Искусственный интеллект требует все больше энергии. По расчетам Международного энергетического агентства, к 2026 году ему понадобится столько же электричества, сколько всей сегодняшней Японии: более 1000 ТВт⋅ч. Насколько быстро растут энергетические запросы машинного разума и чем отвечают на них современные ученые — выяснила «Энергия+».
Почти половина россиян боится восстания машин, как в знаменитом «Терминаторе», показали исследования, проведенные по заказу «Лаборатории Касперского» в 2022 году. Другие видят в скором появлении искусственного сверхразума огромную пользу для человечества, третьим кажется, что повторение человеческого мозга и вовсе невозможно.
Как бы ни разворачивались события в будущем, искусственному интеллекту всегда нужна энергия. Поэтому эксперты от энергетики подсчитывают, сколько еще понадобится мощностей дата-центрам (ЦОДам — центрам обработки данных), которые обеспечивают работу всех инструментов с использованием ИИ, и откуда ее взять.
В прогнозах помогает закон Куми. Согласно расчетам профессора Стэнфордского университета Джонатана Куми, объем вычислений на киловатт энергии удваивается каждые полтора года. То есть задачи одинаковой сложности для новых компьютеров будут все менее энергозатратными.
Результаты исследования американских ученых, опубликованные в 2020 году в научном журнале Science, подтвердили, что большие языковые модели тоже развиваются по закону Куми. Китайский стартап DeepSeek заявил, что на тренировку его языковой модели ушла малая толика энергии, потраченной OpenAI для ChatGPT. Правда, потом американская компания обвинил создателей DeepSeek в краже баз данных, но это до сих пор не доказано.
При этом машинный разум требует больше электричества, чем в предыдущие годы, из-за тотального роста спроса на его услуги — к ним все чаще прибегают как частные интернет-пользователи, так и крупные корпорации. К примеру, с 2022 по 2024 годы количество запросов в интернете о нейросетевых сервисах выросло в пятнадцать раз — следует из статистики «Яндекса».
Значит, для обеспечения стабильной работы растущего искусственного интеллекта в будущем понадобится много дополнительной энергии либо на помощь придут новые технологические решения. Чтобы лучше приспособить «железо» под актуальные ИИ-инструменты, инженеры ставят в современные смартфоны и компьютеры специализированные нейронные чипы, архитектура которых пытается «повторить» работу биологических нейронов. Эта «начинка» разработана специально для ускорения решения задач, которыми занимаются нейросети: сложные вычисления, быстрая обработка данных с датчиков, работа с изображениями и текстом.
Также специалисты развивают менее энергозатратную архитектуру нейросетей с использованием нейроморфных вычислений, построенных на принципах работы нейронных связей мозга человека.
Специалисты энергетической отрасли отмечают, что сама природа поможет значительно сэкономить на охлаждении дата-центров (при высоких нагрузках они быстро перегреваются). Локации для размещения инфраструктуры ИИ нужно подбирать с учетом природно-климатических условий и среды, например водной.
Эксперт «Газпром нефти» по технологической стратегии
— Новый тип «модульных» дата-центров позволяет обрабатывать данные ближе к источнику энергии, например, к ГЭС, или в местах с избытком солнечного света. В случае такого размещения сократится нагрузка на электросети и транспортировку энергии, — продолжает эксперт. — Цифровые нефтегазовые компании планируют размещать дата-центры на месторождениях для обработки геологоразведочных данных в реальном времени. Избыточное тепло серверов, возможно, будут применять для подогрева нефтяных пластов — это повышает текучесть сырья — или обогрева ближайшей инфраструктуры.
Технологии ИИ трансформируют и сам ТЭК. Благодаря их инструментарию высокотехнологичные компании повышают эффективность разведки и добычи ресурсов, снижают операционные расходы и вероятности экстренных ситуаций на производстве.
Эксперт «Газпром нефти» по системам искусственного интеллекта
Взаимовлияние нейросетей и ТЭК в итоге выгодно обеим сторонам: благодаря ИИ энергетика становится более гибкой, экономной и устойчивой, а умные алгоритмы получают «жизненно» важную им энергию.
