A mesterséges intelligencia és a mélytanulás adatéhsége gyökeresen átalakítja a felhőszolgáltatásokat, amelyeknek most sokkal nagyobb adatmennyiséggel és -sebességgel kell megbirkózniuk, miközben csökkenteniük kell az üzemeltetési költségeket.

Az elmúlt években a felhőszolgáltatásoknak és a magánhálózatoknak viszonylag kis mennyiségű adatot kellett kezelniük. Azonban a mesterséges intelligencia (MI) és a mélytanulás térnyerésével az adatok mennyisége exponenciálisan megnőtt: míg az adatokat korábban giga- és terabájtokban számolták, ma már peta- és exabájtokban mérik. Ez az adatáradat új kihívások elé állítja az információs rendszereket, beleértve a felhőszolgáltatásokat is, amelyeknek folyamatosan bővülniük kell ahhoz, hogy képesek legyenek ezeket az óriási mennyiségű adatokat tárolni és feldolgozni.

Mindezeken túl a gyorsabb adatfeldolgozás és az alacsonyabb üzemeltetési költségek elérése is létfontosságúvá vált. Számos vállalat már elindította az infrastruktúra következő generációjának fejlesztését, hogy megfeleljen ezeknek az új igényeknek. Az egyik ilyen a CoreWeave, egy felhőalapú számítástechnikai szolgáltató, amely az Nvidia fejlett MI-chipjeit kínálja ügyfeleinek. A cég májusban jelentett be egy 1,1 milliárd dolláros tőkefinanszírozási kört, amely a hétéves startup értékét 19 milliárd dollárra emelte. A vállalat emellett 7,5 milliárdos hitelfinanszírozást kapott az olyan befektetőktől, mint a Blackstone, a Carlyle Group és a BlackRock, sőt az Nvidia is közöttük van – állítja a The Wall Street Journal.

A CoreWeave ügyfelei között található a VAST Data nevű startup is, amely szoftveres megoldásokkal közelíti meg a felhő- és magánhálózatok modernizációját. A társaság alapítója és vezérigazgatója, Renen Hallak azzal a céllal indította el a vállalatát 2016-ban Izraelben, hogy infrastruktúrát építsen a nagyobb terhelés kezelésére. A cég decemberben jelentette be, hogy a Fidelity Management & Research által vezetett E sorozatú finanszírozási körben 118 millió dollárhoz jutott, amellyel közel háromszorosára növelte az értékét, elérve a 9,1 milliárd dollárt. A vállalat éves bevétele meghaladta a 200 millió dollárt, és közel 90 százalékos bruttó árréssel működik.

Hallak elmondta, hogy eddig az adattárolás hagyományosan hierarchikus módon történt: a friss, fontos adatokat gyors hozzáférésre optimalizált rendszerekben tárolták, míg a régebbi, kevésbé lényegeseket mélyebb tárolókba helyezték át. Azonban az MI megjelenése ezt a struktúrát teljesen átalakítja.

„A mesterséges intelligencia esetében minden adat fontos marad, hiszen a modelleket folyamatosan újra kell képezni a korábbi információkra alapozva, hogy egyre jobb eredményeket lehessen elérni”

– tette hozzá. Ez a folyamat hatalmas mennyiségű adat, sok esetben peta- vagy exabájtok újra és újra történő beolvasását követeli meg. A VAST új megközelítése révén minden csomópont egyszerre fér hozzá az összes adathoz, ami gyorsabb, skálázhatóbb és rugalmasabb rendszert eredményez.

A technológia hatása az iparágakra

Az új technológiai infrastruktúrák iránti igény nemcsak a technológiai óriások figyelmét kelti fel, hanem egyre több adatigényes vállalat is felismeri a váltás szükségességét. A Pixar például, amely a Disney filmstúdiójaként híres az innovatív animációs megoldásairól, már 2018 óta dolgozik a VAST-val. Az idei nyáron bemutatott Agymanók 2. című animációs filmjük adatkapacitás-igénye kétszer akkora volt, mint a 2020-as Lelki ismeretek címűé, és 75 százalékkal több számítást igényelt.

Eric Bermender, a Pixar adat-infrastruktúráért és platformokért felelős vezetője szerint a hagyományos rendszerek, amelyek a nagy teljesítményű meghajtókról a kisebbekre helyezik át az adatokat, amikor azok nem használatosak, már nem működnek az olyan összetett folyamatok esetében, mint a volumetrikus animáció, amelyet a Pixar is alkalmaz.

Többféle megközelítés létezik

Kvantum-számítástechnika

Ez egy olyan technológia, amely a hagyományos számítógépek korlátait áttöri, és sokkal gyorsabb adatfeldolgozást tesz lehetővé. Míg a mai rendszerek bináris alapokon működnek (0 vagy 1), a kvantumszámítógépek képesek egyszerre több állapotot is kezelni, és ez jelentős sebességnövekedést eredményez. Ez a technológia különösen fontos lehet az MI-alapú rendszerek számára, amelyek egyre nagyobb adatmennyiségeket dolgoznak fel.

A kvantumszámítógépek segítségével az MI-rendszerek képesek lesznek gyorsabban megtalálni a mintázatokat az óriási adatbázisokban, valamint hatékonyabban tudnak tanulni a korábbi hibákból. Bár a kvantum számítástechnika még viszonylag kezdeti szakaszban van, a Google, az IBM és a Microsoft már kísérletezik kvantummegoldásokkal. Ezek a fejlesztések hosszú távon átalakíthatják a felhőszolgáltatások hatékonyságát is.

Peremhálózatok

Ezek olyan technológiai megoldást kínálnak, amely lehetővé teszi, hogy az adatokat a felhasználókhoz közelebb, a „peremen” dolgozzák fel, ne pedig egy központi felhőben. Ez különösen előnyös a mesterséges intelligencia által vezérelt rendszerek esetében, amelyek valós idejű feldolgozást igényelnek. Az autonóm járművek, okosvárosok és az Internet of Things (IoT)-eszközök működése szinte elképzelhetetlen lenne peremhálózatok nélkül, mivel a késleltetés minimalizálása és a gyors adatfeldolgozás kritikus jelentőségű.

A peremhálózatok emellett csökkenthetik a felhőszolgáltatásokra nehezedő nyomást, mivel az adatokat helyben dolgozzák fel, és csak a legfontosabb információkat továbbítják a központi felhőkbe. Ez a megoldás nemcsak a sebességet növeli, hanem költséghatékonyabbá is teszi a hálózatokat, mivel csökkenti az adatközpontok terhelését.

Ezek fényében egyértelmű, hogy mesterséges intelligencia és a felhőszolgáltatások jövőbeni fejlődése szorosan összefonódik. Ahogy az MI-alapú rendszerek egyre bonyolultabbá válnak, a felhőknek is követniük kell ezt a növekedést, hogy képesek legyenek feldolgozni az óriási mennyiségű adatot. A kvantum-számítástechnika és a peremhálózatok nemcsak hatékonyabb adatfeldolgozást biztosítanak, hanem olyan új lehetőségeket is megnyitnak, amelyekkel a mesterséges intelligencia még mélyebb integrációt nyerhet a mindennapi életben és az üzleti világban.

Fenntarthatósági és környezeti problémák

A mesterséges intelligencia és a felhőalapú rendszerek folyamatos bővülése nemcsak technológiai, hanem komoly környezeti kihívásokat is felvet. Az MI-alapú feldolgozási folyamatok és a felhőszolgáltatások által igényelt óriási számítási teljesítmény jelentős energiafelhasználással jár. Egyes tanulmányok szerint a világ adatközpontjai felelősek az összes globális energiafogyasztás 1-2 százalékáért, és ez egyenesen arányosan növekszik az MI terjedésével.

A Nemzetközi Energiaügynökség (IEA) márciusi jelentése szerint az adatközpontok energiafelhasználása 2026-ra megduplázódhat: a teljes áramfogyasztásuk meghaladhatja az 1000 terawattórát, ami nagyjából Japán teljes áramfogyasztásának felel meg.

Az energiaigény növekedése és a környezeti hatások

Az MI-rendszerek hatalmas számítási kapacitást igényelnek a gépi tanulási modellek kiképzése és az adatok folyamatos feldolgozása során. Az ezek által felhasznált energia mennyisége már most is óriási, és ez a növekedés tovább fokozódik a mélytanulási algoritmusok alkalmazásával. Az MI-alapú feldolgozás egyik legismertebb példája, amikor

a Google gépi tanulási modelljeinek képzése során annyi energiát használnak fel, amennyit egy kisebb város fogyasztana el.

Ez a hatalmas energiaigény nemcsak költséges, hanem súlyos környezeti terhet is ró az iparágra, különösen akkor, ha a felhasznált energia fosszilis tüzelőanyagokból származik. A felhőszolgáltatók és adatközpont-üzemeltetők tisztában vannak ezekkel a kihívásokkal, és egyre nagyobb hangsúlyt fektetnek arra, hogy fenntarthatóbb megoldásokat találjanak. A legnagyobb technológiai vállalatok, mint például a Google, az Amazon és a Microsoft aktívan dolgoznak azon, hogy zöldebb adatközpontokat alakítsanak ki, csökkentve ezzel az ökológiai lábnyomukat.

Az egyik legfontosabb lépés ezen a területen a megújuló energiaforrások, például a nap-, a szél- és a vízenergia széles körű felhasználása. A Google például 2030-ra elkötelezte magát amellett, hogy minden adatközpontját száz százalékban megújuló energiával fogja működtetni. Hasonlóképpen, az Amazon Web Services (AWS) célul tűzte ki, hogy 2025-re kizárólag megújuló energiaforrásokból biztosítja a felhőszolgáltatásaihoz szükséges energiát.

Adatközpontok hűtésének optimalizálása

Az adatközpontok energiafogyasztásának egyik fő forrása a szerverek hűtése, ami nélkülözhetetlen a rendszerek optimális működéséhez. A hagyományos hűtési megoldások rengeteg energiát igényelnek, ezért a vállalatok új, innovatív technikákkal kísérleteznek, hogy hatékonyabb és környezetbarátabb hűtési rendszereket vezessenek be. Az egyik ilyen megoldás a vízhűtés alkalmazása, amely sokkal hatékonyabb, mint a hagyományos légkondicionáló rendszerek.

Az adatok tárolásának és feldolgozásának optimalizálása, valamint az új, energiatakarékos technológiák bevezetése nemcsak a környezetvédelmi hatások csökkentését segíti, hanem hosszú távon költségmegtakarítást is eredményez a vállalatok számára.

Még hasznos is lehet

Bár a mesterséges intelligencia az adatközpontok miatt energiaéhes, maga az MI is szerepet játszhat a környezeti fenntarthatóság elősegítésében. Az MI-technológiák alkalmazása lehetővé teszi a hatékonyság növelését számos iparágban, beleértve a természeti erőforrások optimális felhasználását. Használható például az energiaelosztó rendszerek optimalizálására, a megújuló energiaforrások integrációjára, valamint a környezetvédelmi hatások elemzésére és mérséklésére.

A mesterséges intelligencia tehát kettős szerepet játszik a fenntarthatóság szempontjából: egyrészt a nagy energiafelhasználásával kihívásokat teremt, másrészt segít megoldásokat találni ezekre a problémákra. A technológiai vállalatoknak fontos feladata lesz, hogy az MI és a felhőszolgáltatások növekvő energiaigényét fenntarthatóbb irányba tereljék és minimalizálják az iparág környezeti terhelését.