Κέντρα δεδομένων σε μετάβαση: Έτσι η τεχνητή νοημοσύνη θα γίνει πιο ενεργειακά αποδοτική στο μέλλον!

Κέντρα δεδομένων σε μετάβαση: Έτσι η τεχνητή νοημοσύνη θα γίνει πιο ενεργειακά αποδοτική στο μέλλον!

Στην τρέχουσα συζήτηση σχετικά με την κατανάλωση ενέργειας των κέντρων δεδομένων και τις περιβαλλοντικές επιπτώσεις τους, η εστίαση είναι στην τεχνητή νοημοσύνη (AI). Μια ερευνητική ομάδα με επικεφαλής τον καθηγητή Wolfgang Maaß στο Πανεπιστήμιο του Saarland εργάζεται πάνω σε καινοτόμες τεχνολογίες για τη βελτίωση της ενεργειακής απόδοσης των AI. Ο στόχος προσανατολισμένος στο μέλλον: Η τεχνητή νοημοσύνη θα πρέπει να γίνει έως και 90 τοις εκατό πιο ενεργειακά αποδοτική. Αυτή είναι μια πολύ αναγκαία εξέλιξη, ιδίως δεδομένων των κέντρων δεδομένων και της σημαντικής κατανάλωσης ενέργειας τους, η οποία έχει υπερδιπλασιαστεί την τελευταία δεκαετία. Μεγαλόφωνος uni-saarland.de Η τεχνολογική λύση θα παρουσιαστεί στο επερχόμενο Hannover Messe, που θα πραγματοποιηθεί από τις 31 Μαρτίου έως τις 4 Απριλίου.

Τα κέντρα δεδομένων στη Γερμανία κατέγραψαν κατανάλωση ηλεκτρικής ενέργειας περίπου 20 τεραβατώρες ετησίως το 2023 και οι προβλέψεις δείχνουν ότι αυτή η κατανάλωση θα μπορούσε να αυξηθεί σε 35 TWh έως το 2030 και σε 88 TWh έως το 2045. Αυτή η αύξηση προκύπτει από την αυξανόμενη χρήση των υπηρεσιών cloud καθώς και από τον αυξανόμενο αριθμό εφαρμογών τεχνητής νοημοσύνης, όπως η βιομηχανία και η ψηφιακή προώθηση. datacenters.org αναφέρθηκε.

Η ενεργειακή απόδοση ως κλειδί

Οι προκλήσεις που σχετίζονται με αυτές τις αυξανόμενες ενεργειακές απαιτήσεις απαιτούν επείγουσα δράση από τους φορείς εκμετάλλευσης για τη μείωση της κατανάλωσης ενέργειας μέσω βελτιστοποιημένων τεχνολογιών ψύξης και αποδοτικών λύσεων υλικού. Οι καινοτόμες προσεγγίσεις, όπως τα συστήματα ψύξης που βασίζονται σε υγρά και η χρήση γεωθερμικής ενέργειας, γίνονται όλο και πιο σημαντικές. Η υλοποίηση βιώσιμων υποδομών ενισχύεται επίσης από νομικές απαιτήσεις όπως ο νέος νόμος για την προστασία της ενέργειας (EnEfG).

Ένα κεντρικό μέλημα της ομάδας του καθηγητή Maaß είναι η ανάπτυξη μοντέλων τεχνητής νοημοσύνης με βάση τις ανάγκες. Η χρήση της απόσταξης γνώσης, μιας τεχνολογίας συμπίεσης, καθιστά δυνατή την εξαγωγή μικρότερων, πιο αποτελεσματικών μοντέλων μαθητών από μεγάλα μοντέλα δασκάλων. Αυτό θα μπορούσε να είναι ιδιαίτερα επωφελές για μικρότερες εταιρείες που θέλουν να αποκτήσουν πρόσβαση σε ισχυρές λύσεις τεχνητής νοημοσύνης χωρίς να χρειάζεται να επενδύσουν σε εκτεταμένες υποδομές.

Τεχνολογικές τάσεις και μελλοντικές προοπτικές

Τα κέντρα δεδομένων θα αντιμετωπίσουν ένα σημείο καμπής το 2025, που θα προκληθεί από την αυξανόμενη ζήτηση ενέργειας και τις νέες νομικές απαιτήσεις. Οι αυξανόμενες απαιτήσεις για την ασφάλεια στον κυβερνοχώρο και την ανθεκτικότητα του συστήματος υπογραμμίζουν την ανάγκη συνεχούς βελτιστοποίησης των συστημάτων. Μια άλλη σημαντική τάση είναι οι αρθρωτές μέθοδοι κατασκευής, οι οποίες επιτρέπουν την ευέλικτη, γρήγορη και οικονομικά αποδοτική κατασκευή κέντρων δεδομένων. Οι προκατασκευασμένες μονάδες δεν προσφέρουν μόνο ταχύτητα κατασκευής, αλλά και δυνατότητα κλιμάκωσης, η οποία γίνεται ολοένα και πιο σημαντική.

Επιπλέον, η χρήση ανανεώσιμων πηγών ενέργειας στην κατασκευή κέντρων δεδομένων γίνεται όλο και πιο σημαντική. Η χρήση ηλιακής και αιολικής ενέργειας καθώς και τα καινοτόμα συστήματα ανάκτησης θερμότητας συμβάλλουν στη μείωση του οικολογικού αποτυπώματος και μπορούν να χρησιμοποιήσουν έως και το 80 τοις εκατό της απορριπτόμενης θερμότητας. Μια μελέτη δείχνει ότι η τεχνητή νοημοσύνη μπορεί να επιτρέψει εξοικονόμηση έως και 30% μέσω ανάλυσης σε πραγματικό χρόνο και αυτόματης βελτιστοποίησης της κατανάλωσης ενέργειας kabinett-online.de καθορίζει.

Σε ένα άλλο παράδειγμα, η ερευνητική ομάδα συνεργάζεται με τη Stahl Holding Saar για την ανάπτυξη ενός μοντέλου τεχνητής νοημοσύνης που επιτρέπει την αυτόματη διαλογή των απορριμμάτων χάλυβα. Αυτό το έργο, το οποίο χρηματοδοτείται από το Ομοσπονδιακό Υπουργείο Οικονομίας και Προστασίας του Κλίματος με περίπου πέντε εκατομμύρια ευρώ, στοχεύει στη δημιουργία συμπαγών, ενεργειακά αποδοτικών και ισχυρών μοντέλων τεχνητής νοημοσύνης που μπορούν να βελτιώσουν σημαντικά τη διαδικασία ανακύκλωσης χάλυβα.

Το ψηφιακό μέλλον απαιτεί όχι μόνο τεχνολογικές καινοτομίες από τους φορείς εκμετάλλευσης κέντρων δεδομένων, αλλά και μια ολοκληρωμένη προσέγγιση για την αειφορία, προκειμένου να επιτευχθούν οι προωθημένοι κλιματικοί στόχοι.