Tudo sobre Inteligência Artificial
Um grupo de engenheiros da empresa de tecnologia de inferência em inteligência artificial (IA) BitEnergy AI anunciou um método inovador que pode reduzir as necessidades energéticas de aplicações de IA em até 95%.
A equipe publicou um artigo detalhando a nova técnica na plataforma arXiv.
À medida que a inteligência artificial se torna cada vez mais presente no dia a dia, o aumento no consumo de energia e os custos associados se tornaram questões significativas. Modelos de linguagem como o ChatGPT, por exemplo, demandam uma quantidade considerável de poder computacional, refletindo diretamente em um alto consumo de eletricidade.
Crescimento do consumo de energia da IA
Atualmente, o ChatGPT consome aproximadamente 564 MWh por dia, o que é suficiente para abastecer 18.000 residências nos Estados Unidos.
Especialistas preveem que, à medida que a tecnologia avança e as aplicações de IA se tornam mais comuns, o consumo anual dessas ferramentas pode chegar a cerca de 100 TWh nos próximos anos, rivalizando com as operações de mineração de Bitcoin.
Técnica inovadora pode reduzir necessidade energética da IA
- A equipe da BitEnergy AI acredita ter encontrado uma maneira de reduzir drasticamente a quantidade de computação necessária para executar aplicativos de IA, sem comprometer o desempenho.
- A nova abordagem é simples: ao invés de utilizar a complexa multiplicação em ponto flutuante (FPM), a técnica utiliza adição inteira.
- A FPM é empregada para lidar com números extremamente grandes ou pequenos, permitindo que as aplicações realizem cálculos com precisão extrema, mas também representa a parte mais intensiva em energia do processamento de números na IA.
- Os pesquisadores nomearam a nova técnica de Multiplicação de Complexidade Linear, que funciona ao aproximar a FPM usando adição inteira.
- Testes preliminares indicam que essa nova abordagem pode reduzir a demanda elétrica em 95%.
Leia mais:
Desafios e futuro do hardware
Um dos principais desafios dessa nova técnica é a necessidade de hardware diferente daquele atualmente utilizado. No entanto, a equipe de pesquisa afirma que o novo tipo de hardware já foi projetado, construído e testado.
Ainda assim, não está claro como esse novo hardware será licenciado. Atualmente, a fabricante de GPUs Nvidia domina o mercado de hardware para IA. A forma como a empresa responderá a essa nova tecnologia pode influenciar significativamente a velocidade com que ela será adotada, caso as reivindicações dos pesquisadores sejam confirmadas.
A multiplicação em ponto flutuante é um método amplamente utilizado em computação que permite lidar com uma ampla gama de valores numéricos, incluindo números muito grandes ou muito pequenos. Essa técnica é fundamental em aplicações que requerem alta precisão, como modelagem científica, aprendizado de máquina e processamento de sinais. No entanto, a FPM é notoriamente intensiva em energia, exigindo uma quantidade significativa de recursos computacionais e, consequentemente, eletricidade.
A adição inteira é uma operação mais simples e menos exigente em termos de recursos computacionais. Ao usar adição inteira em vez de FPM, a equipe da BitEnergy AI propôs uma forma de aproximar os resultados da multiplicação em ponto flutuante, permitindo que os algoritmos continuem a operar com precisão aceitável, mas com um consumo energético drasticamente reduzido.
