Desentralisert trening av AI-modeller kan bidra til å redusere energikostnadene knyttet til kunstig intelligens. Denne tilnærmingen utnytter eksisterende datakraft i stedet for å bygge nye energikrevende datasentre.
Lytt til artikkelen
Få innholdet lest opp med naturlig AI-stemme.
AI-forklart
Hvordan reduserer desentralisert trening energikostnader i AI?
Desentralisert trening av AI-modeller bruker eksisterende datakraft i stedet for å bygge nye datasentre. Dette skjer ved at treningen fordeles på et nettverk av uavhengige noder, som kan være inaktive servere eller datamaskiner i solenergihus. Slik reduseres behovet for ny elektrisk infrastruktur og energiforbruket knyttet til AI-trening.
- Kort forklart: AI-modeller trenes på tvers av flere eksisterende datakilder, ikke i store sentrale datasentre.
- Hvorfor det er relevant: Trening av AI krever mye energi, og desentralisering kan redusere både kostnader og miljøbelastning.
- Det viktigste å vite: Flere selskaper utvikler teknologi og plattformer for desentralisert AI-trening, som gjør det mulig å utnytte ubrukt datakraft effektivt.
Desentralisert AI-trening utnytter eksisterende datakraft
Forskere og selskaper jobber med å implementere desentralisert trening for AI-modeller. Dette innebærer at trening av modeller skjer på et nettverk av uavhengige noder, som kan være alt fra inaktive servere i forskningslaboratorier til datamaskiner i solenergihus. Ved å bruke eksisterende ressurser reduseres behovet for å bygge nye datasentre, som ofte krever betydelig elektrisk infrastruktur.
Trening av AI-modeller er en energikrevende prosess, og store teknologiselskaper ser nå etter mer bærekraftige løsninger. Nvidia har utviklet Spectrum-XGS Ethernet for å muliggjøre effektiv trening på tvers av geografisk adskilte datasentre. Cisco har også lansert en router designet for å koble sammen AI-klynger på forskjellige steder. I tillegg har Akash Network skapt en plattform der brukere kan leie ut ubrukt datakraft fra GPU-er i mindre datasentre, noe som gjør det enklere å utnytte underutnyttede ressurser.
Vår vurdering
AIny kort vurdering: Desentralisert AI-trening kan gi norske utviklere mulighet til å bruke eksisterende datakraft mer effektivt. Dette kan redusere kostnadene og energiforbruket i AI-prosjekter. Initiativer som Akash Network kan også inspirere norske selskaper til å utforske nye forretningsmodeller for datakraft.
Kilde: IEEE Spectrum
Les denne saken også på engelsk
Read in EnglishLes også: Anthropic lanserer Claude Mythos og nye AI-verktøy for bedrifter
