생성 AI의 비용과 지속 가능성

DALL-E를 사용하여 이미지를 만들거나 ChatGPT에서 학기말 논문을 작성하게 하는 모든 사람은 많은 클라우드 리소스를 소비하고 있습니다. 이 모든 비용은 누가 지불합니까?

번역가 | Bugatti

리뷰어 | Sun Shujuan

인공지능(AI)은 모든 플랫폼(퍼블릭 클라우드 포함)에서 리소스 집약적인 기술입니다. 대부분의 AI 기술에는 대량의 추론 계산이 필요하므로 프로세서, 네트워크 및 스토리지 리소스에 대한 수요가 증가하고 궁극적으로 전기 요금, 인프라 비용 및 탄소 배출량이 증가합니다.

ChatGPT와 같은 생성 AI 시스템의 등장으로 인해 이 문제가 다시 한 번 전면에 부각되었습니다. 이 기술의 인기와 기업, 정부 및 일반 대중의 광범위한 사용을 고려하면 전력 소비 증가 곡선에 우려스러운 곡선이 나타날 것으로 예상할 수 있습니다.

AI는 1970년대부터 실현 가능했지만, 성숙하고 완전한 AI 시스템이 제대로 작동하려면 많은 리소스가 필요하다는 점을 고려하면 처음에는 상업적인 영향이 크지 않았습니다. 나는 20대에 설계한 AI 기반 시스템을 실행하는 데 4천만 달러 이상의 하드웨어, 소프트웨어, 데이터 센터 공간이 필요했던 것을 기억합니다. 덧붙여서, 이 프로젝트는 다른 많은 AI 프로젝트와 마찬가지로 출시 날짜도 정해지지 않았으며 상용 솔루션도 실행 가능하지 않았습니다.

클라우드 컴퓨팅이 모든 것을 변화시킵니다. 퍼블릭 클라우드를 사용하면 한때 접근할 수 없었던 작업을 이제 상당한 비용 효율성으로 처리할 수 있습니다. 사실 여러분도 짐작하셨겠지만 지난 10~15년 동안 클라우드 컴퓨팅의 부상은 AI의 부상과 동시에 일어났는데, 이제는 그 둘이 밀접하게 연관되어 있다고 말하고 싶습니다.

클라우드 리소스의 지속 가능성 및 비용

사실 이 분야에서 어떤 일이 일어날지 예측하는 데는 많은 연구가 필요하지 않습니다. 현재 매우 인기가 높은 생성 AI 시스템과 기타 AI 및 기계 학습 시스템과 같은 AI 서비스에 대한 시장 수요가 급증할 것입니다. 스마트 공급망과 같은 혁신을 통해 이점을 추구하는 기업이나 학기 논문을 작성하기 위해 생성 AI 시스템을 찾고 있는 수천 명의 대학생이 이러한 책임을 주도할 것입니다.

AI에 대한 수요 증가는 퍼블릭 클라우드 및 제공 서비스 등 AI 시스템에서 사용하는 리소스에 대한 수요 증가를 의미합니다. 이러한 수요는 전력 소모가 많은 서버와 네트워크 장비를 수용하는 더 많은 데이터 센터에 의해 충족될 가능성이 높습니다.

공용 클라우드 제공업체는 다른 유틸리티 리소스 제공업체와 마찬가지로 수요가 증가하면 가격을 인상합니다. 마치 주거용 전기 요금이 계절에 따라 증가하는 것처럼(역시 수요에 따라). 그래서 우리는 여름에는 전력 소비를 조절하고 에어컨 온도를 높이는 경우가 많습니다.

그러나 높은 클라우드 컴퓨팅 비용은 비즈니스에 동일한 영향을 미치지 않을 수 있습니다. 기업에서는 이러한 AI 시스템이 꼭 필요한 것은 아니지만 특정 핵심 비즈니스 프로세스를 추진하는 데 필요하다는 것을 알 수 있습니다. 많은 경우 AI 시스템 비용을 상쇄하기 위해 인력을 줄이는 등 내부적으로 비용을 절감하려고 할 수 있습니다. 생성적 AI 시스템이 곧 많은 정보 근로자를 대체할 것이라는 사실은 비밀이 아닙니다.

우리는 무엇을 할 수 있나요?

AI 시스템을 실행하기 위한 리소스에 대한 수요로 인해 컴퓨팅 비용이 증가하고 탄소 배출이 증가한다면 어떻게 해야 할까요? 그 대답은 AI가 프로세서, 네트워크, 스토리지와 같은 리소스를 최대한 활용할 수 있는 보다 효율적인 방법을 찾는 데 있을 수 있습니다.

예를 들어 파이프라인을 샘플링하면 처리되는 데이터 양을 줄여 딥 러닝 속도를 높일 수 있습니다. MIT(Massachusetts Institute of Technology)와 IBM의 연구에 따르면 이 접근 방식을 사용하면 대규모 데이터 세트에서 신경망을 실행하는 데 필요한 리소스를 줄일 수 있습니다. 그러나 이는 정확성을 제한하기도 하며 이는 일부 비즈니스 사용 사례에서는 허용되지만 모든 경우에는 허용되지 않습니다.

다른 기술 분야에서 이미 사용되고 있는 또 다른 접근 방식은 인메모리 컴퓨팅입니다. 이 아키텍처는 데이터가 메모리 안팎으로 이동하는 것을 방지하여 AI 처리 속도를 높일 수 있습니다. 대신 AI 계산이 메모리 모듈에서 직접 실행되어 작업 속도가 크게 향상됩니다.

물리적 프로세서를 변경하거나(코프로세서를 사용하여 AI 계산을 처리하여 속도 향상) 양자 컴퓨팅과 같은 차세대 컴퓨팅 모델을 채택하는 등 다른 접근 방식이 개발되고 있습니다. 대규모 퍼블릭 클라우드 제공업체가 가까운 시일 내에 이러한 많은 문제를 해결하는 기술을 발표할 것으로 예상할 수 있습니다.

어떻게 해야 하나요?

이 글은 클라우드 컴퓨팅 비용을 줄이거나 지구를 구하기 위해 AI를 피하는 것에 관한 것이 아닙니다. AI는 대부분의 기업이 엄청난 가치를 창출하는 데 사용할 수 있는 기본적인 컴퓨팅 방법입니다.

AI 기반 개발 프로젝트나 새로운 AI 시스템 개발 프로젝트를 진행할 때 비용과 지속가능성에 미치는 영향은 서로 밀접하게 연관되어 있으므로 명확히 이해하는 것이 좋습니다. 비용/이익 선택을 해야 합니다. 이는 실제로 감수해야 하는 비용과 위험에 대해 회사에 어떤 가치를 가져올 수 있는지에 대한 오래된 주제로 돌아갑니다. 여기에는 새로운 것이 없습니다.

저는 그 혁신이 인메모리 컴퓨팅이든, 양자 컴퓨팅이든, 아직 등장하지 않은 다른 기술이든 혁신을 통해 이 문제가 대체로 해결될 것으로 예상한다고 믿습니다. AI 기술 제공업체와 클라우드 컴퓨팅 제공업체는 AI를 더욱 비용 효율적이고 에너지 효율적이며 환경 친화적으로 만드는 데 열심입니다. 이는 좋은 소식입니다.

원제:생성 AI의 비용과 지속 가능성, 저자: David S. Linthicum

위 내용은 생성 AI의 비용과 지속 가능성의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!