Ученые предупредили о приближении «конца света в сфере данных»: в чем дело
Новое исследование Университета Лафборо показало, что к 2025 году мировые поставки возобновляемой электроэнергии не смогут удовлетворить растущий спрос со стороны цифровых данных. Об этом сообщает TechXplore. Эксперты призывают к внедрению устойчивых технологий и повышению энергоэффективности, чтобы избежать энергетического кризиса в будущем.
Исследователи разработали модели, показывающие текущую мировую траекторию движения к «информационному концу света». Стремительное развитие цифровых технологий приведет к нехватке электроэнергии уже в ближайшие десять лет. Если текущие тенденции сохранятся, то к 2033 году потребление энергии, связанное с дата-обработкой, превысит глобальную мощность всех электростанций.
Одни только дата-центры потребляют больше электроэнергии, чем вся Великобритания. При этом 65% создаваемой информации — это «темные данные», которые используются лишь однажды и затем безвозвратно теряются. Исследователи призывают внедрить подход к устойчивому развитию, основанный на данных, во всех цепочках поставок, секторах, отраслях и странах. Это позволит повысить энергоэффективность и создать декарбонизированную цифровую среду. Передовые диджитал-решения, по мнению авторов, должны согласоваться с экологическими ограничениями.
Проблема заметна уже сейчас. Так, крупнейшие банки России столкнулись с трудностями при развитии ИИ-технологий, поскольку им не хватает ресурсов. В Сбере и Т-Банке рассказали о проблеме с поиском территорий, на которых можно построить центры обработки данных. Помимо этого, существует нехватка свободных мощностей. Среди других трудностей — высокая стоимость строительства подобных центров.
Генеральный директор Smart Engines, доктор технических наук Владимир Арлазаров ранее сообщил Hi-Tech Mail, что решить проблему за один день невозможно. Для этого требуется особый подход. Он отметил, что существующие ИИ-системы требуют огромных объемов энергии. Это может привести к нехватке ресурсов в будущем. Арлазаров предложил искать решение в повышении энергоэффективности ИИ. В качестве примера он привел разработку сверхлегких нейронных сетей, которые работают быстрее и потребляют меньше ресурсов.
