Για να μειωθεί το κόστος και το περιβαλλοντικό αποτύπωμα της AI, ερευνητές και εταιρείες αναπτύσσουν νέες μεθόδους βελτιστοποίησης. Αρχικά, με την ανάπτυξη αποδοτικότερων αλγορίθμων που απαιτούν λιγότερη επεξεργαστική ισχύ, αλλά και με χρήση ειδικών chips (TPUs & AI accelerators) που καταναλώνουν λιγότερη ενέργεια. Πραγματοποιείται μετάβαση σε ανανεώσιμες πηγές ενέργειας για τη λειτουργία των data centers, αλλά και τοπική επεξεργασία AI σε κινητές συσκευές, ώστε να μην απαιτείται cloud computing. Τα νεότερα μοντέλα τεχνητής νοημοσύνης αναπτύσσονται με στόχο τη μείωση του κόστους και της ενεργειακής κατανάλωσης, αξιοποιώντας διάφορες τεχνικές που βελτιώνουν την απόδοσή τους. Μια από τις βασικότερες μεθόδους είναι η βελτίωση των αλγορίθμων, όπου εφαρμόζεται η συμπίεση μοντέλων (model pruning) για τη μείωση περιττών υπολογισμών, εξασφαλίζοντας έτσι χαμηλότερη υπολογιστική απαίτηση χωρίς σημαντική απώλεια ακρίβειας.

Το παρόν άρθρο, όπως κι ένα μέρος του περιεχομένου από tanea.gr, είναι διαθέσιμο μόνο σε συνδρομητές.

Είστε συνδρομητής; Συνδεθείτε

Ή εγγραφείτε

Αν θέλετε να δείτε την πλήρη έκδοση θα πρέπει να είστε συνδρομητής. Αποκτήστε σήμερα μία συνδρομή κάνοντας κλικ εδώ

Εγγραφή