Równoważenie postępu technologicznego ze zużyciem energii

fot. AI może zrewolucjonizować świat, lecz jej zapotrzebowanie na energię stanowi poważne wyzwanie (źródło: adobe.stock/Yingyaipumi)

Sztuczna inteligencja (SI) ma potencjał, aby całkowicie odmienić sposób funkcjonowania naszej planety, lecz nie można z niej czerpać korzyści kosztem globalnych celów zrównoważonego rozwoju.

Dodanie inteligencji do prostego, opartego na procesach urządzenia elektronicznego może przekształcić je w bardziej wyrafinowany system o zaawansowanych funkcjach, takich jak rozpoznawanie obrazu czy podejmowanie złożonych decyzji. Niewątpliwie technologie sztucznej inteligencji oraz uczenia maszynowego (UM) mają i będą miały ogromny wpływ na brzegowe oraz scentralizowane wdrożenia urządzeń elektronicznych, a tym samym na przemysł elektroniczny, opiekę zdrowotną, domy i wiele innych dziedzin.

Inteligencja ma jednak swoją cenę. Choć SI przyniosła korzyści w energooszczędności np. silników elektrycznych, wiele jej innych zastosowań zwiększa pobór energii, co oddala nas od globalnych celów zrównoważonego rozwoju. 

Co więc można zrobić, aby sztuczna inteligencja i uczenie maszynowe działające na brzegu sieci przynosiły korzyści bez utrudniania zrównoważonego rozwoju?

W pewnych dziedzinach sztuczna inteligencja i uczenie maszynowe są chwalone za usprawnianie procesów oraz ograniczanie strat. Przykładowo algorytmy ML wdrożone na brzegu sieci pomogły ulepszyć technologie inteligentnych budynków i zwiększyć ich efektywność energetyczną poprzez dynamiczną regulację ogrzewania, oświetlenia i klimatyzacji w oparciu o informacje na temat bieżącego użytkowania, uzyskiwane w czasie rzeczywistym.

Również w pojazdach autonomicznych zastosowanie modeli SI i UM będzie niezbędne do poruszania się po ruchliwych drogach i zrozumienia panujących na nich warunków, co obejmuje analizę w czasie rzeczywistym danych dostarczanych przez technologie percepcji, np. czujniki obrazu (ilustracja 1). Modele SI i UM zużywają jednak energię, a eksperci motoryzacyjni przewidują, że zautomatyzowane, samojezdne pojazdy elektryczne poziomu 4 będą wykorzystywać około 46% swojej mocy na obsługę elektroniki sterującej i modeli SI.^[1]

Ilustracja 1. Pojazdy autonomiczne muszą oceniać wiele zmiennych, aby działać bezpiecznie (źródło: adobe stock/scharfsinn86) 

Choć wpływ brzegowej SI na pobór energii może być pozytywny, wpływ scentralizowanej sztucznej inteligencji jest prawie zawsze szkodliwy. Duże centra danych zasilające generatywną SI i trenujące modele brzegowej SI mogą zwiększyć rzeczywistą wydajność operacyjną, lecz ich pobór energii jest znaczny. Szacuje się, że samo trenowanie technologii ChatGPT-3 pochłonęło 1287 MWh energii elektrycznej.^[2]

Wyzwanie jest jasne: sztuczna inteligencja może pozwolić inteligentniej zarządzać energią i zasobami, lecz jej algorytmy również wymagają energii, a wyrafinowanie wdrożeń zwiększa jej zużycie.

Ogólnie rzecz biorąc, negatywny wpływ sztucznej inteligencji można zmniejszyć trzema metodami. Pierwszą z nich jest rozwój sprzętu, w tym komponentów wspierających, np. zasilaczy, jak również akceleratorów AI, takich jak specjalizowane układy scalone (ASIC) i procesory graficzne (GPU). Optymalizacja sprawności tych podstawowych komponentów sprzętowych może prowadzić do zwiększenia efektywności obliczeń SI, obejmujących zarówno procesy operacyjne, jak i zadania takie jak szkolenie sieci neuronowych i wnioskowanie.

Ponieważ nasze zrozumienie sztucznej inteligencji wciąż rośnie, inżynierowie mogą również znaleźć metody na ograniczenie znacznej mocy wykorzystywanej przez złożone modele SI. Techniki takie jak przycinanie modeli przez usuwanie nadmiarowych części sieci neuronowej lub kwantyzacja, która zmniejsza precyzję parametrów modelu SI, mogą znacznie pomóc w ograniczeniu ilości energii wymaganej do trenowania i wnioskowania. Trend ten jest szczególnie ważny, ponieważ coraz więcej firm przechodzi na wielkoskalowe rozwiązania SI do zastosowań konsumenckich i przemysłowych, a scentralizowane trenowanie staje się kluczowym składnikiem rozwoju produktu.

Również integracja odnawialnych źródeł energii z energochłonnymi aplikacjami SI staje się atrakcyjnym rozwiązaniem służącym do wyeliminowania zapotrzebowania wymaganej technologii obliczeniowej na energię.

Wybór odpowiednich komponentów ma największe znaczenie dla inżynierów dążących do wprowadzenia na rynek rozwiązań, które pozwalają osiągnąć delikatny stan równowagi pomiędzy postępem technologicznym a energooszczędnością.

Aby pomóc osiągnąć ten cel, Mouser Electronics oferuje szeroki wybór rozwiązań wiodących światowych producentów elektroniki, jak również zasoby opracowane w celu umożliwienia inżynierom doskonalenia i pogłębiania wiedzy oraz umiejętności. Rozwiązania te służą zarówno brzegowej, jak i scentralizowanej SI, zmniejszając pobór energii, optymalizując sprawność sprzętu i pozwalając korzystać z odnawialnych źródeł energii.

W ofercie firmy Mouser znajdują się zasilacze wykorzystujące najnowsze technologie półprzewodników o szerokiej przerwie energetycznej, które mogą wspierać tworzenie bardziej wydajnych scentralizowanych wdrożeń SI. Oferta dla centrów danych firmy Infineon Technologies obejmuje prostowniki AFE, przetwornice DC/DC i stopnie mocy dla falowników o mocy od 5 do 60 kW. 

Wiele z tych rozwiązań opiera się na najnowocześniejszych technologiach MOSFET CoolSiC™ Hybrid i CoolSiC™ firmy Infineon. W porównaniu do tradycyjnych krzemowych modułów MOSFET, jednorodne i hybrydowe pakiety SiC mają wyższą sprawność, są odporne na wyższe temperatury i napięcia oraz wykazują niższe straty mocy. Do swoich komponentów mocy Infineon oferuje również cyfrowe regulatory mocy XDP™, które umożliwiają precyzyjne cyfrowe sterowanie jej przetwarzaniem.

Rodzina XDP szczególnie dobrze nadaje się do zastosowań w najnowszej generacji bardziej energooszczędnych architektur serwerowych 48 V. Dzięki optymalizacji konwersji DC/DC regulatory XDP™ umożliwiają osiągnięcie sprawności rzędu 97% i spełniają wymagania energetyczne SI przy jednoczesnej minimalizacji strat energii. Wyposażone w praktyczny graficzny interfejs użytkownika do prostej konfiguracji i monitorowania oraz zaawansowane cyfrowe algorytmy sterowania, sterowniki XDP umożliwiają szybki rozwój i wydajną pracę inteligentnych zasilaczy dla infrastruktury telekomunikacyjnej, płyt głównych serwerów, Przemysłu 4.0 i innych wysokiej klasy systemów 48 V.

Przechodząc w najważniejszych podzespołach zasilania na technologię SiC oraz wdrażając zaawansowane sterowniki i architekturę 48 V, inżynierowie mogą budować serwery SI o wysokiej wydajności obliczeń oraz niższym poborze energii i kosztach operacyjnych.

Katalog firmy Mouser zawiera również podzespoły opracowane dla inżynierów projektujących niskoenergetyczne wdrożenia brzegowe SI. Inteligentne układy zarządzania energią (PMIC), takie jak układ do pozyskiwania energii NEH2000BYJ firmy Nexperia (ilustracja 2), zostały stworzone do odbioru energii z ogniw fotowoltaicznych, umożliwiając zasilanie rozproszonych węzłów IoT energią solarną. 

Ilustracja 2. Układy PMIC takie jak NEH2000BY umożliwiają zasilanie urządzeń brzegowych ze źródeł odnawialnych (źródło: Mouser Electronics) 

Układy PMIC wspierające infrastrukturę fotowoltaiczną, takie jak NEH2000BYJ, to tylko jeden z aspektów budowy energooszczędnych brzegowych urządzeń SI. Inżynierowie muszą optymalizować modele sztucznej inteligencji, aby zmniejszyć pobór energii i wydłużyć żywotność baterii we wdrożeniach bez stałych źródeł zasilania, takich jak przemysłowe węzły czujnikowe czy czujniki jakości powietrza dla miasta inteligentnego.

Narzędzie do optymalizacji energii Otii Arc Pro firmy Qoitech służy do rejestrowania profili energetycznych małych urządzeń elektronicznych, np. węzłów IoT, a także komponentów takich jak mikrokontrolery oraz czujniki, umożliwiając analizę w czasie rzeczywistym i w dłuższych okresach. W rozwoju węzłów IoT dokładny pomiar prądu przez to urządzenie w połączeniu ze wspierającym oprogramowaniem Otii Pro Battery Toolbox i Otii Pro Automation Toolbox umożliwia inżynierom ilościowe określenie poboru energii przez działania sztucznej inteligencji, co wspomaga projektowanie mniej energochłonnych modeli SI.

Rozwój SI stanowi zarówno ekscytującą szansę, jak i poważne wyzwanie inżynieryjne. Ponieważ sztuczna inteligencja nieustannie ewoluuje, kluczowe znaczenie ma znalezienie zrównoważonej ścieżki tego rozwoju zarówno dla wdrożeń brzegowych, jak i scentralizowanych. Dzięki innowacjom w zakresie sprawności sprzętu, zaawansowanym technikom optymalizacji modeli i zastosowaniu odnawialnych źródeł energii sztuczna inteligencja może rozwijać się bez przeciążania sieci energetycznych. Dla inżynierów pozyskiwanie i integracja odpowiednich podzespołów, takich jak te oferowane przez firmę Mouser, ma kluczowe znaczenie dla rozwoju zarówno scentralizowanych, jak i brzegowych systemów SI, równoważących wydajność z odpowiedzialnością energetyczną.