Η τεχνητή νοημοσύνη έχει σημειώσει εκπληκτική πρόοδο τα τελευταία χρόνια, αλλά η πρόοδος αυτή πληρώνεται σε μεγάλο βαθμό με ενεργειακό κόστος. Κάθε φορά που ένα μεγάλο μοντέλο υπολογισμού απαντά σε ένα ερώτημα, καταναλώνει τεράστιες ποσότητες ηλεκτρικής ενέργειας. Μόνο μια απάντηση από ένα από τα πολύπλοκα συστήματα της τελευταίας γενιάς μπορεί να χρησιμοποιήσει ως και διπλάσια ενέργεια από όση καταναλώνει ένα μέσο σπίτι στις Ηνωμένες Πολιτείες μέσα σε ένα λεπτό.
Όταν αυτές οι απαιτήσεις πολλαπλασιαστούν επί δισεκατομμύρια ερωτήματα και ακόμη μεγαλύτερα εκπαιδευτικά σύνολα, ο συνολικός ενεργειακός αντίκτυπος γίνεται συντριπτικός. Οι υπολογιστές που τροφοδοτούν την τεχνητή νοημοσύνη καταλήγουν να λειτουργούν πολλές ώρες την ημέρα και να απορροφούν τεράστιες ποσότητες ηλεκτρικής ενέργειας. Το ζήτημα αυτό έχει αναδειχθεί σε ένα από τα πιο επείγοντα προβλήματα για την τεχνολογική κοινότητα, η οποία καλείται να βρει τρόπους ώστε η εξέλιξη να μη συνοδεύεται από αντίστοιχη αύξηση των εκπομπών ρύπων και της κατανάλωσης πόρων.
Επιστήμονες και μηχανικοί σε ερευνητικά ιδρύματα ανά τον κόσμο έχουν στραφεί στην αναζήτηση πιο «πράσινων» λύσεων. Στο επίκεντρο των νέων προσπαθειών βρίσκεται μια καινοτόμος προσέγγιση, η οποία υπόσχεται να αλλάξει τον τρόπο με τον οποίο οι υπολογιστές επεξεργάζονται τα δεδομένα. Η ιδέα βασίζεται στη χρήση ειδικών κυκλωμάτων που αποθηκεύουν και επεξεργάζονται τα δεδομένα στον ίδιο φυσικό χώρο, χωρίς να απαιτείται συνεχής μεταφορά ανάμεσα σε αποθηκευτικά μέσα και επεξεργαστές. Με αυτόν τον τρόπο, η φυσική διεργασία της επεξεργασίας γίνεται πιο άμεση και απαιτεί πολύ λιγότερη ενέργεια.
Η έρευνα αυτή, την οποία ηγείται καθηγητής ηλεκτρολογικής και υπολογιστικής μηχανικής στο Cornell Tech, σε συνεργασία με ειδικούς από μεγάλα ερευνητικά κέντρα, δείχνει ότι η ενσωμάτωση τέτοιων κυκλωμάτων μπορεί να μειώσει την κατανάλωση ισχύος κατά χιλιάδες φορές. Σύμφωνα με τις πρώτες εκτιμήσεις, μπορεί να μεταμορφώσει την επόμενη γενιά συστημάτων τεχνητής νοημοσύνης και να καταστήσει βιώσιμη τη λειτουργία τους.
Η ιδέα αυτή βασίζεται σε μια βαθιά κατανόηση των φυσικών νόμων και στην εκμετάλλευση της ίδιας της φυσικής για την εκτέλεση αριθμητικών πράξεων, αντί της παραδοσιακής μεταφοράς δεδομένων από το ένα σημείο στο άλλο. Με άλλα λόγια, η λύση δεν είναι απλώς τεχνολογική, αλλά θεμελιωδώς φυσική. Αν αποδειχθεί αποτελεσματική σε μεγάλη κλίμακα, θα μπορούσε να φέρει μία από τις μεγαλύτερες αλλαγές στο πεδίο της τεχνητής νοημοσύνης από την εποχή που αυτή άρχισε να αποκτά πρακτικές εφαρμογές.
Οι ενδείξεις δείχνουν ότι η προοπτική αυτή δεν είναι πλέον θεωρητική αλλά ορατή. Ερευνητές σε πολλά ερευνητικά εργαστήρια παγκοσμίως εργάζονται για να φέρουν αυτή την τεχνολογία από το εργαστήριο στην πράξη. Αν τα επόμενα χρόνια καταφέρουν να επιβεβαιώσουν τα αρχικά αποτελέσματα σε πραγματικές συνθήκες χρήσης, αυτό θα σημάνει μια ουσιαστική στροφή για την τεχνητή νοημοσύνη, η οποία μέχρι σήμερα χαρακτηριζόταν περισσότερο από την υπολογιστική της δύναμη παρά από την ενεργειακή της αποδοτικότητα.
Σε έναν κόσμο όπου η ενεργειακή κατανάλωση και η οικολογική ισορροπία αποτελούν βασικές προκλήσεις, οι τεχνολογικές λύσεις που συμβάλλουν στη μείωση των ενεργειακών αναγκών δεν είναι απλώς επιθυμητές. Είναι απαραίτητες για να μπορούμε να διατηρήσουμε την πρόοδο χωρίς να υπερβαίνουμε τα όρια του πλανήτη μας.
