Watt Matters in AI

Kunstmatige intelligentie (AI) kan allerlei maatschappelijke problemen oplossen en tegelijkertijd de wereldwijde ontwikkelingsdoelstellingen halen. Het verwachte massale gebruik van AI zal echter een zware wissel trekken op energiebronnen, waardoor nieuwe problemen ontstaan.

Om dit raadsel te kunnen oplossen, zijn er op veel niveaus nieuwe paradigma's nodig, van nieuwe hardwareoplossingen tot regelgeving voor het gebruik van AI en alles daartussenin. Dit gaat veel verder dan de voortdurende verbeteringen van de huidige oplossingen - we hebben een holistische aanpak nodig die leidt tot radicale doorbraken.

Deze conferentie verkent het potentieel van deze nieuwe paradigma's, die een basis vormen voor AI met een sterk verbeterde energie-efficiëntie. Recente ontwikkelingen in AI worden besproken en veelbelovende opkomende concepten zoals brain-inspired neuromorphic computing, physics-based computing of approximate computing komen aan bod.

Watt doet er echt toe bij AI; door multidisciplinaire experts samen te brengen op deze conferentie kan een ecosysteem ontstaan dat innovaties naar nieuwe niveaus stuwt.

Waarom dit onderwerp belangrijk is

Het probleem:

• Geschat energieverbruik: Bij het trainen van GPT-4 is naar schatting tussen 51.773 MWh en 62.319 MWh elektriciteit verbruikt. Dit is meer dan 40 keer de energie die werd gebruikt om zijn voorganger, GPT-3, te trainen.
• Vergelijking met het energieverbruik van huishoudens: Deze hoeveelheid energie is vergelijkbaar met het jaarlijkse verbruik van ongeveer 1000 gemiddelde Amerikaanse huishoudens gedurende 5 tot 6 jaar.
• De energiebehoefte van AI explodeert: Vermenigvuldig dat met duizenden modellen wereldwijd en de impact op het milieu wordt enorm.
• Onhoudbare trends: Als er niet wordt ingegrepen, zullen de energiekosten van AI in strijd zijn met de klimaatdoelstellingen en de wereldwijde ongelijkheden in de toegang tot AI vergroten.

Deze cijfers onderstrepen de aanzienlijke impact op het milieu die gepaard gaat met het trainen van grootschalige AI-modellen. Naarmate AI-systemen geavanceerder en algemener worden, wordt het steeds belangrijker om de energie-efficiëntie ervan aan te pakken.

 

De belangrijkste vragen tijdens deze conferentie
 

• Kunnen we AI duurzaam en robuust maken?
• Welke hardware- of algoritmische innovaties bieden 10x of 100x efficiëntiewinst?
• Wat zijn de ethische en beleidsmatige verantwoordelijkheden rond energiegebruik bij AI?
• Hoe kan Europa het voortouw nemen in energiebewuste AI-innovatie?
• Welke infrastructuur is nodig om energiezuinige AI te ondersteunen - van chips tot datacenters tot regelgeving?