Watt Matters in AI: op zoek naar energie-efficiënte AI

Watt doet ertoe in AI.

Kunstmatige intelligentie (AI) kan allerlei maatschappelijke problemen oplossen en tegelijkertijd bijdragen aan het behalen van de Global Development Goals. Het verwachte massale gebruik van AI zal echter een zware wissel trekken op de energiebronnen, waardoor nieuwe problemen ontstaan. Om dit probleem het hoofd te bieden, zijn nieuwe paradigma's nodig op meerdere niveaus, van innovatieve hardwareoplossingen tot regelgeving voor het gebruik van AI en alles daartussenin. Dit gaat veel verder dan de voortdurende verbeteringen van de huidige oplossingen - we hebben een holistische aanpak nodig die leidt tot radicale doorbraken.

Daarom is IO+ medeorganisator van 'Watt Matters in AI' een conferentie op 26 november om het potentieel van deze nieuwe paradigma's te verkennen, die een basis vormen voor AI met een sterk verbeterde energie-efficiëntie. Recente ontwikkelingen in AI zullen de revue passeren en veelbelovende nieuwe concepten, zoals brain-inspired neuromorphic computing, physics-based computing en approximate computing.

Vooruitlopend op deze conferentie publiceert IO+ een serie artikelen die ingaan op de uitdaging en zich richten op mogelijke oplossingen. Dit is het eerste artikel in die serie. Watt doet er echt toe in AI; door multidisciplinaire experts samen te brengen op deze conferentie kan een ecosysteem ontstaan dat innovaties naar nieuwe niveaus stuwt. Geïnteresseerd? Koop dan alvast je early-bird ticket hier.

Potentiële winst in energie-efficiëntie

De groeiende energie-footprint van AI heeft geleid tot intensief onderzoek naar duurzamere rekenmethoden. In het afgelopen jaar heeft vooruitgang in zowel hardware als software laten zien dat aanzienlijke winst in energie-efficiëntie mogelijk is - vaak door gebruik te maken van aanwijzingen uit de natuur (op de hersenen geïnspireerde chips, neuromorfische memristors), gebruik te maken van de wetten van de fysica (fotonisch en analoog computergebruik) en op intelligente wijze het vet uit de huidige AI-modellen te halen (snoeien, kwantificeren, benaderend computergebruik). Deze benaderingen vullen elkaar in hoge mate aan: de ultieme energie-efficiënte AI-systemen zullen waarschijnlijk efficiënte algoritmen combineren die draaien op gespecialiseerde hardware met een laag stroomverbruik.

Naarmate we verder komen, kunnen we een nog nauwer co-design van modellen en hardware verwachten, meer nadruk op "Groene AI ”-metriek in onderzoek en een bredere toepassing van deze efficiëntietechnieken in de industrie. Ultiem doel is de snelle groei van AI in overeenstemming te brengen met de praktische behoefte aan energiebewust computergebruik, zodat de voordelen van AI kunnen worden benut terwijl de kosten voor het milieu en de economie tot een minimum worden beperkt. Maar dit zal uiteraard tijd kosten.

Deze chip verlaagt het AI-energieverbruik met 1000 keer

Een team van Amerikaanse onderzoekers heeft een chip ontwikkeld die het energieverbruik van AI drastisch kan verlagen.

Lees meer

Moderne modellen voor kunstmatige intelligentie hebben opmerkelijke capaciteiten bereikt ten koste van enorme reken- en energievereisten. Het trainen en inzetten van grote neurale netwerken kan enorme hoeveelheden elektriciteit vergen, wat bijdraagt aan een aanzienlijke CO2-uitstoot. Generatieve AI-systemen kunnen bijvoorbeeld tot 33× meer energie verbruiken om een taak uit te voeren dan conventionele software. Prognoses geven aan dat zonder efficiëntieverbeteringen het elektriciteitsverbruik van AI meer dan kan verdubbelen van 460 TWh nu tot 1000 TWh in 2026. Deze toenemende energiebehoefte heeft geleid tot een golf van onderzoek om AI energie-efficiënter te maken.

Hardware en software

Onderzoekers pakken het probleem op verschillende fronten aan. Meest in het oog springend daarbij zijn hardware-innovaties (het maken van energiezuinige, op het brein geïnspireerde computerapparaten en versnellers), software-innovaties (het ontwikkelen van algoritmen en technieken om de rekenkosten van AI-modellen te verlagen) en gedragsveranderingen (denk aan ethische kaders, bedrijfsverantwoordelijkheid, betrokkenheid van gebruikers, beleidsontwikkeling en publieke bewustwording). In het afgelopen jaar is er bijvoorbeeld aanzienlijke vooruitgang geboekt op gebieden zoals neuromorfisch rekenen, analoge en fotonische processors, benaderend rekenen, modelcompressie (snoeien en kwantificeren), energiebewust ontwerpen van neurale architectuur en gespecialiseerde AI-chips.

Veel van deze vorderingen zijn gepubliceerd in toonaangevende tijdschriften en conferenties en zijn beschikbaar als open-access artikelen. In de volgende drie artikelen in deze serie geven we een overzicht van recent onderzoek (2024-2025) dat strategieën voor het verbeteren van de energie-efficiëntie van AI illustreert, zowel voor hardware en software als voor meer gedragsgestuurde aanpassingen.