Η ραγδαία ανάπτυξη της τεχνητής νοημοσύνης οδηγεί σε νέες προκλήσεις για την παγκόσμια οικονομία και το περιβάλλον, με κύρια αιχμή την αυξανόμενη κατανάλωση ηλεκτρικής ενέργειας από τα μεγάλα data centers. Η δημιουργία νέων εγκαταστάσεων πιέζει τα ηλεκτρικά δίκτυα, ενώ παραμένει αναξιοποίητο σημαντικό μέρος της διαθέσιμης υπολογιστικής ισχύος. Σε αυτή τη συγκυρία, η έρευνα της Χριστίνας Δελημήτρου, αναπληρώτριας καθηγήτριας στο Massachusetts Institute of Technology (MIT), εστιάζει στη δυνατότητα αξιοποίησης της τεχνητής νοημοσύνης για τη βελτιστοποίηση των μεγάλων υπολογιστικών συστημάτων, όπως αναφέρεται σε αφιέρωμα του MIT News.
Η ερευνητική ομάδα της Χριστίνας Δελημήτρου αξιοποιεί τη μηχανική μάθηση για να ενισχύσει την αποδοτικότητα, την ασφάλεια και την αξιοπιστία των υποδομών, περιορίζοντας έτσι την ανάγκη για νέες επενδύσεις σε υπολογιστικά κέντρα. Όπως επισημαίνει η ίδια, η βιώσιμη ανάπτυξη της τεχνητής νοημοσύνης αποτελεί μία από τις σημαντικότερες τεχνολογικές προκλήσεις των επόμενων ετών. «Η τεχνητή νοημοσύνη αλλάζει με πρωτοφανή ταχύτητα τον τρόπο με τον οποίο εργαζόμαστε και αλληλεπιδρούμε με την τεχνολογία. Αυτή η πρόοδος, όμως, έχει ένα σημαντικό κόστος που παραμένει αόρατο στον τελικό χρήστη: την τεράστια υπολογιστική υποδομή και την ενέργεια που απαιτείται για να λειτουργήσει. Τα κέντρα δεδομένων αποτελούν πλέον κρίσιμες υποδομές της σύγχρονης κοινωνίας, αλλά η συνεχής αύξηση των ενεργειακών τους αναγκών δημιουργεί σημαντικές περιβαλλοντικές προκλήσεις. Ένα από τα σημαντικότερα ερωτήματα που καλούμαστε να απαντήσουμε τα επόμενα χρόνια δεν είναι μόνο πώς θα κάνουμε την τεχνητή νοημοσύνη πιο ισχυρή, αλλά πώς θα διασφαλίσουμε ότι η ανάπτυξή της θα είναι βιώσιμη».
Η ερευνητική ομάδα του MIT επιχειρεί να αντιμετωπίσει αυτή την πρόκληση επανεξετάζοντας τον σχεδιασμό και τη λειτουργία των υπολογιστικών συστημάτων μεγάλης κλίμακας. Ένα από τα βασικά ευρήματα της έρευνας είναι ότι μεγάλο ποσοστό της υπολογιστικής ισχύος παραμένει ανεκμετάλλευτο, ενώ τα συστήματα συνεχίζουν να καταναλώνουν υψηλές ποσότητες ενέργειας. Μέσω τεχνικών μηχανικής μάθησης, επιχειρείται η βελτίωση της αποδοτικότητας των υποδομών, με στόχο την υποστήριξη περισσότερων εφαρμογών με λιγότερους πόρους, χωρίς να τίθεται σε κίνδυνο η απόδοση ή η αξιοπιστία τους.
Σημαντικό παράδειγμα αυτής της προσέγγισης αποτελεί το εργαλείο Seer, το οποίο χρησιμοποιεί βαθιά μάθηση για την πρόβλεψη και αποτροπή προβλημάτων σε διαδικτυακές εφαρμογές πριν αυτά εκδηλωθούν. Με αυτόν τον τρόπο περιορίζονται οι καθυστερήσεις και οι διακοπές σε υπηρεσίες όπως οι τηλεδιασκέψεις και η διαδικτυακή μουσική.
Από το Εθνικό Μετσόβιο Πολυτεχνείο στο MIT
Η Χριστίνα Δελημήτρου, με καταγωγή από τη βόρεια Ελλάδα και επιστημονικό υπόβαθρο στην οικογένειά της, σπούδασε μηχανικός υπολογιστών στο Εθνικό Μετσόβιο Πολυτεχνείο, όπου εστίασε στη διαχείριση υπολογιστικών πόρων. Συνέχισε τις σπουδές της στο Stanford και στη συνέχεια στο Cornell, πριν ενταχθεί το 2022 στο διδακτικό προσωπικό του MIT. Σήμερα δραστηριοποιείται στο Τμήμα Ηλεκτρολόγων Μηχανικών και Επιστήμης Υπολογιστών (EECS) και είναι μέλος του Computer Science and Artificial Intelligence Laboratory (CSAIL).
Κατά τη διάρκεια των σπουδών της στο Stanford, σε συνεργασία με τον καθηγητή Χρήστο Κοζυράκη, διαπίστωσε ότι συχνά τα υπολογιστικά συστήματα λειτουργούν μόλις στο 15% της δυναμικότητάς τους, γεγονός που αποδίδεται κυρίως σε αναποτελεσματικό λογισμικό. Η ομάδα της αναπτύσσει μεθόδους αυτοματοποιημένης διαχείρισης πόρων στο cloud, επανασχεδιάζοντας συστήματα και αρχιτεκτονικές διακομιστών με στόχο τη μείωση της ενεργειακής κατανάλωσης και την αποφυγή υπερβολικής επέκτασης των υποδομών.
Νέες απαιτήσεις και προτεραιότητα στη διδασκαλία
Η εξέλιξη των ψηφιακών εφαρμογών επιβάλλει διαφορετικό σχεδιασμό στα υπολογιστικά συστήματα, καθώς πολλές σύγχρονες υπηρεσίες βασίζονται σε μικρότερα τμήματα που λειτουργούν διασπαρμένα σε πολλαπλούς διακομιστές. Αυτό δημιουργεί νέες απαιτήσεις για το λογισμικό και τον εξοπλισμό, με την ομάδα της Δελημήτρου να αναζητά λύσεις μέσω του συνδυασμού μηχανικής μάθησης και αρχιτεκτονικής συστημάτων.
Παράλληλα, η Χριστίνα Δελημήτρου δίνει ιδιαίτερη βαρύτητα στη διδασκαλία, με το μάθημα Computation Structure στο MIT να προσελκύει περίπου 350 φοιτητές κάθε εξάμηνο. Όπως αναφέρει, στόχος είναι η καλλιέργεια ανεξάρτητης σκέψης και δημιουργικότητας, ενθαρρύνοντας τους φοιτητές να αναζητούν λύσεις αυτόνομα. Η έρευνά της αναδεικνύει ότι η αντιμετώπιση του αυξανόμενου ενεργειακού αποτυπώματος της τεχνητής νοημοσύνης δεν βασίζεται αποκλειστικά στη δημιουργία νέων υποδομών, αλλά στην πιο αποτελεσματική αξιοποίηση των ήδη υπαρχόντων πόρων.
Ακολουθήστε το Business Daily στο Google news
