世界経済フォーラムからの洞察: コンピューティングの持続可能性と AI に関する Joris Poort

最近、Rescale の CEO 兼創設者である Joris Poort が、コンピューティングの将来についての洞察を、 .

「組織が二酸化炭素排出量を拡大せずに AI を導入できる方法」 「AI 物理学がどのように製品設計に革命をもたらす可能性があるか」 テクノロジーおよびビジネスのリーダーがこれらの差し迫った問題に取り組む際の重要な考慮事項について説明しました。

記事は役人としてプポート氏の参加の一部であった アジェンダの貢献者 WEFの「サマー・ダボス」にて 第14回ニューチャンピオン年次総会 中国の天津で。

この会議には、ビジネス、学界、政府、国際機関から 1,500 人以上の世界的リーダーやイノベーターが集まり、進行中の世界経済の変革について議論しました。 ニューチャンピオンズミーティングのテーマは「起業家精神：世界経済の原動力」でした。

持続可能性を計算するための新しい道を見つける

彼の記事で 「組織が二酸化炭素排出量を拡大せずに AI を導入できる方法」 プアート氏は、イノベーションと商業の推進におけるコンピューティングの大きな役割が、同様に重要かつ増大する二酸化炭素排出量をどのように伴うかについて説明します。

たとえば、Uptime Institute は次のように報告しています。 サーバーの消費電力は 266 年以来 2017% 増加しました。 そしてデータセンターは現在、世界の電力消費量の 3% を占めており、4 年までに 2030% に達する可能性があります。

人工知能 (AI) が業界全体で爆発的に普及すると、コンピューティング能力とエネルギーの需要はさらに加速するでしょう。

コンピューティングによる二酸化炭素排出量を増大させずに、AI 革命の可能性から利益を得るにはどうすればよいでしょうか?

この課題に対処するために、Poort 氏は企業と政府が持続可能なコンピューティング実践を開発するために実行できる XNUMX つのステップを詳しく説明します。 これらには次のものが含まれます。

• クラウドコンピューティングによる利用率の向上
• ドメイン固有のアーキテクチャを開発する
• ワークロードのポータビリティを有効にする
• パフォーマンスの最適化を自動化する
• 持続可能なエネルギー源を使用する

ポート氏は、各ステップが異なる方法で持続可能なコンピューティングに取り組むことを強調した。 これらすべてを組み合わせることで、現在の慣行に必要な大幅な改善をもたらすことができます。

最も重要なことは、クラウドベースのハイ パフォーマンス コンピューティング (HPC) サービスが急速に拡大していることにより、研究開発コンピューティング業務のエネルギー効率を向上させるために使用できるハードウェア インフラストラクチャの種類が大幅に柔軟になったことです。

などのクラウドベースのサービスを利用すると、 AWS, Microsoft Azure、 & Googleクラウド, 研究開発チームは、データ集約型のデジタル エンジニアリング シミュレーションやその他の大規模なコンピューティング ワークロードを実行するために、最新の最も効率的なスーパーコンピューティング クラスターを利用できます。

そして、特殊なチップの数は爆発的に増加しました。 CPU (中央処理装置) などの従来のチップよりも 10 倍効率的に実行できる可能性があるため、GPU (グラフィック処理装置) や TPU (テンソル処理装置) などの新しいチップは、持続可能性の大幅な向上を約束します。

クラウドにおける高性能、高効率のハードウェア アーキテクチャの世界は、通常、スーパーコンピューティング システム構築の資本コストを償却するために同じハードウェアを何年も使用する必要があるオンプレミス データ センターの従来の制約とはまったく対照的です。 その結果、組織は古くて効率の悪い HPC アーキテクチャという負担を負うことになります。

ただし、ワークロードをクラウドに移動するのは複雑な作業となる場合があります。 それを正しく行うには、時間、お金、そして専門知識が必要です。 クラウド サービスを使用する場合でも、アプリケーションをあるクラウド インフラストラクチャから別のクラウド インフラストラクチャに移植することは非常に困難です。 これにより、よりグリーンなコンピューティングに最適なアーキテクチャの採用が妨げられています。

これに対処するために、組織は、さまざまなマルチクラウド アーキテクチャ間でアプリケーションを調整しながら、HPC クラウド サービスのセットアップに必要な手順を自動化する新しい方法が必要だとプアート氏は言います。

組織が特定のアプリケーション (さらには特定の種類のコンピューティング ワークロード) に使用する適切なインフラストラクチャを把握していない場合、さまざまなクラウドベースのインフラストラクチャに簡単に切り替えることができても役に立ちません。

チップの革新が加速しているため、アプリケーションに最適なハードウェアをマッチングするこのプロセスには高度な自動化が必要です。 組織が常にテスト、ベンチマークを行い、新しいハードウェアを導入するには、状況の変化があまりにも急速です。

そして、これを間違えると、エネルギーに大きな影響を与える可能性があります。 Poort 氏は、自動化によってより多くの組織のクラウドへのアクセスが改善され、世界中で全体的な利用率が向上すると書いています。

新時代のイノベーションに対する AI の約束

彼の記事で 「AI 物理学がどのように製品設計に革命をもたらす可能性があるか」 プポート氏は、人工知能 (AI) がデジタル エンジニアリングと製品開発を変革し、大幅に加速する大きな機会に注意を呼び掛けています。

ツールは次のようなものですが、 AI言語モデルを活用してコードのデバッグからデータの異常検出まで、 は現在主流であり、多くの注目と議論を集めていますが、デジタル エンジニアリング イノベーションの新時代を定義する AI の深い可能性については、ほとんど書かれていません。

エンジニアリングと科学コンピューティングは現在、イノベーションの基盤となっています。 これらの方法では、多くの場合、スーパーコンピューティング クラスター (別名: 高性能コンピューティング または HPC) を使用して、現実世界を再現する詳細なシミュレーション モデルを実行します。

さまざまな業界で、研究開発 (R&D) チームはデジタル シミュレーションを使用して物理世界を探索しています。 ユースケースは、救命薬の発明や航空機設計の改善から、持続可能なエネルギーの開拓や自動運転車の開発まで多岐にわたります。

プポート氏は、AI には次のような可能性があると書いています。 スーパーチャージエンジニアリングと科学技術コンピューティング 組織のイノベーションの方法を変革します。

現在、エンジニアリングや科学技術コンピューティングに使用されているコンピューター シミュレーションは AI の恩恵をますます受けており (場合によっては AI に置き換えられています)、コストが大幅に削減され、エンジニアが最適な答えをより迅速に見つけるのに役立ちます。

シミュレーションの実行にはコストがかかる場合がある、多くの場合、スーパーコンピューターが大量のデータセットを処理し、非常に複雑な計算を実行する必要があります。 しかし、物理学の仕組みに関する機械学習 (ML) モデルを構築できれば、 毎回シミュレーションを実行する必要はありません ML 推論モデルはデータから答えを推定できるためです。

綿密に作成された AI 物理モデルの作成に熟達した組織は、強固な成果を得ることができます。 競争上の優位性。 彼らは、従来のアプローチでは計算的に法外な革新的な新製品を開発しながら、工学的および科学的発見を加速します。

AI の期待にもかかわらず、さまざまな業界の組織はエンジニアリングと研究を確立する必要がある ベストプラクティス この移行を安全に乗り切り、不必要なリスクを冒さずに社会への利益を最大化できるように支援します。

最も重要なことは、AI は訓練に基づいて得られる情報によって決まる、とプポート氏は書いています。 組織は、AI ツールを適切な方法でスマート化するために、豊富な高品質データを AI ツールに提供する方法を見つける必要があります。