مقایسه مغر انسان و هوش مصنوعی، نتیجه شما را شگفت‌زده خواهد کرد
سعید کشاورز کرمانی (سردبیر)
همراه با پیشرفت عجیب هوش مصنوعی (AI)، که قادر به انجام محاسبات پیچیده و تحلیل داده‌ها با سرعتی فراتر از انسان است، یک چالش پنهان و جدی به وجود آمده: تفاوت زیاد در مصرف انرژی میان مغز بیولوژیکی و ابرکامپیوترهای سیلیکونی.
مقایسه کارایی این دو، به ویژه برای یک وظیفه ساده مانند "حل یک معادله معمولی"، نه تنها یک تفاوت کمی، بلکه نشانگر یک تفاوت کیفی عمیق در معماری پردازشی است که مستقیماً پایداری آینده فناوری را زیر سوال می‌برد.
پارادوکس ۲۰ وات: کارایی بی‌نظیر مغز انسان
مغز انسان، به عنوان کارآمدترین سیستم شناخته شده در جهان، از یک معماری بیولوژیکی خارق‌العاده بهره‌مند است. این اندام، با شبکه‌ای که حدودا ۸۶ میلیارد نورون دارد، تنها به حدود ۲۰ وات انرژی نیاز دارد تا تمام فرآیندهای شناختی، از تفکر انتزاعی تا حافظه و حل مسائل را مدیریت کند. (منبع: آخرین خبر)
این عدد، در مقایسه با انرژی مصرفی بدن که حدود ۲۰ درصد از کل آن را تشکیل می‌دهد، نشان‌دهنده یک کارایی انرژی (Energy Efficiency) بی‌نظیر است. زمانی که مغز یک معادله ساده را حل می‌کند، شبکه عصبی خود را به صورت موازی و با کمترین اتلاف انرژی فعال می‌کند؛ یک فرآیند یکپارچه که در آن یادگیری و حافظه به شکلی جدانشدنی با هم ادغام شده‌اند.
همچنین بخوانید:
ControlAdad
شکاف گیگاواتی: مصرف سیری‌ناپذیر سیلیکون در برابر سادگی بیولوژیک
در سوی دیگر این دوئل، سیستم‌های هوش مصنوعی، به‌ویژه مدل‌های زبان بزرگ (LLMs) مانند GPT-3 و سایر مدل‌های مولد، قرار دارند که برای عملکرد خود به مراکز داده (Data Centers) عظیم متکی هستند. این مراکز نه تنها نیازمند هزاران پردازنده گرافیکی (GPU) هستند، بلکه انرژی مصرفی آن‌ها در مقیاس گیگاوات (یک میلیارد وات) اندازه‌گیری می‌شود. این یعنی یک اختلاف میلیاردی در مصرف توان محاسباتی با مغز انسان.
این حجم از مصرف، ناشی از دو مرحله کلیدی است:
- آموزش (Training): فرآیند ایجاد یک مدل بزرگ مانند GPT-3 نیاز به حجم عظیمی از داده و محاسبات دارد، که تخمین زده می‌شود آموزش این مدل خاص به حدود ۱۳۰۰ مگاوات ساعت (MWh) برق و تولید ۵۵۲ تن دی‌اکسید کربن (معادل یک سال رانندگی با ۱۲۳ خودرو بنزینی) منجر شده باشد. (منبع: خبرگزاری آنا)
- استفاده (Inference): هوش مصنوعی تنها برای تولید یک پاسخ ساده در یک چت‌بات، نیاز به اجرای محاسبات گسترده‌ای در دیتاسنتر دارد. در حالی که مغز انسان با «۲۰ وات» یک معادله را حل می‌کند، پاسخ‌دهی روزانه ChatGPT حدود ۵۶۴ مگاوات ساعت برق مصرف می‌کند (منبع: دیجیاتو) و تولید یک پاسخ کوتاه می‌تواند ۲ تا ۱۰ گرم کربن (گاز گلخانه‌ای) به ازای هر بار استفاده منتشر کند (منبع). این مصرف بالا به دلیل معماری متفاوت آن‌هاست که محاسبات را در ساختاری غیرمتمرکز و متکی بر سخت‌افزارهای پرمصرف اجرا می‌کنند. (منبع: ماهنامه پیوست)
همچنین بخوانید:
ControlAdad
کشف راه حل از دل طبیعت: هوش مصنوعی سوپرتورینگ
فاصله فاحش میان ۲۰ وات مغز و گیگاوات دیتاسنترها، یک چالش پایداری جدی برای صنعت فناوری ایجاد کرده است. به همین دلیل، محققان به کارآمدترین الگو، یعنی مغز انسان، روی آورده‌اند.
نسل جدیدی از هوش مصنوعی به نام "هوش مصنوعی سوپرتورینگ" (Super-Turing AI) در حال توسعه است که تلاش می‌کند از رویکرد ادغام‌شده مغز برای مدیریت حافظه و یادگیری تقلید کند. این مدل‌ها به جای جدا کردن و انتقال حجم عظیمی از داده‌ها میان سخت‌افزارهای مختلف، فرآیندها را یکپارچه کرده تا به طور قابل توجهی مصرف انرژی را کاهش دهند (منبع: ایرنا). هدف این تحقیقات، نه تنها دستیابی به قدرت محاسباتی بالا، بلکه رسیدن به مدیریت انرژی است که بتواند پیشرفت هوش مصنوعی را در درازمدت از بحران انرژی رها سازد.
این اختلاف عظیم در کارایی، یادآور این نکته مهم است که هوش بیولوژیکی، با وجود محدودیت‌های سرعتی، در بعد پایداری و مصرف انرژی، هنوز هم یک الگوی دست‌نیافتنی برای مهندسی و علوم کامپیوتر باقی مانده است.
اگر به هوش مصنوعی و دنیای تکنولوژی علاقه‌مند هستید، سایر مقالات کنترل اعداد را از دست ندهید:
