El crecimiento explosivo de los centros informáticos con IA está creando un aumento sin precedentes en la demanda de electricidad que amenaza con hastiar las redes de energía y descarrilar los objetivos climáticos. Al mismo tiempo, las tecnologías de inteligencia industrial podrían revolucionar los sistemas de energía, acelerando la transición a la energía limpia.
«Estamos en una cúspide de cambios potencialmente gigantescos en toda la capital», dijo William H. GreenDirector de la Iniciativa de Energía del MIT (Mitei) y Hoyt C. Profesor de Hottel en el Sección de Ingeniería Química del MIT, en el Simposio de primavera de Mitei, «Ai y Energía: Peliril y Promesa», mantenida el 13 de mayo. El evento reunió a los expertos de la industria, la entidad y el gobierno para explorar las soluciones a los que describieron los «problemas locales con el suministro eléctrico y el suministro de la energía limpia». daños «. El desafío de la demanda de energía del centro de datos y los beneficios potenciales de la IA para la transición energética es una prioridad de investigación para MITEI.
Las sorprendentes demandas de energía de AI
Desde el principio, el simposio destacó estadísticas aleccionadoras sobre el apetito de la electricidad de la IA. A posteriori de décadas de demanda plana de electricidad en los Estados Unidos, los centros informáticos ahora consumen aproximadamente el 4 por ciento de la electricidad de la nación. Aunque existe una gran incertidumbre, algunas proyecciones sugieren que esta demanda podría aumentar al 12-15 por ciento para 2030, en gran medida impulsada por aplicaciones de inteligencia industrial.
Vijay Gadepally, irrefutable principal del Laboratorio Lincoln del MIT, enfatizó la escalera del consumo de IA. «La potencia requerida para abastecer algunos de estos modelos grandes se está duplicando casi cada tres meses», señaló. «Una sola conversación de ChatGPT utiliza tanta electricidad como cargar su teléfono, y producir una imagen consume sobre una botella de agua para entibiar».
Las instalaciones que requieren de 50 a 100 megavatios de poder están surgiendo rápidamente en los Estados Unidos y a nivel mundial, impulsadas tanto por las deposición de investigación informales e institucionales que dependen de grandes programas de idiomas como ChatGPT y Gemini. Gadepaly citó el evidencia del Congreso de Sam Altman, CEO de OpenAI, destacando cuán fundamental se ha convertido esta relación: «El costo de la inteligencia, el costo de la IA, convergerá al costo de la energía».
«Las demandas energéticas de la IA son un desafío importante, pero asimismo tenemos la oportunidad de servirse estas vastas capacidades computacionales para contribuir a las soluciones de cambio climático», dijo Evelyn WangVicepresidente de Energía y Clima del MIT y el ex director de la Agencia de Energía de Proyectos de Investigación Vanguardia (ARPA-E) en el Sección de Energía de los Estados Unidos.
Wang asimismo señaló que las innovaciones desarrolladas para la IA y los centros de datos, como la eficiencia, las tecnologías de refrigeración y las soluciones de potencia limpia, podrían tener aplicaciones amplias más allá de las instalaciones informáticas.
Estrategias para soluciones de energía limpia
El simposio exploró múltiples vías para atracar el desafío de energía AI. Algunos panelistas presentaron modelos que sugieren que, si acertadamente la inteligencia industrial puede aumentar las emisiones a corto plazo, sus capacidades de optimización podrían permitir reducciones sustanciales de emisiones luego de 2030 a través de sistemas de energía más eficientes y un crecimiento de tecnología limpia acelerada.
La investigación muestra variaciones regionales en el costo de suministrar centros informáticos con electricidad limpia, según Emre Gençer, cofundador y CEO de Sesame Sostenibilidad y ex irrefutable de investigación principal de Mitei. El investigación de Gençer reveló que el centro de los Estados Unidos ofrece costos considerablemente más bajos conveniente a los fortuna solares y eólicos complementarios. Sin secuestro, obtener una potencia de transmisión cero requeriría implementaciones de cazos masivas, de cinco a 10 veces más que escenarios de carbono moderados, los costos de dos a tres veces más altos.
«Si queremos hacer emisiones cero con potencia confiable, necesitamos tecnologías distintas a las energías renovables y las baterías, lo que será demasiado costoso», dijo Gençer. Señaló «tecnologías de almacenamiento de larga duración, pequeños reactores modulares, enfoques geotérmicos o híbridos» según lo necesario.
Correcto a la demanda de energía del centro de datos, existe un renovado interés en la energía nuclear, señaló Kathryn Biegel, directivo de I + D y táctica corporativa en Constellation Energy, y agrega que su compañía está reiniciando el reactor en el antiguo sitio de Three Mile Island, ahora llamado «Centro de energía limpia de la molinete», para satisfacer esta demanda. «El espacio del centro de datos se ha convertido en una gran prioridad para la constelación», dijo, enfatizando cómo sus deposición de confiabilidad y electricidad sin carbono están remodelando la industria eléctrica.
¿Puede AI acelerar la transición de energía?
La inteligencia industrial podría mejorar drásticamente los sistemas de energía, según Priya DontiProfesor Asistente y Profesor de Expansión de Carreras Familiares de Silverman en el Sección de Ingeniería Eléctrica e Informática del MIT y el Laboratorio de Sistemas de Información y Osadía. Ella exhibió cómo la IA puede acelerar la optimización de la red eléctrica integrando las limitaciones basadas en la física en las redes neuronales, lo que podría resolver problemas de flujo de potencia complejos a «10 veces, o incluso anciano, la velocidad en comparación con sus modelos tradicionales».
La IA ya está reduciendo las emisiones de carbono, según ejemplos compartidos por Antonia Gawel, directora integral de sostenibilidad y asociaciones en Google. La función de enrutamiento de eficiencia de combustible de Google Maps ha «ayudado a advertir más de 2.9 millones de toneladas métricas de reducciones de emisiones de GEI (invernadero) desde el tirada, que es el equivalente a sacar 650,000 autos a pulvínulo de combustible de la carretera durante un año», dijo. Otro esquema de investigación de Google utiliza inteligencia industrial para ayudar a los pilotos a evitar la creación de estelas, que representan aproximadamente el 1 por ciento del impacto del calentamiento integral.
El potencial de IA para acelerar el descubrimiento de materiales para aplicaciones de energía se destacó por Rafael Gómez-BombarelliProfesor Asociado de Expansión de Carreras de Paul M. Cook en el Sección de Ciencia e Ingeniería del Sección de Materiales del MIT. «Los modelos supervisados por IA pueden ser capacitados para sobrevenir de una estructura a otra», señaló, lo que permite el crecimiento de materiales cruciales tanto para la computación como para la eficiencia.
Estabilizar el crecimiento con sostenibilidad
A lo desprendido del simposio, los participantes lidiaron con el firmeza de un rápido despliegue de IA contra los impactos ambientales. Si acertadamente la capacitación de IA recibe la anciano atención, Dustin Demetriou, miembro del personal técnico senior en sostenibilidad e innovación en el centro de datos en IBM, citó un artículo del Foro Financiero Mundial que sugirió que «se estima que el 80 por ciento de la huella ambiental se debe a la inferencia». Demetriou enfatizó la indigencia de eficiencia en todas las aplicaciones de inteligencia industrial.
La paradoja de Jevons, donde «las ganancias de eficiencia tienden a aumentar el consumo militar de fortuna en empleo de disminuirlo» es otro creador a considerar, advirtió a Emma Strubell, la profesora asistente de Raj Reddy en el Instituto de Tecnologías Langueras en la Escuela de Ciencias de la Computación de la Universidad Carnegie Mellon. Strubell abogó por ver la electricidad del centro de computación como un medio definido que requiere una asignación reflexiva en diferentes aplicaciones.
Varios presentadores discutieron enfoques novedosos para integrar fuentes renovables con infraestructura de cuadrícula existente, incluidas posibles soluciones híbridas que combinan instalaciones limpias con plantas de gas natural existentes que ya tienen valiosas conexiones de cuadrícula. Estos enfoques podrían proporcionar una capacidad limpia sustancial en los Estados Unidos a costos razonables al tiempo que minimiza los impactos de confiabilidad.
Navegar por la paradoja de energía AI-AI
El simposio destacó el papel central del MIT en el crecimiento de soluciones al desafío de electricidad AI-AI-AI.
Green habló de un nuevo software MITEI sobre centros informáticos, energía y cálculo que funcionará pegado con la propagación integral de la investigación del esquema climático del MIT. «Vamos a tratar de atracar un problema muy complicado desde las fuentes de energía a través de los algoritmos reales que ofrecen valencia a los clientes, de una forma que será aceptable para todas las partes interesadas y efectivamente satisfará todas las deposición», dijo Green.
Los participantes en el simposio fueron encuestados sobre prioridades para la investigación del MIT por parte de Campo RandallDirector de Investigación de Mitei. Los resultados en tiempo actual clasificaron el «Centro de datos y los problemas de integración de la red» como la principal prioridad, seguida de «AI para el descubrimiento acelerado de materiales avanzados para la energía».
Adicionalmente, los asistentes revelaron que la mayoría ven el potencial de la IA con respecto al poder como una «promesa», en empleo de un «peligro», aunque una porción considerable sigue siendo incierta sobre el impacto final. Cuando se les preguntó sobre las prioridades en el suministro de energía para las instalaciones de computación, la parte de los encuestados seleccionaron la intensidad del carbono como su principal preocupación, con la confiabilidad y el costo ulterior.