مع التطور السريع للذكاء الاصطناعي (AI)، يستمر عدد الحواسيب التي تدعمه في الارتفاع، لكن هذا النمو يضع ضغطًا هائلاً على مراكز البيانات التي تشغل نماذج الذكاء الاصطناعي، حيث تصل استهلاكات الطاقة إلى مستويات غير مسبوقة.

أصبحت نماذج الذكاء الاصطناعي أكثر تعقيدًا وضخامة، حيث تمتلك الأنظمة الأكثر تقدمًا مليارات المعلمات وتعمل على آلاف رقائق الحواسيب. لمواكبة هذا التطور، تضيف الشركات المزيد من الأجهزة والرقائق والذاكرة والشبكات، وهذا النهج "القوي"، رغم أنه ساهم في تحقيق قفزات كبيرة في الذكاء الاصطناعي، جعل مراكز البيانات مستهلكة كبيرة للطاقة. تسعى بعض الشركات التقنية إلى تشغيل مراكز البيانات بالوقود الأحفوري أو محطات الطاقة النووية، بينما تحفز أيضًا الجهود لتصنيع رقائق حاسوبية أكثر كفاءة.

تستهلك مراكز بيانات الذكاء الاصطناعي الحديثة طاقة تعادل مدينة صغيرة، ولا يقتصر استهلاك الطاقة على الحوسبة فحسب، بل تشمل الذاكرة وأنظمة التبريد أيضًا عوامل رئيسية لاستهلاك الطاقة. مع تطور نماذج الذكاء الاصطناعي، تزداد احتياجات التخزين وسرعة الوصول إلى البيانات، مما يولد المزيد من الحرارة، كما أن تحسين أداء الرقائق جعل التبريد تحديًا أساسيًا. تكلف طرق التبريد التقليدية مبالغ باهظة، ورغم أن طرق التبريد السائل مفيدة، إلا أنها تتطلب تخطيطًا دقيقًا وإدارة موارد المياه. بدون حلول أكثر ذكاءً، ستصبح احتياجات الطاقة والتكاليف للذكاء الاصطناعي غير مستدامة.

حتى مع وجود معدات متقدمة، تعمل العديد من مراكز البيانات بكفاءة منخفضة بسبب نقص التواصل بين أجزاء النظام المختلفة. على سبيل المثال، لا تعرف برامج الجدولة ما إذا كانت الرقائق تعاني من ارتفاع الحرارة أو إذا كانت الشبكة مزدحمة، مما يؤدي إلى خمول الخوادم أو عدم قدرتها على مواكبة الطلب، مما يتسبب في هدر الطاقة وعدم كفاية استخدام الموارد.

لمواجهة هذا التحدي، يجب إعادة تصميم وإدارة الأنظمة التي تدعم الذكاء الاصطناعي، والانتقال من التوسع القوي إلى بنية تحتية أكثر ذكاءً وتخصصًا. هناك ثلاثة أفكار رئيسية:

أولاً، معالجة اختلافات الأجهزة. حتى الرقائق من نفس الجيل تختلف في سرعة التشغيل وقدرة التبريد، ويجب أن تتعرف أنظمة مراكز البيانات الحاسوبية على هذه الاختلافات وتتكيف معها.

ثانيًا، التكيف مع البيئات المتغيرة باستمرار. تتغير أعباء عمل الذكاء الاصطناعي بمرور الوقت، ويجب أن تستجيب الأنظمة في الوقت الفعلي لعوامل مثل درجة الحرارة وتوافر الطاقة وتدفقات البيانات.

ثالثًا، كسر الحواجز بين التخصصات. يجب أن يعمل مهندسو تصميم الرقائق والبرمجيات ومراكز البيانات معًا. يقوم AI Makerspace في معهد جورجيا للتكنولوجيا (مركز بيانات AI عالي الأداء) بإجراء تعاون متعدد التخصصات، من الأجهزة إلى البرمجيات إلى أنظمة الطاقة، لبناء واختبار أنظمة AI فعالة وقابلة للتوسع ومستدامة.

للذكاء الاصطناعي القدرة على تغيير العديد من المجالات، لكنه يواجه قيودًا في الأداء والطاقة والتكلفة. لا يعتمد مستقبله على نماذج أكثر تطورًا فحسب، بل على بنية تحتية أكثر تطورًا. الانتقال من التوسع القوي إلى التوسع الذكي أمر حاسم لتطوير الذكاء الاصطناعي بطريقة تفيد المجتمع.