مایکروسافت مدیرعامل ساتیا نادلا در مصاحبه‌ای در کنار سم آلتمن، مدیرعامل OpenAI، گفت که مشکل صنعت هوش مصنوعی نه عرضه بیش از حد قدرت محاسباتی، بلکه کمبود برق برای جای دادن تمام آن پردازنده‌های گرافیکی است. او این موضوع را در یوتیوب در پاسخ به برد گرستنر، مجری پادکست Bg2، هنگام پرسش درباره اینکه آیا نادلا و آلتمن با جنسن هوانگ، مدیرعامل انویدیا، که گفته بود هیچ شانسی برای اشباع قدرت محاسباتی در دو تا سه سال آینده وجود ندارد، موافق هستند یا خیر.

«خب، منظورم این است که فکر می‌کنم چرخه‌های عرضه و تقاضا در این مورد خاص را واقعاً نمی‌توان پیش‌بینی کرد، درست است؟ نکته اینجاست: روند بلندمدت چیست؟ روند بلندمدت همان چیزی است که سم (مدیرعامل OpenAI) گفت، که در نهایت، صراحتاً، بزرگترین مشکلی که اکنون داریم، نه اشباع قدرت محاسباتی، بلکه برق است — یعنی توانایی انجام سریع ساخت‌وسازها در نزدیکی منابع برق،» ساتیا در پادکست گفت. «بنابراین، اگر نتوانید این کار را انجام دهید، ممکن است تعداد زیادی تراشه در انبار داشته باشید که نتوانم آن‌ها را وصل کنم. در واقع، این مشکل امروز من است. این یک مشکل عرضه تراشه نیست؛ بلکه این واقعیت است که من پوسته گرمی برای اتصال ندارم.»

مصرف برق هوش مصنوعی از سال گذشته موضوعی بوده که بسیاری از کارشناسان درباره آن بحث کرده‌اند. این موضوع به محض رفع کمبود پردازنده‌های گرافیکی توسط انویدیا به کانون توجه آمد و بسیاری از شرکت‌های فناوری اکنون در حال سرمایه‌گذاری در تحقیقات راکتورهای هسته‌ای کوچک مدولار هستند تا به مقیاس‌بندی منابع برق خود کمک کنند، زیرا مراکز داده بزرگتری می‌سازند.

این موضوع قبلاً باعث افزایش سرسام‌آور قبوض انرژی مصرف‌کنندگان شده است، و نشان می‌دهد که چگونه زیرساخت‌های هوش مصنوعی در حال ساخت، به طور منفی بر شهروندان عادی آمریکایی تأثیر می‌گذارد. OpenAI حتی از دولت فدرال خواسته است که سالانه ۱۰۰ گیگاوات تولید برق ایجاد کند، و می‌گوید این یک دارایی استراتژیک در تلاش آمریکا برای برتری در رقابت هوش مصنوعی با چین است. این در حالی است که برخی کارشناسان گفته‌اند پکن در تامین برق بسیار جلوتر است به دلیل سرمایه‌گذاری‌های عظیم خود در انرژی آبی و هسته‌ای.

جدای از کمبود برق، آن‌ها همچنین درباره امکان ورود سخت‌افزارهای مصرف‌کننده پیشرفته‌تر به بازار بحث کردند. آلتمن گفت: «روزی ما یک دستگاه مصرف‌کننده باورنکردنی خواهیم ساخت که می‌تواند یک مدل با قابلیت GPT-5 یا GPT-6 را به طور کامل محلی و با مصرف برق کم اجرا کند — و این چیزی است که درک آن بسیار دشوار است.» گرستنر سپس اظهار داشت: «این فوق‌العاده خواهد بود، و این نوع چیزی است که برخی از افرادی را که آشکارا این پشته‌های محاسباتی بزرگ و متمرکز را می‌سازند، می‌ترساند.»

این موضوع خطر دیگری را برجسته می‌کند که شرکت‌ها باید متحمل شوند، زیرا میلیاردها دلار روی مراکز داده عظیم هوش مصنوعی شرط‌بندی می‌کنند. در حالی که هنوز برای آموزش مدل‌های جدید به زیرساخت نیاز خواهید داشت، تقاضای مراکز داده که بسیاری تخمین می‌زنند از استفاده گسترده از هوش مصنوعی ناشی می‌شود، ممکن است محقق نشود اگر پیشرفت‌های نیمه‌هادی‌ها ما را قادر به اجرای آن‌ها به صورت محلی سازد.

این می‌تواند ترکیدن حباب هوش مصنوعی را تسریع کند، که برخی کارشناسان مانند پت گلسینگر می‌گویند هنوز چند سال فاصله دارد. اما اگر و زمانی که این اتفاق بیفتد، ما شوکه خواهیم شد زیرا حتی شرکت‌های غیرفناوری نیز از این فروپاشی آسیب خواهند دید، و تقریباً ۲۰ تریلیون دلار از ارزش بازار را در معرض خطر قرار می‌دهد.

دنبال کنید در اخبار گوگل، یا ما را به عنوان منبع ترجیحی اضافه کنید، تا آخرین اخبار، تحلیل‌ها و بررسی‌های ما را در فیدهای خود دریافت کنید.