ຂ້າພະເຈົ້າພະນັນວ່າທ່ານໄດ້ຍິນທຸກສິ່ງທຸກຢ່າງຈາກ "AI ດື່ມກະຕຸກນ້ໍາທຸກຄໍາຖາມບໍ່ພໍເທົ່າໃດ" ກັບ "ໂດຍພື້ນຖານແລ້ວມັນເປັນສອງສາມຢອດ,". ຄວາມຈິງແມ່ນ nuanced ຫຼາຍ. ຮອຍຕີນກາຂອງ AI ເຄື່ອນຍ້າຍຢ່າງກວ້າງຂວາງໂດຍອີງໃສ່ບ່ອນທີ່ມັນແລ່ນ, ການເຕືອນຂອງທ່ານດົນປານໃດ, ແລະສູນຂໍ້ມູນເຮັດໃຫ້ເຄື່ອງແມ່ຂ່າຍຂອງມັນເຢັນ. ດັ່ງນັ້ນ, ແມ່ນແລ້ວ, ຕົວເລກຫົວຂໍ້ມີຢູ່, ແຕ່ມັນອາໄສຢູ່ໃນປ່າສະຫງວນ.
ຂ້າງລຸ່ມນີ້ຂ້າພະເຈົ້າເປີດເຜີຍຕົວເລກທີ່ຊັດເຈນ, ພ້ອມທີ່ຈະຕັດສິນໃຈ, ອະທິບາຍວ່າເປັນຫຍັງການຄາດຄະເນບໍ່ເຫັນດີ, ແລະສະແດງໃຫ້ເຫັນວ່າຜູ້ກໍ່ສ້າງແລະຜູ້ໃຊ້ປະຈໍາວັນສາມາດຫົດແຖບນ້ໍາໂດຍບໍ່ມີການປ່ຽນເປັນພຣະສົງທີ່ມີຄວາມຍືນຍົງ.
ບົດຄວາມທີ່ທ່ານອາດຈະຢາກອ່ານຫຼັງຈາກບົດຄວາມນີ້:
🔗 ຊຸດຂໍ້ມູນ AI ແມ່ນຫຍັງ
ອະທິບາຍວ່າຊຸດຂໍ້ມູນເຮັດໃຫ້ການຝຶກອົບຮົມການຮຽນຮູ້ເຄື່ອງຈັກ ແລະການພັດທະນາຕົວແບບແນວໃດ.
🔗 AI ຄາດຄະເນແນວໂນ້ມແນວໃດ
ສະແດງໃຫ້ເຫັນວິທີການ AI ວິເຄາະຮູບແບບເພື່ອຄາດຄະເນການປ່ຽນແປງແລະຜົນໄດ້ຮັບໃນອະນາຄົດ.
🔗 ວິທີການວັດແທກປະສິດທິພາບ AI
ແຍກຕົວຊີ້ວັດທີ່ຈຳເປັນສຳລັບການປະເມີນຄວາມຖືກຕ້ອງ, ຄວາມໄວ, ແລະຄວາມໜ້າເຊື່ອຖື.
🔗 ວິທີການສົນທະນາກັບ AI
ຊີ້ນຳຍຸດທະສາດການກະຕຸ້ນທີ່ມີປະສິດທິພາບເພື່ອປັບປຸງຄວາມຊັດເຈນ, ຜົນໄດ້ຮັບ ແລະ ຄວາມສອດຄ່ອງ.
AI ໃຊ້ນ້ໍາຫຼາຍປານໃດ? ເລກໄວທີ່ເຈົ້າໃຊ້ໄດ້ຈິງ📏
-
ຕໍ່ການກະຕຸ້ນເຕືອນ, ລະດັບປົກກະຕິໃນປະຈຸບັນ: ຕັ້ງແຕ່ ຍ່ອຍມິນລີລິດ ສຳລັບການກະຕຸ້ນເຕືອນຂໍ້ຄວາມກາງໃນລະບົບຫຼັກໜຶ່ງ, ສູງເຖິງ ຫຼາຍສິບມິນລີລິດ ສຳລັບການຕອບສະໜອງທີ່ຍາວກວ່າ ແລະ ມີການຄິດໄລ່ສູງກວ່າໃນລະບົບອື່ນ. ຕົວຢ່າງ, ການບັນຊີການຜະລິດຂອງ Google ລາຍງານ ການກະຕຸ້ນເຕືອນຂໍ້ຄວາມກາງ ~0.26 mL (ລວມຄ່າໃຊ້ຈ່າຍໃນການໃຫ້ບໍລິການເຕັມຮູບແບບ) [1]. ການປະເມີນວົງຈອນຊີວິດຂອງ Mistral ກຳນົດ ການຕອບກັບຜູ້ຊ່ວຍ 400 ໂທເຄັນຢູ່ທີ່ ~45 mL (ການອະນຸມານຂອບ) [2]. ບໍລິບົດ ແລະ ຮູບແບບມີຄວາມສຳຄັນຫຼາຍ.
-
ການຝຶກອົບຮົມແບບຈໍາລອງລະດັບຊາຍແດນ: ສາມາດແລ່ນເຂົ້າໄປໃນລ້ ານລິດ, ສ່ວນໃຫຍ່ແມ່ນມາຈາກຄວາມເຢັນແລະນ້ໍາທີ່ຝັງຢູ່ໃນການຜະລິດໄຟຟ້າ. ການວິເຄາະທາງວິຊາການທີ່ອ້າງເຖິງຢ່າງກວ້າງຂວາງຄາດຄະເນປະມານ ~5.4 ລ້ານລິດ ເພື່ອຝຶກອົບຮົມແບບຈໍາລອງ GPT, ລວມທັງ ~ 700,000 ລິດ ທີ່ບໍລິໂພກຢູ່ໃນບ່ອນສໍາລັບການເຮັດຄວາມເຢັນ - ແລະໂຕ້ແຍ້ງສໍາລັບການກໍານົດເວລາອັດສະລິຍະເພື່ອຄວາມເຂັ້ມຂອງນ້ໍາຕ່ໍາ [3].
-
ສູນຂໍ້ມູນໂດຍທົ່ວໄປ: ສະຖານທີ່ຂະຫນາດໃຫຍ່ກວມເອົາ ຫຼາຍຮ້ອຍພັນກາລອນຕໍ່ມື້ ໂດຍສະເລ່ຍຢູ່ໃນຜູ້ປະກອບການທີ່ສໍາຄັນ, ມີຈຸດສູງສຸດທີ່ສູງກວ່າໃນບາງວິທະຍາເຂດຂຶ້ນກັບສະພາບອາກາດແລະການອອກແບບ [5].
ຂໍໃຫ້ມີຄວາມຊື່ສັດ: ຕົວເລກເຫຼົ່ານັ້ນມີຄວາມຮູ້ສຶກບໍ່ສອດຄ່ອງໃນຕອນທໍາອິດ. ພວກເຂົາເຈົ້າແມ່ນ. ແລະມີເຫດຜົນທີ່ດີ.
ຕົວຊີ້ວັດການໃຊ້ນໍ້າດ້ວຍ AI ✅
ຄໍາຕອບທີ່ດີກັບ AI ໃຊ້ນ້ໍາຫຼາຍປານໃດ? ຄວນໝາຍໃສ່ກ່ອງຈຳນວນໜຶ່ງ:
-
ຄວາມຊັດເຈນຂອງເຂດແດນ
ມັນລວມເອົາພຽງແຕ່ ເຢັນຢູ່ໃນບ່ອນ , ຫຼື ນອກສະຖານທີ່ ໃຊ້ໂດຍ ໂຮງງານໄຟຟ້າ ເພື່ອຜະລິດກະແສໄຟຟ້າບໍ? ການປະຕິບັດທີ່ດີທີ່ສຸດຈໍາແນກ ການຖອນນ້ໍາ ທຽບກັບ ການບໍລິໂພກນ້ໍາ ແລະຂອບເຂດ 1-2-3, ຄ້າຍຄືກັນກັບການບັນຊີຄາບອນ [3]. -
ຄວາມອ່ອນໄຫວຂອງສະຖານທີ່
ນ້ຳຕໍ່ kWh ແຕກຕ່າງກັນໄປຕາມພາກພື້ນ ແລະ ການປະສົມຂອງຕາຂ່າຍໄຟຟ້າ, ສະນັ້ນການກະຕຸ້ນດຽວກັນສາມາດມີຜົນກະທົບຕໍ່ນ້ຳທີ່ແຕກຕ່າງກັນໄປຕາມບ່ອນທີ່ມັນຖືກໃຫ້ບໍລິການ - ເປັນເຫດຜົນຫຼັກທີ່ເອກະສານແນະນຳໃຫ້ ກຳນົດເວລາທີ່ຮູ້ສະຖານທີ່ ແລະ ເວລາ [3]. -
Workload realism
ຕົວເລກສະທ້ອນເຖິງ ການກະຕຸ້ນການຜະລິດປານກາງ, ລວມທັງຄວາມອາດສາມາດບໍ່ເຮັດວຽກ ແລະສູນຂໍ້ມູນ, ຫຼືພຽງແຕ່ຕົວເລັ່ງຄວາມໄວທີ່ສູງສຸດບໍ? Google ເນັ້ນການບັນຊີເຕັມລະບົບ (idle, CPUs/DRAM, and data-center overhead) ສໍາລັບການ inference, ບໍ່ພຽງແຕ່ TPU math [1]. -
ເທກໂນໂລຍີເຮັດຄວາມເຢັນ
ການລະບາຍຄວາມເຢັນແບບລະເຫີຍ, ການເຮັດຄວາມເຢັນຂອງແຫຼວແບບວົງປິດ, ການເຮັດຄວາມເຢັນຂອງອາກາດ, ແລະວິທີການທີ່ອອກມາ ໂດຍກົງຫາຊິບ ປ່ຽນຄວາມເຂັ້ມຂອງນໍ້າຢ່າງຫຼວງຫຼາຍ. Microsoft ກໍາລັງວາງອອກການອອກແບບທີ່ມີຈຸດປະສົງເພື່ອ ລົບລ້າງການໃຊ້ນ້ໍາເຢັນ ສໍາລັບບາງສະຖານທີ່ຕໍ່ໄປ [4]. -
ໄລຍະເວລາຂອງມື້ແລະລະດູການ
ຄວາມຮ້ອນ, ຄວາມຊຸ່ມຊື່ນ, ແລະເງື່ອນໄຂຕາຂ່າຍໄຟຟ້າເຮັດໃຫ້ ປະສິດທິພາບການນໍາໃຊ້ນ້ໍາ ໃນຊີວິດຈິງ; ການສຶກສາທີ່ມີອິດທິພົນຫນຶ່ງແນະນໍາການກໍານົດເວລາວຽກທີ່ສໍາຄັນໃນເວລາທີ່ແລະບ່ອນທີ່ຄວາມເຂັ້ມຂອງນ້ໍາຕ່ໍາ [3].
ການຖອນນ້ໍາທຽບກັບການບໍລິໂພກນ້ໍາ, ອະທິບາຍ 💡
-
ການຖອນ = ນ້ໍາທີ່ເອົາມາຈາກແມ່ນ້ໍາ, ທະເລສາບ, ຫຼື aquifers (ບາງຄືນ).
-
ການບໍລິໂພກ = ນ້ໍາ ບໍ່ກັບຄືນມາ ເພາະວ່າມັນລະເຫີຍຫຼືຖືກລວມເຂົ້າໃນຂະບວນການ / ຜະລິດຕະພັນ.
ຫໍເຮັດຄວາມເຢັນສ່ວນໃຫຍ່ ໃຊ້ ນ້ຳຜ່ານການລະເຫີຍ. ການຜະລິດໄຟຟ້າສາມາດ ດູດເອົາ ນ້ຳໄດ້ຫຼາຍ (ບາງຄັ້ງກໍ່ໃຊ້ສ່ວນໜຶ່ງຂອງມັນ), ຂຶ້ນກັບໂຮງງານ ແລະ ວິທີການເຮັດຄວາມເຢັນ. ປ້າຍເລກ AI-water ທີ່ໜ້າເຊື່ອຖືເຊິ່ງມັນລາຍງານ [3].
ນໍ້າໄປໃສ AI : ສາມຄຸ 🪣
-
ຂອບເຂດທີ 1 - ການເຮັດໃຫ້ເຢັນໃນສະຖານທີ່
ສ່ວນທີ່ເບິ່ງເຫັນໄດ້: ນ້ຳລະເຫີຍຢູ່ທີ່ສູນຂໍ້ມູນເອງ. ຕົວເລືອກການອອກແບບເຊັ່ນ: ການລະເຫີຍທຽບກັບອາກາດ ຫຼື ຂອງແຫຼວວົງຈອນປິດ ກຳນົດພື້ນຖານ [5]. -
ຂອບເຂດ 2 - ການຜະລິດໄຟຟ້າ
ທຸກໆກິໂລວັດໂມງສາມາດຖືປ້າຍນ້ໍາທີ່ເຊື່ອງໄວ້; ການປະສົມແລະສະຖານທີ່ກໍານົດລິດຕໍ່ກິໂລວັດຊົ່ວໂມງສັນຍານການເຮັດວຽກຂອງເຈົ້າໄດ້ຮັບມໍລະດົກ [3]. -
ຂອບເຂດທີ 3 - ລະບົບຕ່ອງໂສ້ການສະໜອງ
ການຜະລິດຊິບ ແມ່ນອີງໃສ່ນ້ຳທີ່ບໍລິສຸດສູງສຸດໃນການຜະລິດ. ທ່ານຈະບໍ່ເຫັນມັນໃນຕົວຊີ້ວັດ "ຕໍ່ການກະຕຸ້ນ" ເວັ້ນເສຍແຕ່ວ່າຂອບເຂດດັ່ງກ່າວປະກອບມີຜົນກະທົບທີ່ປະກົດຂຶ້ນຢ່າງຊັດເຈນ (ເຊັ່ນ: LCA ເຕັມຮູບແບບ) [2][3].
ຜູ້ໃຫ້ບໍລິການຕາມຕົວເລກ, ພ້ອມກັບ nuance 🧮
-
Google Gemini ເຕືອນ
ວິທີການໃຫ້ບໍລິການແບບເຕັມ stack (ລວມທັງ idle ແລະ facility overhead). ຂໍ້ ~0.26 mL ນ້ໍາ ~ 0.24 Wh ; ຕົວເລກສະທ້ອນໃຫ້ເຫັນການຈະລາຈອນການຜະລິດແລະເຂດແດນທີ່ສົມບູນແບບ [1]. -
ວົງຈອນຊີວິດຂອງ Mistral Large 2
LCA ເອກະລາດທີ່ຫາຍາກ (ດ້ວຍ ADEME/Carbone 4) ເປີດເຜີຍ ~281,000 m³ ສຳລັບການຝຶກອົບຮົມ + ການນຳໃຊ້ໃນຕອນຕົ້ນ ແລະ ການ ອະນຸມານຂອບ ~45 mL ສຳລັບ 400 ໂທເຄັນ [2]. -
ຄວາມທະເຍີທະຍານໃນການເຮັດໃຫ້ເຢັນແບບບໍ່ໃຊ້ນໍ້າຂອງ Microsoft
ສູນຂໍ້ມູນລຸ້ນຕໍ່ໄປໄດ້ຖືກອອກແບບມາໃຫ້ ບໍ່ໃຊ້ນໍ້າເພື່ອເຮັດຄວາມເຢັນ, ໂດຍອີງໃສ່ວິທີການໃສ່ຊິບໂດຍກົງ; ການນຳໃຊ້ຂອງຜູ້ເບິ່ງແຍງລະບົບຍັງຕ້ອງການນໍ້າບາງສ່ວນ [4]. -
ຂະໜາດສູນກາງຂໍ້ມູນທົ່ວໄປ
ຜູ້ປະກອບການໃຫຍ່ລາຍງານສາທາລະນະ ຫຼາຍຮ້ອຍພັນແກລອນຕໍ່ມື້ໂດຍສະເລ່ຍ ຢູ່ໃນແຕ່ລະສະຖານທີ່; ສະພາບອາກາດ ແລະການອອກແບບ ຊຸກຍູ້ຕົວເລກຂຶ້ນ ຫຼື ລົງ [5]. -
ພື້ນຖານທາງວິຊາການກ່ອນໜ້ານີ້
“AI ທີ່ຫິວນໍ້າ” ຄາດຄະເນວ່າຕ້ອງໃຊ້ ຫຼາຍລ້ານລິດ ເພື່ອຝຶກອົບຮົມແບບຈຳລອງລະດັບ GPT, ແລະ ຄຳຕອບຂະໜາດກາງ 10–50 ຄຳຕອບ ອາດຈະເທົ່າກັບ 500 ມລ - ຂຶ້ນກັບເວລາ/ບ່ອນທີ່ພວກມັນໃຊ້ [3].
ເປັນຫຍັງການປະເມີນບໍ່ເຫັນດີຫຼາຍ 🤷
-
ຂອບເຂດທີ່ແຕກຕ່າງກັນ
ບາງຕົວເລກນັບ ພຽງແຕ່ການເຮັດໃຫ້ເຢັນຢູ່ໃນສະຖານທີ່ເທົ່ານັ້ນ; ບາງຕົວເລກເພີ່ມ ນ້ຳຂອງໄຟຟ້າ; LCA ອາດຈະເພີ່ມ ການຜະລິດຊິບ. ໝາກໂປມ, ໝາກກ້ຽງ, ແລະ ສະຫຼັດໝາກໄມ້ [2][3]. -
ປະລິມານວຽກທີ່ແຕກຕ່າງກັນ ການ
ກະຕຸ້ນຂໍ້ຄວາມສັ້ນໆບໍ່ແມ່ນການແລ່ນຫຼາຍຮູບແບບ/ລະຫັດທີ່ຍາວນານ; ເປົ້າໝາຍການເປັນກຸ່ມ, ການເຮັດວຽກພ້ອມກັນ, ແລະ ຄວາມໜ່ວງຊ້າຈະປ່ຽນແປງການນຳໃຊ້ [1][2]. -
ສະພາບອາກາດ ແລະ ຕາຂ່າຍໄຟຟ້າທີ່ແຕກຕ່າງກັນ
ການເຮັດຄວາມເຢັນແບບລະເຫີຍໃນພາກພື້ນຮ້ອນ ແລະ ແຫ້ງແລ້ງ ≠ ການເຮັດຄວາມເຢັນດ້ວຍອາກາດ/ຂອງແຫຼວໃນພາກພື້ນເຢັນ ແລະ ຊຸ່ມຊື່ນ. ຄວາມເຂັ້ມຂອງນ້ຳໃນຕາຂ່າຍໄຟຟ້າແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍ [3]. -
ວິທີການຂອງຜູ້ຂາຍ
Google ໄດ້ເຜີຍແຜ່ວິທີການໃຫ້ບໍລິການທົ່ວລະບົບ; Mistral ໄດ້ເຜີຍແຜ່ LCA ຢ່າງເປັນທາງການ. ຄົນອື່ນໆສະເໜີການປະເມີນຈຸດດ້ວຍວິທີການທີ່ຫາຍາກ. “ໜຶ່ງສ່ວນສິບຫ້າຂອງບ່ວງກາເຟ” ໄດ້ສ້າງຫົວຂໍ້ຂ່າວ - ແຕ່ຖ້າບໍ່ມີລາຍລະອຽດຂອບເຂດ, ມັນບໍ່ສາມາດປຽບທຽບໄດ້ [1][3]. -
ເປົ້າໝາຍທີ່ເຄື່ອນຍ້າຍ
ຄວາມເຢັນກຳລັງພັດທະນາໄວ. Microsoft ກໍາລັງທົດລອງ ການເຮັດຄວາມເຢັນແບບບໍ່ມີນໍ້າ ຢູ່ບາງບ່ອນ; ການໝູນໃຊ້ສິ່ງເຫຼົ່ານີ້ຈະຫຼຸດນໍ້າໃນພື້ນທີ່ ເຖິງແມ່ນວ່າກະແສໄຟຟ້າໃນຕົ້ນນໍ້າຍັງສົ່ງສັນຍານນໍ້າ [4].
ສິ່ງທີ່ທ່ານສາມາດເຮັດໄດ້ໃນມື້ນີ້ເພື່ອຫຼຸດຜ່ອນຮອຍນ້ໍາຂອງ AI 🌱
-
ຂະໜາດຂອງຮູບແບບໃຫ້ຖືກຕ້ອງ
ຮູບແບບຂະໜາດນ້ອຍກວ່າ ແລະ ໄດ້ຮັບການປັບແຕ່ງໃຫ້ເໝາະສົມກັບໜ້າວຽກມັກຈະກົງກັບຄວາມຖືກຕ້ອງ ໃນຂະນະທີ່ໃຊ້ການຄຳນວນໜ້ອຍລົງ. ການປະເມີນຂອງ Mistral ເນັ້ນໜັກເຖິງຄວາມສຳພັນທີ່ເຂັ້ມແຂງລະຫວ່າງຂະໜາດກັບຮອຍຕີນ - ແລະ ເຜີຍແຜ່ຕົວເລກການອະນຸມານຂອບເພື່ອໃຫ້ທ່ານສາມາດຫາເຫດຜົນກ່ຽວກັບການແລກປ່ຽນ [2]. -
ເລືອກພາກພື້ນທີ່ສອດຄ່ອງກັບນ້ຳ
ມັກພາກພື້ນທີ່ມີສະພາບອາກາດເຢັນກວ່າ, ການລະບາຍຄວາມຮ້ອນທີ່ມີປະສິດທິພາບ, ແລະ ຕາຂ່າຍໄຟຟ້າທີ່ມີຄວາມເຂັ້ມຂອງນ້ຳຕໍ່ kWh ຕ່ຳກວ່າ; ວຽກງານ “AI ທີ່ຫິວນ້ຳ” ສະແດງໃຫ້ເຫັນວ່າ ເວລາ ແລະ ສະຖານທີ່ທີ່ຮູ້ເວລາ ຊ່ວຍໄດ້ [3]. -
ປ່ຽນແປງການໂຫຼດຂອງວຽກຕາມເວ
ລາ ກຳນົດເວລາການຝຶກອົບຮົມ/ການສະຫຼຸບຊຸດໜັກສຳລັບຊົ່ວໂມງທີ່ມີປະສິດຕິພາບຂອງນ້ຳ (ຕອນກາງຄືນທີ່ເຢັນກວ່າ, ສະພາບຕາຂ່າຍໄຟຟ້າທີ່ເອື້ອອຳນວຍ) [3]. -
ຖາມຜູ້ຂາຍຂອງທ່ານສໍາລັບຕົວວັດແທກຄວາມໂປ່ງໃສ
ຄວາມຕ້ອງການ ນ້ໍາຕໍ່ທັນທີ, ຄໍານິຍາມເຂດແດນ, ແລະບໍ່ວ່າຈະເປັນຕົວເລກລວມເຖິງຄວາມອາດສາມາດແລະສິ່ງອໍານວຍຄວາມສະດວກ overhead. ກຸ່ມນະໂຍບາຍກໍາລັງຊຸກຍູ້ໃຫ້ມີການເປີດເຜີຍແບບບັງຄັບເພື່ອເຮັດໃຫ້ການປຽບທຽບຫມາກໂປມກັບຫມາກໂປມເປັນໄປໄດ້ [3]. -
ເຕັກໂນໂລຊີການລະບາຍຄວາມຮ້ອນມີຄວາມສຳຄັນ
ຖ້າທ່ານໃຊ້ຮາດແວ, ໃຫ້ປະເມີນ ການລະບາຍຄວາມຮ້ອນແບບວົງປິດ/ໂດຍກົງໃສ່ຊິບ; ຖ້າທ່ານໃຊ້ຄລາວ, ໃຫ້ເລືອກພາກພື້ນ/ຜູ້ໃຫ້ບໍລິການທີ່ລົງທຶນໃນ ການອອກແບບແສງນ້ຳ [4][5]. -
ການນໍາໃຊ້ນ້ໍາສີຂີ້ເຖົ່າແລະທາງເລືອກໃນການນໍາມາໃຊ້ໃຫມ່
ວິທະຍາເຂດຈໍານວນຫຼາຍສາມາດທົດແທນແຫຼ່ງທີ່ບໍ່ແມ່ນ potable ຫຼື recycle ພາຍໃນ loops; ຜູ້ປະກອບການຂະຫນາດໃຫຍ່ອະທິບາຍການດຸ່ນດ່ຽງແຫຼ່ງນ້ໍາແລະການເລືອກຄວາມເຢັນເພື່ອຫຼຸດຜ່ອນຜົນກະທົບສຸດທິ [5].
ຕົວຢ່າງສັ້ນໆເພື່ອເຮັດໃຫ້ມັນເປັນຈິງ (ບໍ່ແມ່ນກົດລະບຽບທົ່ວໄປ): ການຍ້າຍວຽກຝຶກອົບຮົມໃນຕອນກາງຄືນຈາກພາກພື້ນຮ້ອນແລະແຫ້ງແລ້ງໃນກາງລະດູຮ້ອນໄປສູ່ພາກພື້ນທີ່ເຢັນກວ່າແລະຊຸ່ມຊື່ນກວ່າໃນລະດູໃບໄມ້ປົ່ງ - ແລະການເຮັດວຽກໃນຊ່ວງເວລາທີ່ບໍ່ແມ່ນຊ່ວງເວລາສູງສຸດແລະອາກາດເຢັນກວ່າ - ສາມາດປ່ຽນທັງ ຢູ່ໃນສະຖານທີ່ ແລະ ນອກສະຖານທີ່ (ຕາຂ່າຍໄຟຟ້າ). ນັ້ນແມ່ນການຈັດຕາຕະລາງການຊະນະທີ່ໃຊ້ໄດ້ຈິງແລະມີຄວາມຕື່ນເຕັ້ນຕໍ່າສາມາດປົດລັອກໄດ້ [3].
ຕາຕະລາງປຽບທຽບ: ການເລືອກດ່ວນເພື່ອຫຼຸດຈຳນວນນໍ້າຂອງ AI 🧰
| ເຄື່ອງມື | ຜູ້ຊົມ | ລາຄາ | ເປັນຫຍັງມັນເຮັດວຽກ |
|---|---|---|---|
| ຕົວແບບທີ່ນ້ອຍກວ່າ, ປັບແຕ່ງໜ້າວຽກ | ທີມງານ ML, ຜູ້ນໍາຜະລິດຕະພັນ | ຕໍ່າ–ປານກາງ | ຄອມພິວເຕີ້ຫນ້ອຍລົງຕໍ່ token = ຄວາມເຢັນຫນ້ອຍ + ນ້ໍາໄຟຟ້າ; ພິສູດແລ້ວໃນການລາຍງານແບບ LCA [2]. |
| ການຄັດເລືອກພາກພື້ນໂດຍນ້ໍາ / kWh | ສະຖາປະນິກ Cloud, ການຈັດຊື້ | ປານກາງ | ປ່ຽນໄປສູ່ສະພາບອາກາດທີ່ເຢັນກວ່າແລະຕາຂ່າຍໄຟຟ້າທີ່ມີຄວາມເຂັ້ມຂອງນ້ໍາຕ່ໍາ; ຄູ່ກັບເສັ້ນທາງທີ່ຮັບຮູ້ຄວາມຕ້ອງການ [3]. |
| ປ່ອງຢ້ຽມການຝຶກອົບຮົມເວລາຂອງມື້ | MLOps, ຕາຕະລາງ | ຕ່ຳ | ຄືນທີ່ອາກາດເຢັນລົງ + ສະພາບຕາຂ່າຍໄຟຟ້າທີ່ດີຂຶ້ນ ຊ່ວຍຫຼຸດຜ່ອນຄວາມເຂັ້ມຂອງນ້ຳທີ່ມີປະສິດທິພາບ [3]. |
| ການເຮັດຄວາມເຢັນໂດຍກົງຫາຊິບ/ວົງປິດ | ການບໍລິການສູນຂໍ້ມູນ | ປານກາງ-ສູງ | ຫຼີກລ່ຽງຫໍຄອຍລະເຫີຍທີ່ເປັນໄປໄດ້, ຫຼຸດການບໍລິໂພກໃນພື້ນທີ່ [4]. |
| ກະຕຸ້ນຄວາມຍາວ & batch ຄວບຄຸມ | ນັກພັດທະນາແອັບ | ຕ່ຳ | Cap runaway tokens, batch smartly, cache results; ມິນລິວິນາທີໜ້ອຍລົງ, ມິນລີລິດໜ້ອຍລົງ [1][2]. |
| ລາຍການກວດສອບຄວາມໂປ່ງໃສຂອງຜູ້ຂາຍ | CTOs, ຄວາມຍືນຍົງນໍາພາ | ຟຣີ | ບັງຄັບໃຫ້ຄວາມຊັດເຈນຂອງເຂດແດນ (ໃນເວັບໄຊທຽບກັບນອກສະຖານທີ່) ແລະການລາຍງານຫມາກໂປມກັບຫມາກໂປມ [3]. |
| ນ້ໍາສີຂີ້ເຖົ່າຫຼືແຫຼ່ງທີ່ຖືກຍຶດຄືນ | ສິ່ງອໍານວຍຄວາມສະດວກ, ເທດສະບານ | ປານກາງ | ການທົດແທນນ້ຳທີ່ບໍ່ສາມາດນຳໃຊ້ໄດ້ຈະຊ່ວຍບັນເທົາຄວາມຕຶງຄຽດໃຫ້ກັບອຸປະກອນທີ່ສາມາດໃຊ້ໄດ້ [5]. |
| ການຮ່ວມມືກັບການໃຊ້ຄວາມຮ້ອນຄືນໃໝ່ | ຜູ້ປະກອບການ, ສະພາທ້ອງຖິ່ນ | ປານກາງ | ປະສິດທິພາບຄວາມຮ້ອນທີ່ດີກວ່າຈະຕັດຄວາມຕ້ອງການຄວາມເຢັນໂດຍທາງອ້ອມ ແລະສ້າງຄວາມດີໃນທ້ອງຖິ່ນ [5]. |
("ລາຄາ" ແມ່ນ squishy ໂດຍການອອກແບບ - ການຕິດຕັ້ງແຕກຕ່າງກັນ.)
ດຳນ້ຳເລິກ: ການຕີກອງນະໂຍບາຍດັງຂຶ້ນກວ່າ 🥁
ອົງວິສະວະກຳຮຽກຮ້ອງໃຫ້ມີ ການເປີດເຜີຍພະລັງງານ ແລະ ນ້ຳຂອງສູນຂໍ້ມູນແບບບັງຄັບ ເພື່ອໃຫ້ຜູ້ຊື້ ແລະ ຊຸມຊົນສາມາດຕັດສິນຄ່າໃຊ້ຈ່າຍ ແລະ ຜົນປະໂຫຍດໄດ້. ຄຳແນະນຳລວມມີຄຳນິຍາມຂອບເຂດ, ການລາຍງານລະດັບສະຖານທີ່, ແລະ ຄຳແນະນຳກ່ຽວກັບສະຖານທີ່ - ເພາະວ່າຖ້າບໍ່ມີຕົວຊີ້ວັດທີ່ທຽບເທົ່າ ແລະ ຮັບຮູ້ສະຖານທີ່, ພວກເຮົາກໍ່ຍັງໂຕ້ຖຽງກັນຢູ່ [3].
ດຳນ້ຳເລິກ: ສູນຂໍ້ມູນບໍ່ໄດ້ຈົ່ມດ້ວຍວິທີດຽວກັນ🚰
ມີຄວາມເຂົ້າໃຈຜິດທີ່ຍັງຄົງຢູ່ວ່າ "ການເຮັດໃຫ້ເຢັນດ້ວຍອາກາດບໍ່ໃຊ້ນໍ້າ." ບໍ່ແມ່ນແທ້ໆ. ລະບົບທີ່ໃຊ້ອາກາດຫຼາຍມັກຈະຕ້ອງການ ໄຟຟ້າຫຼາຍກວ່າ, ເຊິ່ງໃນຫຼາຍພາກພື້ນນຳເອົາ ນໍ້າທີ່ເຊື່ອງໄວ້ ຈາກຕາຂ່າຍໄຟຟ້າ; ໃນທາງກັບກັນ, ການເຮັດໃຫ້ເຢັນດ້ວຍນໍ້າ ສາມາດຫຼຸດຜ່ອນພະລັງງານ ແລະ ການປ່ອຍອາຍພິດໄດ້ໂດຍມີຄ່າໃຊ້ຈ່າຍເທົ່າກັບນໍ້າໃນສະຖານທີ່. ຜູ້ປະກອບການຂະໜາດໃຫຍ່ໄດ້ດຸ່ນດ່ຽງການແລກປ່ຽນເຫຼົ່ານີ້ຢ່າງຊັດເຈນໃນແຕ່ລະສະຖານທີ່ [1][5].
ການດໍານ້ໍາເລິກ: ການກວດສອບຄວາມເປັນຈິງຢ່າງໄວວາກ່ຽວກັບການຮຽກຮ້ອງໄວຣັດ🧪
ທ່ານອາດຈະເຄີຍເຫັນຄຳຖະແຫຼງທີ່ກ້າຫານວ່າການກະຕຸ້ນດຽວເທົ່າກັບ "ຂວດນ້ຳ" ຫຼືອີກດ້ານໜຶ່ງແມ່ນ "ພຽງແຕ່ສອງສາມຢອດ." ທ່າທາງທີ່ດີກວ່າ: ຄວາມຖ່ອມຕົວກັບຄະນິດສາດ. ປຶ້ມທີ່ໜ້າເຊື່ອຖືໃນປະຈຸບັນແມ່ນ ~0.26 mL ສຳລັບການກະຕຸ້ນການຜະລິດສະເລ່ຍທີ່ມີຄ່າໃຊ້ຈ່າຍເຕັມທີ່ [1] ແລະ ~45 mL ສຳລັບການຕອບກັບຜູ້ຊ່ວຍ 400 ໂທເຄັນ (ການອະນຸມານແບບຂອບ) [2]. "ໜຶ່ງສ່ວນສິບຫ້າຂອງບ່ວງກາເຟ" ຂາດຂອບເຂດ/ວິທີການສາທາລະນະ; ປະຕິບັດມັນຄືກັບການພະຍາກອນອາກາດໂດຍບໍ່ມີເມືອງ [1][3].
Mini-FAQ: AI ໃຊ້ນ້ໍາຫຼາຍປານໃດ? ອີກເທື່ອຫນຶ່ງ, ໃນພາສາອັງກິດທໍາມະດາ 🗣️
-
ສະນັ້ນ, ຂ້ອຍຄວນເວົ້າຫຍັງໃນກອງປະຊຸມ?
“ຕໍ່ການກະຕຸ້ນ, ມັນມີຕັ້ງແຕ່ ຢອດຈົນເຖິງສອງສາມຈິບ, ຂຶ້ນກັບຮຸ່ນ, ຄວາມຍາວ, ແລະບ່ອນທີ່ມັນແລ່ນ. ການຝຶກອົບຮົມຕ້ອງໃຊ້ທັງນ້ຳ, ບໍ່ແມ່ນນ້ຳໃນໜອງ.” ຈາກນັ້ນ, ໃຫ້ອ້າງເຖິງຕົວຢ່າງໜຶ່ງຫຼືສອງຢ່າງຂ້າງເທິງ. -
AI ບໍ່ດີຢ່າງໂດດເດັ່ນບໍ?
ມັນມີ ຄວາມເຂັ້ມຂຸ້ນ: ຊິບພະລັງງານສູງທີ່ລວມເຂົ້າກັນສ້າງພາລະການເຮັດໃຫ້ເຢັນຫຼາຍ. ແຕ່ສູນຂໍ້ມູນຍັງເປັນບ່ອນທີ່ເທັກໂນໂລຢີທີ່ມີປະສິດທິພາບດີທີ່ສຸດມັກຈະມາຮອດກ່ອນ [1][4]. -
ຈະເປັນແນວໃດຖ້າພວກເຮົາພຽງແຕ່ຍ້າຍທຸກຢ່າງໄປໃຊ້ລະບົບເຮັດຄວາມເຢັນດ້ວຍອາກາດ?
ທ່ານອາດຈະຫຼຸດຜ່ອນ ໃນສະຖານທີ່ ແຕ່ເພີ່ມການ ນອກສະຖານທີ່ ຜ່ານທາງໄຟຟ້າ. ຜູ້ປະຕິບັດງານທີ່ຊັບຊ້ອນຈະຊັ່ງນ້ຳໜັກທັງສອງຢ່າງ [1][5]. -
ຈະເປັນແນວໃດກ່ຽວກັບເຕັກໂນໂລຢີໃນອະນາຄົດ?
ການອອກແບບທີ່ ຫຼີກລ່ຽງນໍ້າເຢັນ ໃນຂະໜາດຈະເປັນຕົວປ່ຽນເກມສຳລັບຂອບເຂດ 1. ຜູ້ປະກອບການບາງຄົນກຳລັງເຄື່ອນຍ້າຍໄປທາງນີ້; ກະແສໄຟຟ້າເທິງນ້ຳຍັງສົ່ງສັນຍານນ້ຳຈົນກວ່າຕາຂ່າຍຈະປ່ຽນ [4].
ຂໍ້ສັງເກດສຸດທ້າຍ - ດົນເກີນໄປ, ຂ້ອຍບໍ່ໄດ້ອ່ານມັນ 🌊
-
ຕໍ່ການກະຕຸ້ນ: ຄິດວ່າ ຍ່ອຍມີລີລິດເຖິງສິບມິນລິລິດ, ຂຶ້ນກັບຕົວແບບ, ຄວາມຍາວວ່ອງໄວ, ແລະບ່ອນທີ່ມັນແລ່ນ. median prompt ~0.26 mL ໃນ stack ໃຫຍ່ຫນຶ່ງ; ~45 mL ສໍາລັບ ການຕອບກັບ 400-token ໃນອີກ [1][2].
-
ການຝຶກອົບຮົມ: ລ້ານລິດ ສຳລັບຮູບແບບ Frontier, ເຮັດໃຫ້ການກຳນົດເວລາ, ສະຖານທີ່, ແລະ ເຕັກໂນໂລຊີການເຮັດຄວາມເຢັນມີຄວາມສຳຄັນຫຼາຍ [3].
-
ສິ່ງທີ່ຕ້ອງເຮັດ: ຮູບແບບຂະຫນາດທີ່ຖືກຕ້ອງ, ເລືອກພື້ນທີ່ທີ່ມີນ້ໍາ, ປ່ຽນວຽກຫນັກໄປສູ່ຊົ່ວໂມງທີ່ເຢັນກວ່າ, ຕ້ອງການໃຫ້ຜູ້ຂາຍພິສູດການອອກແບບແສງສະຫວ່າງນ້ໍາ, ແລະຕ້ອງການຂອບເຂດທີ່ໂປ່ງໃສ [1][3][4][5].
ການປຽບທຽບຂໍ້ບົກຜ່ອງເລັກນ້ອຍເພື່ອສິ້ນສຸດ: AI ແມ່ນວົງດົນຕີທີ່ຫິວໂຫຍ - melody ແມ່ນຄິດໄລ່, ແຕ່ drums ເຢັນແລະນ້ໍາຕາຂ່າຍໄຟຟ້າ. Tune ແຖບ, ແລະຜູ້ຊົມຍັງໄດ້ຮັບດົນຕີໂດຍບໍ່ມີການ sprinklers ໄປ. 🎻💦
ເອກະສານອ້າງອີງ
-
ບລັອກ Google Cloud - AI ຂອງ Google ໃຊ້ພະລັງງານເທົ່າໃດ? ພວກເຮົາໄດ້ຄິດໄລ່ແລ້ວ (ວິທີການ + ~0.26 mL , ຄ່າໃຊ້ຈ່າຍໃນການຮັບໃຊ້ເຕັມທີ່). ລິ້ງ
(ເອກະສານດ້ານວິຊາການ PDF: ການວັດແທກຜົນກະທົບຕໍ່ສິ່ງແວດລ້ອມຂອງການສະໜອງ AI ໃນລະດັບ Google.) ລິ້ງ -
Mistral AI - ການປະກອບສ່ວນຂອງພວກເຮົາຕໍ່ມາດຕະຖານສິ່ງແວດລ້ອມທົ່ວໂລກສຳລັບ AI (LCA ດ້ວຍ ADEME/Carbone 4; ~281,000 m³ ການຝຶກອົບຮົມ + ການນຳໃຊ້ໃນໄລຍະຕົ້ນ; ~45 mL ຕໍ່ ກັບ 400 ໂທເຄັນ , ການອະນຸມານຂອບ). ລິ້ງ
-
Li ແລະ ຄະນະ - ເຮັດໃຫ້ AI “ຫິວນໍ້າ” ໜ້ອຍລົງ: ການຄົ້ນພົບ ແລະ ແກ້ໄຂບັນຫາຮ່ອງຮອຍນໍ້າລັບຂອງຮູບແບບ AI (ການຝຶກອົບຮົມ ຫຼາຍລ້ານລິດ, ນົດເວລາ ແລະ ສະຖານທີ່ , ການຖອນຕົວ ທຽບກັບ ການບໍລິໂພກ). ລິ້ງ
-
Microsoft - ສູນກາງຂໍ້ມູນຮຸ່ນຕໍ່ໄປບໍລິໂພກນ້ໍາສູນສໍາລັບການເຮັດຄວາມເຢັນ (ການອອກແບບໂດຍກົງຫາຊິບເພື່ອແນໃສ່ການເຮັດຄວາມເຢັນທີ່ບໍ່ມີນ້ໍາຢູ່ໃນບາງສະຖານທີ່). ເຊື່ອມຕໍ່
-
ສູນຂໍ້ມູນ Google - ປະຕິບັດການແບບຍືນຍົງ (ການລົງທືນເຮັດຄວາມເຢັນຈາກແຕ່ລະບ່ອນ; ການລາຍງານ ແລະການນຳໃຊ້ຄືນໃໝ່, ລວມທັງການເກັບຄືນ/ນ້ຳສີເທົາ; ຄຳສັ່ງການນຳໃຊ້ລະດັບເວັບໄຊຕາມປົກກະຕິໃນແຕ່ລະມື້). ເຊື່ອມຕໍ່