AI څومره انرژي کاروي؟

ځواب: مصنوعي ذهانت کولی شي د ساده متن کار لپاره ډیره لږه بریښنا وکاروي، مګر هغه وخت ډیر بریښنا کاروي کله چې اشارې اوږدې وي، پایلې څو ماډل وي، یا سیسټمونه په لویه کچه کار کوي. روزنه معمولا د انرژۍ لوی مخکینۍ ضربه وي، پداسې حال کې چې ورځني استنباط د غوښتنو راټولیدو سره مهم کیږي.

مهم ټکي:

شرایط : د انرژۍ د اټکل له نقلولو دمخه دنده، ماډل، هارډویر او پیمانه تعریف کړئ.

روزنه : د بودیجې پلان کولو پر مهال د ماډل روزنې ته د انرژۍ اصلي پیښې په توګه پام وکړئ.

استنباط : تکراري استنباط ته په دقت سره وګورئ، ځکه چې د هرې غوښتنې لپاره کوچني لګښتونه په چټکۍ سره په پیمانه زیاتیږي.

زیربنا : په هر حقیقي اټکل کې یخولو، ذخیره کولو، شبکو، او غیر فعال ظرفیت شامل کړئ.

موثریت : د انرژۍ مصرف کمولو لپاره کوچني ماډلونه، لنډې اشارې، کیش کول، او بیچ کول وکاروئ.

هغه مقالې چې تاسو یې له دې وروسته لوستل خوښولی شئ:

🔗 مصنوعي ذهانت څنګه چاپیریال اغیزمنوي
د مصنوعي ذهانت د کاربن نښې، د انرژۍ کارول، او د پایښت سوداګرۍ تشریح کوي.

🔗 ایا مصنوعي ذهانت د چاپیریال لپاره بد دی؟
د مصنوعي ذهانت ماډلونو او معلوماتو مرکزونو پټ چاپیریالي لګښتونه خلاصوي.

🔗 ایا مصنوعي ذهانت ښه دی که بد؟ ګټې او زیانونه
د مصنوعي ذهانت ګټو، خطرونو، اخلاقو او اصلي اغیزو ته متوازن کتنه.

🔗 مصنوعي ذهانت څه شی دی؟ یوه ساده لارښود
د مصنوعي ذهانت اساسات، مهم اصطلاحات، او ورځني مثالونه په څو دقیقو کې زده کړئ.

ولې دا پوښتنه د خلکو له فکر څخه ډېره مهمه ده 🔍

د مصنوعي ذهانت د انرژۍ کارول یوازې د چاپیریال ساتنې په اړه د خبرو اترو موضوع نه ده. دا یو څو خورا ریښتیني شیان په ګوته کوي:

• د برېښنا لګښت - په ځانګړې توګه د هغو سوداګرۍ لپاره چې ډیری مصنوعي ذهانت غوښتنې لري

• د کاربن اغیز - د سرورونو تر شا د بریښنا سرچینې پورې اړه لري

• د هارډویر فشار - قوي چپسونه جدي واټیج راوباسي

• د اندازې پریکړې - یوه ارزانه غوښتنه کولی شي په ملیونونو ګرانو پریکړه بدله شي

• د محصول ډیزاین - موثریت اکثرا د خلکو په پرتله غوره ځانګړتیا ده ( ګوګل کلاوډ ، شنه AI )

ډېر خلک پوښتنه کوي چې "AI څومره انرژي کاروي؟" ځکه چې دوی یو ډراماتیک شمېره غواړي. یو څه لوی. یو څه د سرلیک دوستانه. مګر غوره پوښتنه دا ده: موږ د کوم ډول AI کارولو په اړه خبرې کوو؟ ځکه چې دا هرڅه بدلوي. ( IEA )

یو واحد اتوماتیک بشپړ وړاندیز؟ ډیر کوچنی.
په لویو کلسترونو کې د فرنټیر ماډل روزنه؟ ډیر، ډیر لوی.
د تل لپاره د سوداګرۍ AI کاري فلو چې ملیونونه کاروونکي لمس کوي؟ هو، دا په چټکۍ سره اضافه کوي ... لکه پیسې چې د کرایې تادیه کې بدلیږي. ( DOE ، ګوګل کلاوډ )

مصنوعي ذهانت څومره انرژي کاروي؟ لنډ ځواب ⚡

دلته عملي نسخه ده.

مصنوعي ذهانت کولی شي د یو سپک کار لپاره د واټ ساعت له یوې کوچنۍ برخې څخه نیولې تر لویې کچې روزنې او ځای پرځای کولو لپاره د بریښنا لوی مقدار پورې هر ځای وکاروي. دا لړۍ په طنزیه ډول پراخه ښکاري ځکه چې دا پراخه ده. ( ګوګل کلاوډ ، سټروبیل او نور. )

په ساده ډول ووایاست:

• ساده استنباطي دندې - ډیری وختونه د هر کارونې په اساس نسبتا معمولي وي

• اوږدې خبرې اترې، لویې پایلې، د انځورونو تولید، د ویډیو تولید - د پام وړ ډیر انرژي مصرفوي

• د لویو ماډلونو روزنه - د بریښنا مصرف د درنو وزنونو اتل

• ټوله ورځ په پیمانه د مصنوعي ذهانت چلول - چیرې چې "د هرې غوښتنې لپاره کوچنی" "لوی ټول بل" کیږي ( ګوګل کلاوډ ، DOE )

د ګوتو ښه قاعده دا ده:

• روزنه د انرژۍ تر ټولو لویه پېښه ده 🏭

• استنباط د روانې ګټې اخیستنې بل دی 💡 ( سټروبیل او نور ، ګوګل ریسرچ )

نو کله چې څوک پوښتنه وکړي، چې مصنوعي ذهانت څومره انرژي کاروي؟، نو مستقیم ځواب یې دا دی، "یو مقدار نه دی - مګر کافي دی چې موثریت مهم وي، او کافي ده چې اندازه ټوله کیسه بدلوي." ( IEA ، شنه AI )

زه پوهېږم چې دا هغومره زړه راښکونکې نه ده لکه څنګه چې خلک یې غواړي. خو دا ریښتیا ده.

د مصنوعي ذهانت د انرژۍ د اټکل ښه نسخه څه شی جوړوي؟ 🧠

یو ښه اټکل یوازې په ګرافیک کې اچول شوی ډراماتیک شمیره نه ده. یو عملي اټکل د شرایطو سره تړاو لري. که نه نو دا د تشناب پیمانه سره د غبار وزن کولو په څیر دی. دومره نږدې چې اغیزمن غږ وکړي، دومره نږدې نه چې باور یې وشي. ( IEA ، ګوګل کلاوډ )

د مصنوعي ذهانت د انرژۍ یو مناسب اټکل باید پدې کې شامل وي:

• د دندې ډول - متن، انځور، آډیو، ویډیو، روزنه، ښه والی

• د ماډل اندازه - لوی ماډلونه معمولا ډیر محاسبې ته اړتیا لري

• کارول شوي هارډویر - ټول چپسونه په مساوي ډول اغیزمن ندي

• د غونډې اوږدوالی - لنډې لارښوونې او اوږد څو مرحلې کاري جریان ډیر توپیر لري

• کارول - بې کاره سیسټمونه لاهم بریښنا مصرفوي

• یخ کول او زیربنا - سرور ټول بل نه دی

• د موقعیت او انرژۍ ترکیب - بریښنا په هر ځای کې په مساوي ډول پاکه نه ده ( ګوګل کلاوډ ، IEA )

له همدې امله دوه کسان کولی شي د مصنوعي ذهانت د برېښنا کارولو په اړه بحث وکړي او دواړه په بشپړ ډول د مختلفو شیانو په اړه د خبرو کولو پرمهال ډاډمن ښکاري. یو کس د یو واحد چیټ بوټ ځواب معنی لري. بل د لوی روزنې منډې معنی لري. دواړه "AI" وايي، او ناڅاپه خبرې اترې له پټلۍ څخه وځي 😅

د پرتلې جدول - د مصنوعي ذهانت د انرژۍ کارولو اټکل کولو غوره لارې 📊

دلته د هر هغه چا لپاره یو عملي جدول دی چې هڅه کوي پوښتنې ته ځواب ووایی پرته له دې چې دا په فعالیت هنر بدل کړي.

وسیله یا طریقه	غوره لیدونکي	د بیې	ولې دا کار کوي
د ګوتو ساده قاعده اټکل	لیواله لوستونکي، زده کوونکي	وړیا	ګړندی، اسانه، یو څه مبهم - مګر د سختو پرتله کولو لپاره کافي ښه دی
د وسیلې اړخ واټ میټر	یوازې جوړونکي، شوقیان	ټیټ	د ماشین اصلي ډراو اندازه کوي، کوم چې په زړه پورې کانکریټ دی
د GPU ټیلی میټري ډشبورډ	انجنیران، د ML ټیمونه	منځنی	د کمپیوټري درنو دندو په اړه غوره توضیحات، که څه هم دا کولی شي د لویو تاسیساتو سر له لاسه ورکړي
د کلاوډ بلینګ + د کارونې لاګونه	سټارټ اپونه، عملیاتي ټیمونه	له منځني څخه تر لوړ پورې	د مصنوعي ذهانت کارول د اصلي لګښتونو سره نښلوي - بشپړ نه دی، بیا هم خورا ارزښتناک دی
د معلوماتو مرکز د انرژۍ راپور ورکول	د تشبث ټیمونه	لوړ	دلته پراخه عملیاتي لید، یخولو او زیربنا د ښودلو پیل ورکوي
د ژوند دورې بشپړ ارزونه	د دوامدارۍ ټیمونه، لوی سازمانونه	لوړ، کله ناکله دردناک	د جدي تحلیل لپاره غوره دی ځکه چې دا پخپله د چپ څخه هاخوا ځي ... مګر دا ورو او یو ډول ځناور دی

هیڅ بشپړ میتود نشته. دا یو څه مایوسه کونکی برخه ده. مګر د ارزښت کچې شتون لري. او معمولا، یو څه چې د کار وړ وي له بشپړ څخه غوره وي. ( ګوګل کلاوډ )

تر ټولو لوی فکتور جادو نه دی - دا کمپیوټر او هارډویر دی 🖥️🔥

کله چې خلک د مصنوعي ذهانت د انرژۍ کارول انځوروي، دوی ډیری وخت ماډل پخپله د هغه شی په توګه تصور کوي چې بریښنا مصرفوي. مګر ماډل د سافټویر منطق دی چې په هارډویر چلیږي. هارډویر هغه ځای دی چې د بریښنا بل پکې څرګندیږي. ( سټروبیل او نور ، ګوګل کلاوډ )

ترټولو لوی متغیرات معمولا پدې کې شامل دي:

• د GPU یا سرعت کوونکی ډول

• څومره چپس کارول کیږي؟

• دوی څومره وخت فعال پاتې کیږي؟

• د حافظې بار

• د بیچ اندازه او تروپټ

• ایا سیسټم ښه اصلاح شوی یا یوازې د هرڅه جبري کول ( ګوګل کلاوډ ، کوانټائزیشن، بیچینګ، او د LLM انرژۍ کارولو کې د خدمت کولو ستراتیژۍ )

یو ډېر غوره شوی سیسټم کولی شي په لږ انرژۍ سره ډیر کار وکړي. یو بې کاره سیسټم کولی شي په زړه پورې باور سره بریښنا ضایع کړي. تاسو پوهیږئ چې دا څنګه ده - ځینې تنظیمونه د ریس موټرونه دي، ځینې یې د پیرودلو ګاډۍ دي چې راکټونه یې ډکټ ټیپ شوي دي 🚀🛒

او هو، د ماډل اندازه مهمه ده. لوی ماډلونه ډیر حافظې او ډیر محاسبې ته اړتیا لري، په ځانګړي توګه کله چې اوږد محصولات تولیدوي یا پیچلي استدلال اداره کوي. مګر د موثریت چلونه کولی شي انځور بدل کړي: ( شنه AI ، مقدار ورکول، بسته کول، او د LLM انرژۍ کارولو کې د خدمت کولو ستراتیژۍ )

• کوانټائزیشن

• غوره لارښوونه

• کوچني ځانګړي ماډلونه

• کیش کول

• ډله بندي کول

• هوښیار هارډویر مهالویش ( د LLM انرژۍ کارولو کې د مقدار ټاکل، بسته کول، او د خدمت کولو ستراتیژۍ )

نو پوښتنه یوازې دا نه ده چې "ماډل څومره لوی دی؟" بلکې دا هم ده چې "دا څومره په هوښیارۍ سره چلول کیږي؟"

روزنه او استنباط - دا مختلف حیوانات دي 🐘🐇

دا هغه ویش دی چې تقریبا هرڅوک مغشوشوي.

روزنه

روزنه هغه وخت ده کله چې یو ماډل د لویو ډیټاسیټونو څخه نمونې زده کوي. دا کولی شي ډیری چپسونه د اوږدې مودې لپاره چلول، د ډیټا لوی حجمونو له لارې ژوول شامل وي. دا مرحله د انرژۍ وږې ده. ځینې وختونه خورا ډیر. ( سټروبیل او نور )

د روزنې انرژي په لاندې ډول پورې اړه لري:

• د ماډل اندازه

• د ډیټاسیټ اندازه

• د روزنیزو منډو شمېر

• ناکامې تجربې

• د ښه تنظیم پاسونه

• د هارډویر موثریت

• د یخولو لپاره اضافي لګښت ( سټروبیل او نور ، ګوګل ریسرچ )

او دلته هغه برخه ده چې خلک یې ډیری وخت له لاسه ورکوي - خلک ډیری وخت د کیسې په پای کې د روزنې یوه لویه منډه تصور کوي. په عمل کې، پراختیا کې تکراري منډې، ټونینګ، بیا روزنه، ارزونه، او د اصلي پیښې شاوخوا ټول پروسایک مګر ګران تکرارونه شامل کیدی شي. ( سټروبیل او نور ، ګرین AI )

اټکل

استنباط هغه ماډل دی چې د کاروونکو اصلي غوښتنو ته ځواب ورکوي. یوه غوښتنه ممکن ډیره نه ښکاري. مګر استنباط په وار وار پیښیږي. ملیونونه ځله. ځینې وختونه ملیاردونه. ( ګوګل ریسرچ ، DOE )

د استنباط انرژي د لاندې سره وده کوي:

• د چټک اوږدوالی

• د محصول اوږدوالی

• د کاروونکو شمېر

• د ځنډ اړتیاوې

• څو ماډل ځانګړتیاوې

• د وخت تمې

• د خوندیتوب او پروسس وروسته مرحلې ( د ګوګل کلاوډ ، کوانټائزیشن، بیچینګ، او د LLM انرژۍ کارولو کې د خدمت کولو ستراتیژۍ )

نو روزنه زلزله ده. استنباط د څپو څپه ده. یو یې ډراماتیک دی، بل یې دوامداره دی، او دواړه کولی شي ساحل ته یو څه بڼه ورکړي. دا شاید یو غیر معمولي استعاره وي، مګر دا یوځای ساتي ... لږ یا ډیر.

د پټې انرژۍ لګښتونه چې خلک یې هېروي 😬

کله چې څوک یوازې د چپ په لیدلو سره د AI بریښنا کارولو اټکل کوي، نو معمولا کم حساب کوي. تل په ناورین سره نه، مګر د اهمیت لپاره کافي دي. ( ګوګل کلاوډ ، IEA )

دلته پټې ټوټې دي:

یخ کول ❄️

سرورونه تودوخه تولیدوي. د AI ځواکمن هارډویر ډیره برخه تولیدوي. یخ کول اختیاري ندي. د محاسبې لخوا مصرف شوي هر واټ د تودوخې د سم ساتلو لپاره د ډیرې انرژۍ کارولو ته بلنه ورکوي. ( IEA ، ګوګل کلاوډ )

د معلوماتو لېږد 🌐

د معلوماتو لیږدول د ذخیره کولو، حافظې او شبکو له لارې هم انرژي اخلي. مصنوعي ذهانت یوازې "فکر کول" نه دي. دا په دوامداره توګه معلومات هم بدلوي. ( IEA )

بې کاره ظرفیت 💤

د لوړې تقاضا لپاره جوړ شوي سیسټمونه تل په لوړه تقاضا کې نه چلیږي. بې کاره یا کم کارول شوي زیربنا لاهم بریښنا مصرفوي. ( ګوګل کلاوډ )

بې ځایه والی او اعتبار 🧱

بیک اپونه، د ناکامۍ سیسټمونه، دوه ګوني سیمې، د خوندیتوب طبقې - ټول ارزښتناک دي، ټول د لوی انرژۍ انځور برخه ده. ( IEA )

ذخیره کول 📦

د روزنې معلومات، ځای پر ځای کول، لاګونه، پوستې، تولید شوي محصولات - دا ټول په یو ځای کې ژوند کوي. ذخیره کول د کمپیوټر په پرتله ارزانه دي، البته، مګر د انرژۍ له پلوه وړیا ندي. ( IEA )

له همدې امله د مصنوعي ذهانت څومره انرژي کاروي؟ د یوې واحدې بنچمارک چارټ په کتلو سره ښه ځواب نشي ورکول کیدی. بشپړ سټیک مهم دی. ( ګوګل کلاوډ ، IEA )

ولې یو مصنوعي ذهانت کوچنی کیدی شي - او بل یې یو لوی شیطان کیدی شي 📝➡️🎬

ټول اشارې یو شان نه جوړیږي. د جملې د بیا لیکلو لپاره لنډه غوښتنه د اوږدې تحلیل، څو مرحلو کوډ کولو سیشن، یا د لوړ ریزولوشن عکس تولید غوښتنه کولو سره د پرتلې وړ نه ده. ( ګوګل کلاوډ )

هغه شیان چې د هر تعامل په جریان کې د انرژۍ مصرف زیاتوي:

• اوږدې شرایط کړکۍ

• اوږد ځوابونه

• د وسیلې کارولو او ترلاسه کولو مرحلې

• د استدلال یا اعتبار لپاره څو پاسونه

• انځور، آډیو یا ویډیو تولید

• لوړ همغږی

• د ټیټ ځنډ هدفونه ( د ګوګل کلاوډ ، کوانټائزیشن، بیچینګ، او د LLM انرژۍ کارولو کې د خدمت کولو ستراتیژۍ )

د سپک متن ځواب ممکن نسبتا ارزانه وي. یو لوی څو ماډل کاري جریان کیدی شي، ښه، ارزانه نه وي. دا د واده لپاره د کافي امر کولو په پرتله یو څه دی. دواړه په تخنیکي توګه د "خوراکي خدماتو" په توګه شمیرل کیږي. یو د بل په څیر ندی ☕🎉

دا په ځانګړي ډول د محصول ټیمونو لپاره مهم دی. هغه ځانګړتیا چې په ټیټ استعمال کې بې ضرره ښکاري، په پیمانه ګرانه کیدی شي که چیرې د هر کارونکي سیشن اوږد، بډایه، او ډیر کمپیوټري-دروند شي. ( DOE ، ګوګل کلاوډ )

د مصرف کونکي مصنوعي ذهانت او تصدۍ مصنوعي ذهانت یو شی نه دي 🏢📱

هغه اوسط کس چې په ناڅاپي ډول مصنوعي ذهانت کاروي ممکن فکر وکړي چې د دوی کله ناکله اشارې لویه ستونزه ده. معمولا، دا هغه ځای نه دی چې د انرژۍ اصلي کیسه پکې ژوند کوي. ( ګوګل کلاوډ )

د تشبث کارول ریاضی بدلوي:

• زرګونه کارکوونکي

• تل فعال همکار پیلوټان

• د اسنادو اتومات پروسس کول

• د غوښتنې لنډیز

• د انځور تحلیل

• د کوډ بیاکتنې وسایل

• د شاليد اجنټان په دوامداره توګه روان دي

دا هغه ځای دی چې د انرژۍ مجموعي کارول ډېر مهم کیږي. نه دا چې هر عمل قیامت دی، بلکې ځکه چې تکرار یو ضرب کوونکی دی. ( DOE ، IEA )

زما په خپلو ازموینو او کاري فلو بیاکتنو کې، دا هغه ځای دی چې خلک حیران کیږي. دوی د ماډل نوم، یا ځلیدونکي ډیمو باندې تمرکز کوي، او حجم له پامه غورځوي. حجم ډیری وختونه اصلي چلوونکی وي - یا د سپما فضل، پدې پورې اړه لري چې تاسو پیرودونکو ته بل ورکوئ یا د کارونې ټب تادیه کوئ 😅

د مصرف کونکو لپاره، اغیزه ممکن غیر معمولي وي. د سوداګرۍ لپاره، دا ډیر ژر مشخص کیږي:

• د زیربناوو لوی بلونه

• د اصلاح کولو لپاره ډیر فشار

• د امکان په صورت کې د کوچنیو ماډلونو لپاره قوي اړتیا

• د داخلي پایښت راپور ورکول

• کیش کولو او روټینګ ته ډیر پام ( ګوګل کلاوډ ، ګرین AI )

څنګه د مصنوعي ذهانت له پریښودو پرته د مصنوعي ذهانت انرژي کارول کم کړو 🌱

دا برخه مهمه ده ځکه چې هدف "د مصنوعي ذهانت کارول بندول" نه دي. معمولا دا واقعیت نه لري، او حتی اړین هم نه وي. غوره کارول هوښیار لاره ده.

دلته ترټولو لوی لیورونه دي:

۱. تر ټولو کوچنی ماډل وکاروئ چې کار سرته رسوي

هر کار ته د درانه وزن انتخاب ته اړتیا نشته. د طبقه بندي یا لنډیز کولو لپاره یو سپک ماډل کولی شي ضایعات په چټکۍ سره کم کړي. ( شنه AI ، ګوګل کلاوډ )

۲. اشارې او پایلې لنډې کړئ

په لفظي ډول دننه، په لفظي ډول بهر. اضافي ټوکنونه د اضافي محاسبې معنی لري. ځینې وختونه د پرامپټ کمول ترټولو اسانه بریا ده. ( د LLM انرژۍ کارولو کې د مقدار کولو، بسته کولو، او خدمت کولو ستراتیژیانې ، ګوګل کلاوډ )

۳. د تکرار شویو پایلو زیرمه کول

که ورته پوښتنه په دوامداره توګه څرګندیږي، نو هر ځل یې بیا مه رامینځته کوئ. دا تقریبا په ښکاره ډول څرګند دی، مګر بیا هم له لاسه ورکول کیږي. ( ګوګل کلاوډ )

۴. کله چې امکان ولري ډله ییز کارونه

په ډله ایزو برخو کې د دندو ترسره کول کولی شي کارول ښه کړي او ضایعات کم کړي. ( د LLM انرژۍ کارولو کې د مقدار ټاکل، ډله ایز کول، او د خدمت کولو ستراتیژۍ )

۵. دندې په هوښیارۍ سره ترسره کړئ

لوی ماډلونه یوازې هغه وخت وکاروئ کله چې باور کم شي یا د کار پیچلتیا لوړه شي. ( شنه AI ، ګوګل کلاوډ )

۶. زیربنا اصلاح کړئ

غوره مهالویش، غوره هارډویر، غوره یخولو ستراتیژي - پروسایک شیان، لویه ګټه. ( ګوګل کلاوډ ، DOE )

۷. د فرض کولو دمخه اندازه کړئ

ډیری ټیمونه فکر کوي چې دوی پوهیږي چې بریښنا چیرته ځي. بیا دوی اندازه کوي، او دا هلته دی - ګرانه برخه په بل ځای کې ده. ( ګوګل کلاوډ )

د موثریت کار ښکلی نه دی. دا په ندرت سره ستاینه کیږي. مګر دا د مصنوعي ذهانت د ډیر ارزانه او په پیمانه د ډیر دفاع وړ کولو لپاره یو له غوره لارو څخه دی 👍

د مصنوعي ذهانت د برېښنا کارولو په اړه عامې افسانې 🚫

راځئ چې یو څو افسانې لرې کړو ځکه چې دا موضوع په چټکۍ سره پیچلې کیږي.

۱ افسانه - د مصنوعي ذهانت هره پوښتنه په پراخه کچه ضایع ده

ضروري نه ده. ځینې یې معتدل دي. پیمانه او د دندې ډول ډیر مهم دی. ( ګوګل کلاوډ )

دوهمه افسانه - روزنه یوازینی شی دی چې مهم دی

نه. کله چې کارول ډېر وي، نو د وخت په تېرېدو سره استنباط غالب کېدای شي. ( ګوګل څېړنه ، DOE )

افسانه ۳ - لوی ماډل تل د غوره پایلې معنی لري

کله کله هو، کله کله په بشپړه توګه نه. ډیری دندې د کوچنیو سیسټمونو سره ښه ترسره کیږي. ( شنه AI )

څلورمه افسانه - د انرژۍ کارول په اتوماتيک ډول د کاربن اغیز سره مساوي دي

په سمه توګه نه. کاربن د انرژۍ سرچینې پورې هم اړه لري. ( IEA ، Strubell او نور )

پنځمه افسانه - تاسو کولی شئ د مصنوعي ذهانت د انرژۍ کارولو لپاره یو نړیوال شمېره ترلاسه کړئ

تاسو نشئ کولی، لږترلږه په داسې بڼه کې نه چې معنی ولري. یا تاسو کولی شئ، مګر دا به دومره اوسط شي چې ارزښتناکه نه وي. ( IEA )

له همدې امله د "AI څومره انرژي کاروي؟" هوښیارانه ده - مګر یوازې هغه وخت چې تاسو د شعار پرځای د پرتې ځواب لپاره چمتو یاست.

نو... په رښتیا سره، مصنوعي ذهانت څومره انرژي کاروي؟ 🤔

دلته اساسی پایله ده.

AI کاروي:

• لږ څه ، د ځینو ساده کارونو لپاره

• ډیر نور ، د درنو څو ماډل تولید لپاره

• لویې کچې ماډل روزنې لپاره خورا لوی مقدار

• په ټولیزه توګه یو لوی مقدار ، کله چې د وخت په تیریدو سره په ملیونونو غوښتنې راټولیږي ( ګوګل کلاوډ ، DOE )

دا د هغې بڼه ده.

مهمه خبره دا نه ده چې ټوله مسله په یوه ویرونکي شمیره یا یو ردونکي اوږې کې راښکته کړئ. د مصنوعي ذهانت انرژي کارول ریښتینی دی. دا مهم دی. دا ښه کیدی شي. او د دې په اړه د خبرو کولو غوره لاره د شرایطو سره ده، نه د تیاتر سره. ( IEA ، شنه AI )

ډیری عامه خبرې اترې د افراطیتونو ترمنځ تیریږي - له یوې خوا "AI اساسا وړیا دی"، له بلې خوا "AI یو بریښنایی قیامت دی". حقیقت ډیر عادي دی، کوم چې دا ډیر معلوماتي کوي. دا د سیسټم ستونزه ده. هارډویر، سافټویر، کارول، پیمانه، یخ کول، د ډیزاین انتخابونه. پروسیک؟ یو څه. مهم؟ ډیر. ( IEA ، ګوګل کلاوډ )

مهم ټکي ⚡🧾

که تاسو دلته راغلي یاست او پوښتنه کوئ چې، AI څومره انرژي کاروي؟، نو دلته یې پایله ده:

• د ټولو لپاره یوه اندازه شمېره نشته

• روزنه معمولا تر ټولو ډېره انرژي په لومړي سر کې مصرفوي

• استنباط په پیمانه یو لوی فکتور ګرځي

• د ماډل اندازه، هارډویر، کاري بار، او یخ کول ټول مهم دي

• کوچني اصلاحات کولی شي په حیرانونکي ډول لوی توپیر رامینځته کړي

• تر ټولو هوښیاره پوښتنه یوازې "څومره" نه ده، بلکې دا هم ده چې "د کومې دندې لپاره، په کوم سیسټم کې، په کومه کچه؟" ( IEA ، ګوګل کلاوډ )

نو هو، مصنوعي ذهانت ریښتینې انرژي کاروي. د پاملرنې مستحق کیدو لپاره کافي دي. د غوره انجینرۍ توجیه کولو لپاره کافي دي. مګر په کارټوني، یو شمیر ډول نه.

پرله پسې پوښتنې

مصنوعي ذهانت د یوې اشارې لپاره څومره انرژي کاروي؟

د یوې واحدې اشارې لپاره هیڅ نړیوال شمېره نشته، ځکه چې د انرژۍ کارول په ماډل، هارډویر، د اشارې اوږدوالی، د محصول اوږدوالی، او د اضافي وسیلو کارولو پورې اړه لري. د لنډ متن ځواب نسبتا لږ کیدی شي، پداسې حال کې چې یو اوږد څو ماډل دنده کولی شي د پام وړ ډیر مصرف کړي. ترټولو معنی لرونکی ځواب یو واحد سرلیک انځور نه دی، مګر د دندې شاوخوا شرایط دي.

ولې د مصنوعي ذهانت د بریښنا کارولو اټکلونه دومره توپیر لري؟

اټکلونه توپیر لري ځکه چې خلک ډیری وختونه د مصنوعي ذهانت د واحد لیبل لاندې ډیر مختلف شیان پرتله کوي. یو اټکل ممکن د سپک وزن چیټ بوټ ځواب تشریح کړي، پداسې حال کې چې بل ممکن د عکس تولید، ویډیو، یا د لوی پیمانه ماډل روزنه پوښښ کړي. د دې لپاره چې اټکل معنی ولري، دا شرایطو ته اړتیا لري لکه د دندې ډول، د ماډل اندازه، هارډویر، کارول، یخ کول، او موقعیت.

آیا د مصنوعي ذهانت روزنه یا د مصنوعي ذهانت ورځنۍ چلول د انرژۍ لوړ لګښت دی؟

روزنه معمولا د انرژۍ یوه لویه پېښه ده، ځکه چې دا کولی شي ډیری چپسونه د اوږدې مودې لپاره د لویو ډیټاسیټونو په اوږدو کې چلول شامل کړي. استنباط هغه روان لګښت دی چې هرکله چې کاروونکي غوښتنې لیږي څرګندیږي، او په پیمانه دا هم خورا لوی کیدی شي. په عمل کې، دواړه مهم دي، که څه هم دوی په مختلفو لارو مهم دي.

څه شی د یو مصنوعي ذهانت غوښتنه د بل په پرتله ډیره انرژي غواړي؟

د شرایطو اوږدې کړکۍ، اوږدې پایلې، تکراري استدلالي پاسونه، د وسیلو زنګونه، د بیرته ترلاسه کولو مرحلې، او څو ماډل تولید ټول د هر تعامل لپاره د انرژۍ کارول زیاتوي. د ځنډ هدفونه هم مهم دي، ځکه چې د چټک غبرګون اړتیاوې کولی شي موثریت کم کړي. د بیا لیکلو یوه کوچنۍ غوښتنه او د کوډ کولو یا عکس اوږد کاري فلو په ساده ډول د پرتلې وړ ندي.

کله چې خلک پوښتنه کوي چې مصنوعي ذهانت څومره انرژي کاروي، نو د انرژۍ کوم پټ لګښتونه له لاسه ورکوي؟

ډیری خلک یوازې په چپ تمرکز کوي، مګر دا د یخولو، د معلوماتو حرکت، ذخیره کولو، غیر فعال ظرفیت، او د اعتبار سیسټمونو لکه بیک اپ یا ناکامۍ سیمې له پامه غورځوي. دا ملاتړ کونکي پرتونه کولی شي په مادي توګه ټول فوټ پرینټ بدل کړي. له همدې امله یو بنچمارک په خپل ځان کې په ندرت سره د انرژۍ بشپړ انځور نیسي.

ایا یو لوی مصنوعي ذهانت ماډل تل ډیره انرژي کاروي؟

لوی ماډلونه معمولا ډیر کمپیوټر او حافظې ته اړتیا لري، په ځانګړي توګه د اوږد یا پیچلي محصولاتو لپاره، نو دوی ډیری وختونه ډیر انرژي مصرفوي. مګر لوی په اتوماتيک ډول د هر کار لپاره غوره معنی نلري، او اصلاح کولی شي انځور د پام وړ بدل کړي. کوچني متخصص ماډلونه، کوانټائزیشن، بیچینګ، کیچینګ، او هوښیار روټینګ ټول کولی شي موثریت ته وده ورکړي.

ایا د مصرف کونکي مصنوعي ذهانت کارول د انرژۍ اصلي ستونزه ده، یا د تصدۍ مصنوعي ذهانت لویه ستونزه ده؟

د مصرف کونکو ناڅاپي کارول اضافه کیدی شي، مګر د انرژۍ لویه کیسه ډیری وختونه د تشبثونو په ځای پرځای کولو کې ښکاري. تل فعال شریک پیلوټان، د اسنادو پروسس کول، د زنګ لنډیز کول، د کوډ بیاکتنه، او شالید اجنټان د لویو کاروونکو اډو کې تکراري غوښتنه رامینځته کوي. مسله معمولا د یو ډراماتیک عمل په اړه لږ او د وخت په تیریدو سره د دوامداره حجم په اړه ډیره وي.

کله چې تاسو د معلوماتو مرکزونه او یخ کول شامل کړئ نو AI څومره انرژي کاروي؟

کله چې پراخ سیسټم شامل شي، نو ځواب ډیر واقعیتي کیږي او معمولا د چپ یوازې اټکلونو څخه لوی وي. د معلوماتو مرکزونه نه یوازې د محاسبې لپاره، بلکې د یخولو، شبکې جوړولو، ذخیره کولو او اضافي ظرفیت ساتلو لپاره هم بریښنا ته اړتیا لري. له همدې امله د زیربنا ډیزاین او د تاسیساتو موثریت تقریبا د ماډل ډیزاین په څیر مهم دی.

په ریښتیني کاري جریان کې د مصنوعي ذهانت د انرژۍ کارولو اندازه کولو لپاره ترټولو عملي لاره کومه ده؟

غوره طریقه په دې پورې اړه لري چې څوک اندازه کوي او د کوم هدف لپاره. د ګوتو یو سخت اصول کولی شي د چټکو پرتله کولو سره مرسته وکړي، پداسې حال کې چې واټ میټرونه، GPU ټیلی میټري، کلاوډ بلینګ لاګونه، او د معلوماتو مرکز راپور ورکول په تدریجي ډول قوي عملیاتي بصیرت چمتو کوي. د جدي پایښت کار لپاره، د بشپړ ژوند دورې لید لاهم پیاوړی دی، که څه هم دا ورو او ډیر تقاضا لري.

ټیمونه څنګه کولی شي د ګټورو AI ځانګړتیاو له پریښودو پرته د AI انرژۍ کارول کم کړي؟

تر ټولو لویې لاسته راوړنې معمولا د کوچني ماډل کارولو څخه راځي چې لاهم کار کوي، د پرامپټونو او محصولاتو لنډول، د تکرار پایلو کیش کول، د کار بسته کول، او یوازې سخت کارونه لویو ماډلونو ته لیږدول. د زیربنا اصلاح کول هم مهم دي، په ځانګړي توګه مهالویش او د هارډویر موثریت. په ډیری پایپ لاینونو کې، لومړی اندازه کول د ټیمونو سره د غلط شی غوره کولو څخه مخنیوي کې مرسته کوي.

ماخذونه

1. د انرژۍ نړیواله اداره (IEA) - د AI څخه د انرژۍ غوښتنه - iea.org

2. د امریکا د انرژۍ وزارت (DOE) - د امریکا د انرژۍ وزارت د برېښنا د غوښتنې د زیاتوالي د ارزونې لپاره نوی راپور خپور کړ د معلوماتو مرکزونه - energy.gov

3. ګوګل کلاوډ - د مصنوعي ذهانت د استنباط د چاپیریالي اغیزو اندازه کول - cloud.google.com

4. د ګوګل څېړنه - د ماشین زده کړې روزنې د کاربن فوټ پرنټ په اړه ښه خبر - research.google

5. د ګوګل څېړنه - د ماشین زده کړې روزنې کاربن فوټ پرنټ به سطحه شي او بیا به کم شي - research.google

6. arXiv - شنه AI - arxiv.org

7. arXiv - Strubell et al. - arxiv.org

8. arXiv - د LLM انرژۍ کارولو کې د مقدار ټاکل، بسته بندي، او خدمت کولو ستراتیژۍ - arxiv.org

په رسمي AI اسسټنټ پلورنځي کې وروستي AI ومومئ

زموږ په اړه