Արմինֆո.
«Ամեն անգամ, երբ մենք ընդլայնում ենք արհեստական բանականության (ԱԲ) մասշտաբները, մենք մեծացնում ենք էներգիայի սպառումը և ուժեղացնում բնապահպանական հետևանքները»։ Այս մասին RES 2026-ի շրջանակներում կայացած «Ժամանակակից թվային լուծումների և արհեստական բանականության տեխնոլոգիաների կիրառումը բնապահպանական հարցերում» թեմայով պանելային քննարկման ժամանակ հայտարարել է շվեյցարական Enzentra GmbH խորհրդատվական ընկերության կառավարող գործընկեր և գլխավոր տնօրեն Օլենա Բուրան։
Նա նշել է, որ ԱԲ մոդելների վերապատրաստման (ուսուցման) համար առաջանում է մոտ 12 տոննա գազի արտանետում, ինչը համարժեք է մոտ 15 տրանսատլանտյան երկկողմանի թռիչքների։ «Եվ սա միայն ուսուցման փուլն է», - ընդգծել է Enzentra GmbH-ի գլխավոր տնօրենը։
Փորձագետի խոսքով՝ դեռևս ոչ մի ընկերություն չի կարող ճշգրիտ պատասխանել այն հարցին, թե որքան արժե ԱԲ-ն և որքան է արտանետումների մեկ միավորին բաժին ընկնող ստեղծված արժեքը։ Շատ կազմակերպություններ արդեն մշակել են ԱԲ-ի օգտագործման պատասխանատու մոտեցումներ և կառուցում են համապատասխան ենթակառուցվածքներ։ Նրանք նաև զբաղվում են ռիսկերի կառավարմամբ, տվյալների պաշտպանությամբ և անվտանգության հարցերով։
Սակայն, ըստ Օլենա Բուրայի, միջոցառումների այս ցանկը սպառիչ չէ և լիարժեք պատասխան չի տալիս այն հարցին, թե ինչ ռեսուրսներ և ինչ ծավալով են անհրաժեշտ ԱԲ-ի աշխատանքի համար։
Նա նշել է գլոբալ ճնշման երեք հիմնական աղբյուրները, որոնք անհրաժեշտ է հաշվի առնել։
Առաջին հերթին Բուրան մատնանշեց ենթակառուցվածքների պակասը, որը դառնում է ռազմավարական «նեղ տեղ»: Սրա հետ են կապված կապիտալի բաշխման վրա գործադրվող ճնշումը, ենթակառուցվածքների բարձր արժեքը և հեղինակության հետ կապված ռիսկերը:
«Հաճախորդներն ու ներդրողներն արդեն գիտակցում են ԱԲ-ի բնապահպանական հետևանքները: Այս գործոնն անտեսող կազմակերպություններն անխուսափելիորեն կբախվեն ենթակառուցվածքների անկայունության ռիսկերին, ինչպես նաև բնապահպանական և տնտեսական ցնցումներին: Երկարաժամկետ կայունությունը պահանջում է հաշվի առնել, որ անվերջ մասշտաբավորումն անհնար է և ունի հետևանքներ», - փաստեց նա:
Փորձագետի խոսքով՝ ԱԲ-ի պարզապես պատասխանատու օգտագործումից էկոլոգիապես պատասխանատու օգտագործման անցնելու համար անհրաժեշտ է մտածել ոչ միայն մոդելների ճշգրտության առավելագույնի հասցման, այլև արդյունավետության մասին: Կարևոր է հաշվի առնել և օպտիմալացնել սպառվող էներգիայի ծավալը:
Բացի այդ, ինչպես նշեց Բուրան, պետք է գնահատել ոչ միայն ներդրումների տնտեսական հատույցը, այլև բնապահպանականը: «Անհրաժեշտ է ստատիկ կառավարումից անցնել ավելի «մետաբոլիկ»՝ ճկուն և մշտական փոփոխությունները հաշվի առնող կառավարման: Կարևոր է հասկանալ, թե որքան արժե ԱԲ-ի համար ենթակառուցվածքների ստեղծումն ու օգտագործումը:
Բացի այդ, մասշտաբավորումը չպետք է լինի կույր. այն պետք է արվի խելամտորեն: Մոդելի ոչ ամեն բարելավում է պահանջում կրկնակի ուսուցում, ուստի կարևոր է տարբերակել՝ ինչն է իրականում անհրաժեշտ, և ինչից կարելի է հրաժարվել», - ընդգծեց նա:
Խոսելով բնապահպանական գործոնների մասին՝ Բուրան նկատեց, որ արժե հաշվի առնել առկա «աքսելերատորները»՝ մոտեցումներն ու պրակտիկաները, որոնք օգնում են նվազեցնել ազդեցությունը: Նա առանձնացրեց մի քանի ռազմավարություն՝ խոշոր տեխնոլոգիական ընկերությունների օրինակով, ինչպիսիք են OpenAI-ը, DeepMind-ը և Meta-ն: Նրանց հիմնական կենտրոնացումը կարողությունների հզորացումն ու արագ աճն է, ինչը դասական մոտեցում է:
Երկրորդ մոդելը, ըստ փորձագետի, օպտիմալացումն է: Ընկերությունները ձգտում են բարձրացնել արդեն իսկ գոյություն ունեցող լուծումների արդյունավետությունը և նվազեցնել կորուստները՝ հաշվի առնելով բնապահպանական գործոնները, բայց դեռևս առանց խորքային վերանախագծման (ռեդիզայնի): Որպես օրինակ Բուրան նշեց Microsoft-ը և NVIDIA-ն: «Այստեղ հիմնական շեշտը դրվում է արդյունավետության վրա», նկատեց նա:
Սակայն որպես ամենակայուն մոդել նա անվանեց ԱԲ-ի զարգացումը՝ բնապահպանական սահմանափակումները դիտարկելով որպես ճարտարապետության անբաժանելի մաս:
