Mae deallusrwydd artiffisial (AI) yn dod yn rhan o fywyd bob dydd i lawer o bobl ledled y byd. Ar lefel unigol, mae pobl yn defnyddio modelau AI yn gynyddol ar gyfer ymholiadau chwilio. Er bod Google yn dal i ddominyddu'r farchnad chwilio, ChatGPT sydd wedi peri'r bygythiad mwyaf arwyddocaol i'w oruchafiaeth.
Ar lefel busnes, nid oes unrhyw ddiwydiant yn cael ei adael allan, o amaethyddiaeth i ofal iechyd, o gyllid i adloniant, mae sefydliadau ledled y byd yn integreiddio AI yn eu gweithrediadau dyddiol.
Disgwylir i alw'r byd am AI a'r defnydd ohono dyfu'n esbonyddol yn y blynyddoedd i ddod, felly mae cwmnïau technoleg yn ymateb i'r datblygiad hwn trwy adeiladu canolfannau data enfawr. Ond daw'r twf hwn ar gost: defnydd o ynni, costau economaidd ac effaith amgylcheddol. Yn syml, ni all cyfrifiadura traddodiadol gadw i fyny â gofynion cynyddol cyfrifiadura ac ynni. Er mwyn cynnal y chwyldro AI, rhaid inni ailfeddwl am ffiseg cyfrifiadura modern.
Materion ynni
Hyd yn oed heb ystyried AI, mae cyfrifiadura electronig ar bwynt tyngedfennol. Mae Cyfraith Moore yn methu, mae graddio Dennard wedi torri i lawr, a'r canlyniad yw toreth o "silicon tywyll," y dogn o transistorau ar sglodyn y mae'n rhaid iddo aros heb bwer neu segur i osgoi gorboethi.
Nid yw hyfforddi model AI mawr yn dasg hawdd. Mae modelau iaith mawr (LLMs) yn cael eu hyfforddi ar symiau enfawr o ddata ac mae ganddyn nhw driliynau o baramedrau. Maent yn rhagfynegi, mesur, addasu, ac ailadrodd y broses biliynau o weithiau. Amcangyfrifir y bydd y pŵer cyfrifiadurol sydd ei angen i hyfforddi modelau AI yn dyblu bob chwe mis.
Mae prosesu a symud symiau mor fawr o ddata yn gofyn am gyfochrogrwydd a phwer enfawr. Mewn cyfrifiadura traddodiadol, mae pŵer uwch yn gofyn am systemau dwysedd uwch. Mae dwysedd uwch yn golygu mwy o wrthwynebiad, ac mae mwy o wrthwynebiad yn golygu mwy o wres. Mae hyn yn gorfodi canolfannau data i symud llawer o ynni o gyfrifiadura i oeri, gyda hyd at 40% o gyfanswm defnydd ynni'r ganolfan ddata yn cael ei ddefnyddio i atal y gweinydd rhag dadelfennu.
Mae'r seilwaith sy'n cefnogi AI eisoes yn ei chael hi'n anodd, ac mae'n amlwg na all cyfrifiadura traddodiadol gefnogi datblygiad yn y dyfodol mwyach.
Materion economaidd
Mae gweithredwyr canolfannau data yn wynebu penbleth ariannol: naill ai cyfyngu dwysedd cyfrifo i'r hyn y gall eu cyfleusterau oeri presennol ei drin, gan rwystro eu galluoedd busnes, neu wthio terfynau thermol, gan achosi heneiddio cyflym o galedwedd a chydrannau, gan gynyddu costau gweithredu a gwastraff.
Yn ogystal, mae cost adeiladu canolfannau data newydd hefyd yn uchel iawn - Mae McKinsey yn rhagweld y bydd angen US$5.2 triliwn mewn buddsoddiad erbyn 2030. Os bydd canolfannau data yn parhau i ddibynnu ar gyfrifiadura traddodiadol, bydd buddsoddi mewn seilwaith aneffeithlon yn risg ariannol enfawr. Mae amodau economaidd gwael hefyd yn effeithio ar ddefnyddwyr cyffredin; wrth i AI roi pwysau digynsail ar y grid a galw pŵer canolfan ddata yn codi, mae prisiau trydan yn codi. Trosglwyddir y costau hyn i gartrefi cyfagos ar ffurf biliau trydan sy'n codi'n gyflym.
