Den glupske appetitten på energi fra verdens datamaskiner og kommunikasjonsteknologi utgjør en klar trussel for klodens varmere klima. Det var den skarpe vurderingen fra foredragsholdere i den intensive to-dagers Climate Impplications of Computing and Communications-workshopen som ble holdt 3. og 4. mars, arrangert av MITs Climate and Sustainability Consortium (MCSC), MIT-IBM Watson AI Lab og Schwarzman College of Databehandling.
Den virtuelle begivenheten inneholdt rike diskusjoner og fremhevet muligheter for samarbeid mellom en tverrfaglig gruppe av MIT-fakultetet og forskere og industriledere på tvers av flere sektorer – og understreket kraften til akademia og industri som kommer sammen.
“Hvis vi fortsetter med den eksisterende banen for dataenergi, innen 2040, er det meningen at vi skal treffe verdens energiproduksjonskapasitet. Økningen i dataenergi og etterspørsel har økt i en mye raskere hastighet enn økningen i verdens energiproduksjonskapasitet,” sa Bilge Yildiz, Breene M. Kerr-professor ved MIT-avdelingene for kjernefysisk vitenskap og ingeniørvitenskap og materialvitenskap og ingeniørvitenskap, en av verkstedets 18 innledere. Denne dataenergiprojeksjonen henter fra Semiconductor Research Corporations tiårsrapport.
For bare å nevne ett eksempel: Informasjons- og kommunikasjonsteknologi står allerede for mer enn 2 prosent av den globale energietterspørselen, som er på nivå med flyindustriens utslipp fra drivstoff.
“Vi er begynnelsen på denne datadrevne verdenen. Vi må virkelig begynne å tenke på dette og handle nå,” sa programleder Evgeni Gousev, seniordirektør i Qualcomm.
Innovative alternativer for energieffektivitet
For det formål utforsket workshoppresentasjonene en rekke alternativer for energieffektivitet, inkludert spesialisert brikkedesign, datasenterarkitektur, bedre algoritmer, maskinvaremodifikasjoner og endringer i forbrukeratferd. Bransjeledere fra AMD, Ericsson, Google, IBM, iRobot, NVIDIA, Qualcomm, Tertill, Texas Instruments og Verizon skisserte selskapenes energispareprogrammer, mens eksperter fra hele MIT ga innsikt i aktuell forskning som kan gi mer effektiv databehandling.
Panelemner varierte fra “Egendefinert maskinvare for effektiv databehandling” til “Maskinvare for nye arkitekturer” til “Algorithms for effektiv databehandling”, blant andre.
Visuell representasjon av samtalen under workshop-økten med tittelen “Energieffektive systemer.”
Bilde: Haley McDevitt
Målet, sa Yildiz, er å forbedre energieffektiviteten knyttet til databehandling med mer enn en million ganger.
“Jeg tror at en del av svaret på hvordan vi gjør databehandling mye mer bærekraftig har å gjøre med spesialiserte arkitekturer som har svært høy utnyttelsesgrad,” sa Darío Gil, senior visepresident og forskningsdirektør i IBM, som understreket at løsninger bør være som “elegant” som mulig.
For eksempel illustrerte Gil en innovativ brikkedesign som bruker vertikal stabling for å redusere avstanden data må reise, og dermed reduserer energiforbruket. Overraskende nok kan mer effektiv bruk av tape – et tradisjonelt medium for primær datalagring – kombinert med spesialiserte harddisker (HDD), gi dramatiske besparelser i karbondioksidutslipp.
Gil og presentatører Bill Dally, sjefforsker og senior visepresident for forskning i NVIDIA; Ahmad Bahai, CTO i Texas Instruments; og andre nullstilt på lagring. Gil sammenlignet data med et flytende isfjell der vi kan ha rask tilgang til de “varme dataene” til den mindre synlige delen, mens de “kalde dataene”, den store undervannsmassen, representerer data som tåler høyere latenstid. Tenk på digital bildelagring, sa Gil. “Ærlig talt, henter du virkelig alle disse bildene på en kontinuerlig basis?” Lagringssystemer bør gi en optimalisert blanding av HDD for varme data og tape for kalde data basert på datatilgangsmønstre.
Bahai understreket den betydelige energibesparelsen som oppnås ved å segmentere standby og full prosessering. “Vi må lære å ikke gjøre noe bedre,” sa han. Dally snakket om å etterligne måten hjernen vår våkner fra en dyp søvn, “Vi kan våkne [computers] opp mye raskere, så vi trenger ikke å holde dem i gang i full fart.»
Flere workshoppresentanter snakket om et fokus på “sparsitet”, en matrise der de fleste elementene er null, som en måte å forbedre effektiviteten i nevrale nettverk. Eller som Dally sa, “Aldri utsett til i morgen, hvor du kan utsette det for alltid,” å forklare effektivitet er ikke “å få mest mulig informasjon med færrest biter. Den gjør mest med minst energi.”
Holistiske og tverrfaglige tilnærminger
“Vi trenger både effektive algoritmer og effektiv maskinvare, og noen ganger må vi samdesigne både algoritmen og maskinvaren for effektiv databehandling,” sa Song Han, en panelmoderator og assisterende professor ved Institutt for elektroteknikk og informatikk (EECS) ) ved MIT.
Noen programledere var optimistiske med tanke på innovasjoner som allerede var i gang. I følge Ericssons forskning kan så mye som 15 prosent av karbonutslippene globalt reduseres ved bruk av eksisterende løsninger, bemerket Mats Pellbäck Scharp, leder for bærekraft i Ericsson. For eksempel er GPU-er mer effektive enn CPU-er for AI, og progresjonen fra 3G- til 5G-nettverk øker energibesparelsene.
“5G er den mest energieffektive standarden noensinne,” sa Scharp. “Vi kan bygge 5G uten å øke energiforbruket.”
Selskaper som Google optimaliserer energibruken ved datasentrene sine gjennom forbedret design, teknologi og fornybar energi. “Fem av våre datasentre rundt om i verden er opererer nær eller over 90 prosent karbonfri energi,” sa Jeff Dean, Googles seniorstipendiat og senior visepresident for Google Research.
Likevel, peker på den mulige nedgangen i doblingen av transistorer i en integrert krets – eller Moores lov – “Vi trenger nye tilnærminger for å møte denne etterspørselen etter databehandling,” sa Sam Naffziger, AMD senior visepresident, bedriftsstipendiat og produktteknologiarkitekt. Naffziger snakket om å adressere ytelse “overkill”. For eksempel, “vi finner i spill- og maskinlæringsområdet at vi kan bruke matematikk med lavere presisjon for å levere et bilde som ser like bra ut med 16-bits beregninger som med 32-biters beregninger, og i stedet for eldre 32b matematikk for å trene AI-nettverk, kan vi bruke 8b- eller 16b-beregninger med lavere energi.”
Visuell representasjon av samtalen under workshop-økten med tittelen “Trådløse, nettverksbaserte og distribuerte systemer.”
Bilde: Haley McDevitt
Andre foredragsholdere pekte ut databehandling ved kanten som et førsteklasses energisvin.
“Vi må også endre enhetene som er satt i kundenes hender,” sa Heidi Hemmer, senior vice president for engineering i Verizon. Når vi tenker på hvordan vi bruker energi, er det vanlig å hoppe til datasentre – men det starter egentlig ved selve enheten, og energien enhetene bruker. Deretter kan vi tenke på hjemmewebrutere, distribuerte nettverk, datasentrene og hubene. “Enhetene er faktisk de minst energieffektive av det,” konkluderte Hemmer.
Noen programledere hadde ulike perspektiver. Flere ba om å utvikle dedikerte silisiumbrikkesett for effektivitet. Panelmoderator Muriel Medard, Cecil H. Green-professor i EECS, beskrev imidlertid forskning ved MIT, Boston University og Maynooth University på STORT (Gjetting Random Additive Noise Decoding)-brikke, og sa, “i stedet for å ha foreldelse av brikker etter hvert som de nye kodene kommer inn og i forskjellige standarder, kan du bruke én brikke for alle koder.”
Uansett brikke eller ny algoritme, understreket Helen Greiner, administrerende direktør i Tertill (en lukerobot) og medgründer av iRobot, at for å få produkter ut på markedet, “må vi lære å gå bort fra å ønske å få det absolutt nyeste og beste. , den mest avanserte prosessoren som vanligvis er dyrere.» Hun la til, “Jeg liker å si at robotdemoer er en krone et dusin, men robotprodukter er svært sjeldne.”
Greiner la vekt på at forbrukere kan spille en rolle i å presse på for mer energieffektive produkter – akkurat som sjåfører begynte å etterspørre elbiler.
Dean ser også en miljørolle for sluttbrukeren.
“Vi har gjort det mulig for skykundene våre å velge hvilken skyregion de vil kjøre beregningene sine i, og de kan bestemme hvor viktig det er at de har et lavt karbonavtrykk,” sa han, og siterte også andre grensesnitt som kan tillate forbrukere å bestemme hvilke flyflyvninger som er mer effektive eller hvilken innvirkning det vil ha å installere et solcellepanel på hjemmet deres.
Imidlertid sa Scharp, “Å forlenge levetiden til smarttelefonen eller nettbrettet er virkelig den beste klimahandlingen du kan gjøre hvis du vil redusere det digitale karbonavtrykket.”
Står overfor økende krav
Til tross for deres optimisme, erkjente presentatørene at verden står overfor økende etterspørsel etter maskinlæring, AI, spill og spesielt blockchain. Panelmoderator Vivienne Sze, førsteamanuensis i EECS, bemerket gåten.
“Vi kan gjøre en god jobb med å gjøre databehandling og kommunikasjon virkelig effektiv. Men det er denne tendensen at når ting først er veldig effektive, bruker folk mer av det, og dette kan resultere i en generell økning i bruken av disse teknologiene, som da vil øke vårt totale karbonavtrykk, sa Sze.
Foredragsholdere så et stort potensial i akademisk/industripartnerskap, spesielt fra forskningsinnsats på akademisk side. “Ved å kombinere disse to kreftene sammen, kan du virkelig forsterke virkningen,” konkluderte Gousev.
Forelesere på workshoppen for klimaimplikasjoner av databehandling og kommunikasjon inkluderte også: Joel Emer, professor i praksis i EECS ved MIT; David Perreault, Joseph F. og Nancy P. Keithley professor i EECS ved MIT; Jesús del Alamo, MIT Donner Professor og professor i elektroteknikk i EECS ved MIT; Heike Riel, IBM-stipendiat og leder for vitenskap og teknologi i IBM; og Takashi Ando, hovedmedarbeider ved IBM Research. De innspilte workshopøktene er tilgjengelige på YouTube.