοστάσια, δίκτυα διακομιστών, μονάδων επεξεργασίας γραφικών (GPU), μονάδων επεξεργασίας δεδομένων (DPU) και εξειδικευμένου υλικού εργάζονται παράλληλα για την επεξεργασία τεράστιων ποσοτήτων δεδομένων, εκτελώντας σύνθετους αλγόριθμους που εκπαιδεύουν μοντέλα τεχνητής νοημοσύνης ώστε να επιτυγχάνουν υψηλά επίπεδα ακρίβειας και αποτελεσματικότητας και να εξάγουν συμπεράσματα σε πραγματικό χρόνο.
Καθημερινή Χρήση
Αυτή η δαιδαλώδης διαδρομή των ευφυών αλγόριθμων είναι, φυσικά, δυσνόητη στους boomers και στην Generation X. Ωστόσο, ακόμη και όσοι ανήκουμε σε αυτές οι γενιές απολαμβάνουμε τα κατορθώματά τους. Ένα παράδειγμα; Το Netflix χρησιμοποιεί AI factory και ξέρει σε πραγματικό χρόνο τι βλέπουμε, πόση ώρα το βλέπουμε, τι να μας προτείνει να δούμε. Γι’ αυτό και μόλις ανοίγουμε την πλατφόρμα οι προτάσεις πέφτουν βροχή και συχνά είναι και της αρεσκείας μας.
Σε μια απλή ερώτηση στο ChatGPT «κατά πόσο βλάπτει το περιβάλλον ένα AI factory», μια από τις πρώτες απαντήσεις είναι: «Σύμφωνα με μελέτες, η εκπαίδευση ενός μεγάλου AI μοντέλου μπορεί να εκλύσει τόσο CO₂ όσο πέντε αυτοκίνητα σε όλη τους τη ζωή!».
Δυναμικά Οικοσυστήματα
Τα εργοστάσια τεχνητής νοημοσύνης δεν είναι αποκλειστικό προνόμιο του επιχειρηματικού τομέα. Είναι δυναμικά οικοσυστήματα που προωθούν την καινοτομία, τη συνεργασία και την ανάπτυξη στον τομέα της τεχνητής νοημοσύνης. Συγκεντρώνουν υπολογιστική ισχύ, δεδομένα και ταλέντα για τη δημιουργία πρωτοποριακών μοντέλων και εφαρμογών τεχνητής νοημοσύνης. Συνδέουν κέντρα υπερυπολογιστών, τα πανεπιστήμια, τις μικρές και μεσαίες επιχειρήσεις (ΜΜΕ), τη βιομηχανία και τους οικονομικούς παράγοντες και χρησιμεύουν ως κόμβοι που οδηγούν στην πρόοδο των εφαρμογών τεχνητής νοημοσύνης σε διάφορους τομείς, όπως η υγεία, η μεταποίηση, το κλίμα, η χρηματοδότηση, το διάστημα και άλλοι.
Στην Ευρώπη, η διαδικασία δημιουργίας AI factories έχει ήδη ξεκινήσει. Τα επιλεγμένα εργοστάσια τεχνητής νοημοσύνης που θα φιλοξενηθούν σε κορυφαίους κόμβους έρευνας και τεχνολογίας σε όλη την Ευρώπη είναι στη Βαρκελώνη («BSC AIF» στο Κέντρο Υπερυπολογιστών – Ισπανία), στην Μπολόνια («IT4LIA» στο CINECA/Bologna Tecnopolo – Ιταλία), στο Καγιαάνι («LUMI AIF» στο CSC – Φινλανδία), στο Μπίσεν («Meluxina-AI» στο LuxProvide – Λουξεμβούργο), στο Λίνσεπινγκ («MIMER» στο Πανεπιστήμιο του Linköping – Σουηδία), στη Στουτγάρδη («HammerHAI» στο Πανεπιστήμιο της Στουτγάρδης – Γερμανία) και στα μέρη μας, στην Αθήνα («Φάρος»).
Κλιματική Αλλαγή
Ένα από τα κρισιμότερα ερωτήματα που προκύπτουν σχετικά με τη δημιουργία των AI factories είναι κατά πόσο θα επιβαρύνουν το περιβάλλον. Είναι γνωστό πως η τεχνητή νοημοσύνη απαιτεί εκπληκτικά ποσά υπολογιστικής ισχύος και καταναλώνει ηλεκτρική ενέργεια σε κολοσσιαία επίπεδα. Αυτό με τη σειρά του σημαίνει εκπομπές διοξειδίου του άνθρακα σε τεράστια κλίμακα. Μια μελέτη του 2019 υπολόγισε το αποτύπωμα άνθρακα της εκπαίδευσης ενός πρώιμου τότε γλωσσικού μοντέλου (LLM), όπως είναι το ChatGPT, σε περίπου 300.000 κιλά εκπομπών διοξειδίου του άνθρακα, που είναι ισοδύναμο με 125 πτήσεις μετ’ επιστροφής μεταξύ Νέας Υόρκης και Πεκίνου.
Σε μια απλή ερώτηση στο ChatGPT «κατά πόσο βλάπτει το περιβάλλον ένα AI factory», μια από τις πρώτες απαντήσεις είναι: «Σύμφωνα με μελέτες, η εκπαίδευση ενός μεγάλου AI μοντέλου μπορεί να εκλύσει τόσο CO₂ όσο πέντε αυτοκίνητα σε όλη τους τη ζωή!».
Ωστόσο, το ChatGPT δεν δίνει μόνο αυτή την απάντηση. Ως μηχανή που συγκεντρώνει και επεξεργάζεται στη στιγμή χιλιάδες δεδομένα, αντιμετωπίζει το ζήτημα όπως του αρμόζει: πολύπλευρα. Δηλαδή, στην ερώτηση «τα AI factories είναι καλά για το περιβάλλον;», απαντά: «Εξαρτάται, γιατί τα AI factories έχουν και θετικές και αρνητικές περιβαλλοντικές επιπτώσεις». Απαριθμώντας δε ορισμένα από τα θετικά της χρήσης των εργοστασίων τεχνητής νοημοσύνης, σημειώνει: «Τα AI μοντέλα μπορούν να βελτιστοποιούν ενεργειακές χρήσεις σε εργοστάσια, πόλεις, δίκτυα ηλεκτρικής ενέργειας, στη γεωργία μπορεί να συμβάλλουν στη χρήση λιγότερων φυτοφαρμάκων και στη βελτιστοποίηση της κατανάλωσης του νερού, ή να παρακολουθούν την αποψίλωση των δασών, την υποχώρηση των πάγων, την εξέλιξη της μόλυνσης».
Πέρα από τις απαντήσεις που δίνει το ChatGPT, πάντως, η AI (και τα εργοστάσιά της) μπορεί να κάνει θαύματα. Για παράδειγμα, σε μια πρωτοποριακή μελέτη, ερευνητές του Πανεπιστημίου του Λιντς παρουσίασαν ένα νευρωνικό δίκτυο που μπορεί να χαρτογραφεί μεγάλα παγόβουνα της Ανταρκτικής σε μόλις 0,01 δευτερόλεπτα, δηλαδή 10.000 φορές ταχύτερα από τους ανθρώπους. Ακόμη, στην Ολλανδία, η περιβαλλοντική οργάνωση The Ocean Cleanup χρησιμοποιεί τεχνητή νοημοσύνη προκειμένου να ανιχνεύει απορρίμματα από δορυφορικές εικόνες απομακρυσμένων σημείων των ωκεανών και στη συνέχεια να δημιουργεί λεπτομερείς χάρτες ρύπανσης. Επιπλέον, ο οργανισμός Climate Change AI ειδικεύεται στην έρευνα τρόπων μείωσης των εκπομπών αερίων, αποκλειστικά με τη βοήθεια της μηχανικής μάθησης.
Παρά τις τεράστιες δυνατότητες της AI και των AI factories και στην αντιμετώπιση της κλιματικής αλλαγής ωστόσο, το ερώτημα εάν η τεχνητή νοημοσύνη θα μπορούσε να γίνει πράσινη παραμένει ανοιχτό. Όπως λέει και το ChatGPT, εξαρτάται.
Διαβάστε επίσης στην αθηΝΕΑ:
Κβαντικοί Υπολογιστές: Ένα Άλμα στο Μέλλον
