Deepseek no está logrando los resultados de ChatGPT, pero los usuarios han comenzado a compararlo con todo lo que han logrado sin gastar dinero y OpenAI. Gasto económico principalmente Consumo de energía La IA y el hecho es que las empresas chinas han logrado reducir drásticamentelos.

«A medida que los modelos de IA se vuelven más complejos, a gran escala», dijo Sergi Simón, coordinador de planes de gestión de riesgos y sostenibilidad en Ealde Business School. […]la demanda de requisitos de energía para capacitar y operar estos modelos ha aumentado significativamente ». Esto no solo tiene un significado monetario, sino también al medio ambiente. Depseek ha provocado debates más efectivamente sobre la creación Inteligencia artificial sostenible.

¿Qué modelo es más efectivo y sostenible?

Si comparamos ChatGPT-4 con Deepseek, el segundo sería el más eficiente porque requiere menos energía. Sergi Simón dice el entrenamiento de OpenAi con «SUV, diesel o gasolina de alta gamaesto requiere mucho combustible para viajar durante mucho tiempo ». Mientras tanto, la opción asiática «es como Coche compacto de bajo consumoque usa menos combustible para viajar la misma distancia ».

El consumo de energía de GPT-4 alcanza incluso más de 400 MWh (Megavatio-Hora). Comenzando con la Escuela de Negocios de Ealde, lo compararon con el año promedio de electricidad utilizado por 40 casas. en cambio, Veterano Necesitas unos 100 MWh de aprendizaje, lo que significa Ahorre el 75% de la energía.

¿De dónde viene la energía utilizada por la inteligencia artificial?

Según los datos recopilados por la Agencia Internacional de Energía (IEA), los centros de datos utilizados por los servidores utilizados por el modelo AI son responsables de aproximadamente el 1% del consumo de electricidad global. Este porcentaje está aumentando a medida que más empresas están trabajando en la IA. Cada vez más empresas apostan por Energía 100% renovableentonces el problema es bajo en términos de su impacto en la huella de carbono, pero aún es insuficiente.

«A pesar de estos avances, las fuentes de energía renovables, como los desafíos solar y de viento, como garantizar la disponibilidad», dijo Simon. lo que significa que Riesgos de confiabilidad del suministro de energía«.

Los centros de datos pueden verse afectados ya que la IA necesita continuar entrenando utilizando energía continuamente Corte de energíasegún la escuela de negocios EAlde. Esto puede ser desastroso para los departamentos que comienzan a aprovechar la IA (como la salud). «Si los sistemas de diagnóstico basados ​​en IA o los sistemas de transporte automático en los hospitales dependen de los servidores de corte de energía, el impacto será grave», dijo Sergi Simón.

Los profesores de la Escuela de Negocios de Ealde no solo propusieron energía renovable. La compañía también debe asegurarse de que «mediante el uso de un sistema de respaldo (por ejemplo) Batería de gran capacidad o fuente híbrida energía».

La computación cuántica reducirá el consumo de energía de AI

Una forma de reducir el consumo de energía del procesamiento de datos de IA es Computación cuántica. A diferencia de las computadoras tradicionales, esta computadora representa información sobre los valores de 0 y 1 (bit) Qubitsque procesa grandes cantidades de información y proporciona una mejor eficiencia para la energía.

«Los modelos cuánticos pueden permitir el entrenamiento de IA en una pequeña porción de la energía requerida para los sistemas tradicionales». Reduzca los gastos de energía hasta en un 90%.

Designación de expertos en la escuela de negocios de Ealde IBM «Se ha demostrado que su plataforma cuántica puede realizar simulaciones complejas de materiales y moléculas de manera más rápida y eficiente que las opciones clásicas. Si su tecnología es adecuada para la inteligencia artificial, Simon cree que» podemos ver el poder informático necesario para la capacitación y las operaciones «. Si su tecnología es adecuada para la inteligencia artificial «, dijo. Baje estos modelos.