Πίσω από κάθε εφαρμογή τεχνητής νοημοσύνης βρίσκεται ένας ενεργειακός λογαριασμός που ο χρήστης δεν βλέπει.
Καθώς τα μεγάλα κέντρα δεδομένων πολλαπλασιάζονται και πιέζουν τα ηλεκτρικά δίκτυα, η Χριστίνα Δελημήτρου, αναπληρώτρια καθηγήτρια στο MIT, αναζητά τη λύση σε μια αντίφαση: σημαντικό μέρος της διαθέσιμης υπολογιστικής ισχύος παραμένει αναξιοποίητο, ενώ τα συστήματα συνεχίζουν να καταναλώνουν ενέργεια.
Μπορεί η ίδια η τεχνητή νοημοσύνη να περιορίσει αυτή τη σπατάλη; Σε αυτό το ερώτημα επικεντρώνεται η έρευνα της Ελληνίδας επιστήμονα, η οποία απέκτησε πρόσφατα μονιμότητα στη βαθμίδα της αναπληρώτριας καθηγήτριας στο Massachusetts Institute of Technology, με έδρα το Κέιμπριτζ των Ηνωμένων Πολιτειών.
Σύμφωνα με αφιέρωμα του MIT News, η ομάδα της αξιοποιεί τη μηχανική μάθηση για να βελτιώσει την αποδοτικότητα, την ασφάλεια και την αξιοπιστία των μεγάλων υπολογιστικών συστημάτων, περιορίζοντας την ανάγκη δημιουργίας νέων υποδομών.
Η πρόοδος έχει έναν λογαριασμό που δεν φαίνεται
Χριστίνα Δελημήτρου /ΑΠΕ – ΜΠΕ
Μιλώντας στο ΑΠΕ-ΜΠΕ και στον δημοσιογράφο Αλέκο Λιδωρίκη, η Χριστίνα Δελημήτρου επισημαίνει ότι η βιώσιμη ανάπτυξη της τεχνητής νοημοσύνης αποτελεί μία από τις σημαντικότερες τεχνολογικές προκλήσεις των επόμενων ετών.
«Η τεχνητή νοημοσύνη αλλάζει με πρωτοφανή ταχύτητα τον τρόπο με τον οποίο εργαζόμαστε και αλληλεπιδρούμε με την τεχνολογία. Αυτή η πρόοδος, όμως, έχει ένα σημαντικό κόστος που παραμένει αόρατο στον τελικό χρήστη: την τεράστια υπολογιστική υποδομή και την ενέργεια που απαιτείται για να λειτουργήσει. Τα κέντρα δεδομένων αποτελούν πλέον κρίσιμες υποδομές της σύγχρονης κοινωνίας, αλλά η συνεχής αύξηση των ενεργειακών τους αναγκών δημιουργεί σημαντικές περιβαλλοντικές προκλήσεις.
Ένα από τα σημαντικότερα ερωτήματα που καλούμαστε να απαντήσουμε τα επόμενα χρόνια δεν είναι μόνο πώς θα κάνουμε την τεχνητή νοημοσύνη πιο ισχυρή, αλλά πώς θα διασφαλίσουμε ότι η ανάπτυξή της θα είναι βιώσιμη».
Η απάντηση που αναζητά η ομάδα της περνά μέσα από την επανεξέταση του σχεδιασμού και της λειτουργίας των υπολογιστικών συστημάτων.
«Στην ερευνητική μου ομάδα στο MIT προσπαθούμε να αντιμετωπίσουμε αυτή την πρόκληση επανεξετάζοντας τον τρόπο με τον οποίο σχεδιάζονται και λειτουργούν τα μεγάλα υπολογιστικά συστήματα. Ένα από τα πιο ενδιαφέροντα ευρήματα της έρευνάς μας είναι ότι μεγάλο μέρος της διαθέσιμης υπολογιστικής ισχύος συχνά παραμένει αναξιοποίητο, ενώ τα συστήματα εξακολουθούν να καταναλώνουν σημαντικές ποσότητες ενέργειας. Χρησιμοποιούμε την ίδια την τεχνητή νοημοσύνη για να βελτιώσουμε την αποδοτικότητα αυτών των υποδομών, ώστε να μπορούμε να υποστηρίζουμε περισσότερες εφαρμογές με λιγότερους πόρους, χωρίς να θυσιάζουμε την απόδοση ή την αξιοπιστία τους. Η πραγματική καινοτομία δεν βρίσκεται μόνο στη δημιουργία ολοένα ισχυρότερων τεχνολογιών, αλλά και στην ικανότητά μας να τις κάνουμε πιο αποδοτικές, προσβάσιμες και βιώσιμες».
Συστήματα που λειτουργούσαν μόλις στο 15% των δυνατοτήτων τους
Η αναξιοποίητη υπολογιστική ισχύς είχε προσελκύσει το ενδιαφέρον της ήδη κατά τη διάρκεια των μεταπτυχιακών και διδακτορικών σπουδών της στο Πανεπιστήμιο Stanford.
Σε συνεργασία με τον καθηγητή Χρήστο Κοζυράκη, διαπίστωσε ότι πολλά υπολογιστικά συστήματα μεγάλης κλίμακας λειτουργούσαν μόλις στο 15% της δυναμικότητάς τους, παρά την αυξανόμενη ζήτηση για υπολογιστική ισχύ.
Όπως εξηγεί, μεγάλο μέρος αυτής της αναποτελεσματικότητας οφείλεται στο λογισμικό. Η καλύτερη διαχείριση των διαθέσιμων πόρων θα μπορούσε να περιορίσει τόσο την ενεργειακή κατανάλωση όσο και την ανάγκη κατασκευής πρόσθετων εγκαταστάσεων.
Σε αυτή την κατεύθυνση, η ομάδα της αναπτύσσει μεθόδους μηχανικής μάθησης για την αυτοματοποιημένη διαχείριση υπολογιστικών πόρων στο cloud, επανασχεδιάζοντας συστήματα και αρχιτεκτονικές διακομιστών.
Το εργαλείο που προβλέπει τα προβλήματα πριν εμφανιστούν
Χαρακτηριστικό παράδειγμα της δουλειάς της αποτελεί το Seer, ένα εργαλείο που χρησιμοποιεί τεχνικές βαθιάς μάθησης για να προβλέπει και να αποτρέπει προβλήματα σε διαδικτυακές εφαρμογές πριν εκδηλωθούν.
Με αυτόν τον τρόπο περιορίζονται οι καθυστερήσεις και οι διακοπές λειτουργίας σε υπηρεσίες καθημερινής χρήσης, όπως οι τηλεδιασκέψεις και η αναπαραγωγή μουσικής μέσω διαδικτύου.
Η εξέλιξη των ψηφιακών εφαρμογών δημιουργεί, άλλωστε, νέες απαιτήσεις για τον σχεδιασμό των υπολογιστικών συστημάτων. Πολλές σύγχρονες υπηρεσίες αποτελούνται από μικρότερα τμήματα που λειτουργούν σε διαφορετικούς διακομιστές, αυξάνοντας τις απαιτήσεις τόσο για το λογισμικό όσο και για τον εξοπλισμό.
Η ερευνητική ομάδα της Δελημήτρου αναζητά λύσεις συνδυάζοντας τη μηχανική μάθηση με τον σχεδιασμό υπολογιστικών αρχιτεκτονικών.
Από το Πολυτεχνείο στο Stanford και στο MIT
Η Χριστίνα Δελημήτρου μεγάλωσε σε πόλη της βόρειας Ελλάδας, σε οικογένεια με επιστημονικό υπόβαθρο. Η μητέρα της εργαζόταν ως χημικός μηχανικός και ο πατέρας της ως φαρμακοποιός, ενθαρρύνοντας το ενδιαφέρον της για τα μαθηματικά και τις φυσικές επιστήμες.
Σπούδασε μηχανικός υπολογιστών στο Εθνικό Μετσόβιο Πολυτεχνείο, όπου ασχολήθηκε με τη διαχείριση υπολογιστικών πόρων. Συνέχισε τις σπουδές της στο Stanford και την ακαδημαϊκή της πορεία στο Πανεπιστήμιο Cornell, προτού ενταχθεί, το 2022, στο διδακτικό προσωπικό του MIT.
Σήμερα ανήκει στο Τμήμα Ηλεκτρολόγων Μηχανικών και Επιστήμης Υπολογιστών (EECS) και είναι μέλος του Computer Science and Artificial Intelligence Laboratory (CSAIL).
Αναφερόμενη στη διαδρομή της, τονίζει στο ΑΠΕ-ΜΠΕ:
«Έχοντας ξεκινήσει τις σπουδές μου από το Εθνικό Μετσόβιο Πολυτεχνείο, αισθάνομαι ιδιαίτερη ευγνωμοσύνη για τους καθηγητές και τους συμφοιτητές μου, που έπαιξαν καθοριστικό ρόλο στην επιστημονική μου πορεία. Η έμφαση στην κριτική σκέψη και, κυρίως, οι άνθρωποι με τους οποίους είχα την τύχη να συνεργαστώ, μου έδωσαν τα εφόδια να ακολουθήσω μια ερευνητική πορεία στο εξωτερικό».
«Η δουλειά στα ελληνικά πανεπιστήμια αξίζει μεγαλύτερη αναγνώριση»
Η Ελληνίδα επιστήμονας υπογραμμίζει τις δυνατότητες των νέων ερευνητών και την ποιότητα της επιστημονικής δουλειάς στην Ελλάδα.
«Πιστεύω ότι η Ελλάδα διαθέτει εξαιρετικό επιστημονικό δυναμικό, τόσο σε επίπεδο καθηγητών όσο και φοιτητών, και ότι η ποιότητα της δουλειάς που γίνεται στα ελληνικά πανεπιστήμια αξίζει μεγαλύτερη διεθνή αναγνώριση. Ελπίζω οι νέοι επιστήμονες στην Ελλάδα να συνεχίσουν να θέτουν φιλόδοξους στόχους, να αμφισβητούν όσα θεωρούμε δεδομένα και να πιστεύουν ότι μπορούν να συμβάλουν ουσιαστικά στις μεγαλύτερες επιστημονικές και τεχνολογικές προκλήσεις της εποχής μας».
Παράλληλα με την έρευνα, δίνει ιδιαίτερη σημασία στη διδασκαλία. Ένα από τα αγαπημένα της μαθήματα στο MIT είναι το Computation Structure, το οποίο παρακολουθούν περίπου 350 προπτυχιακοί φοιτητές κάθε εξάμηνο.
Όπως αναφέρει στο MIT News, επιδιώκει να καλλιεργεί την ανεξάρτητη σκέψη και τη δημιουργικότητα, ενθαρρύνοντας τους φοιτητές να αναζητούν οι ίδιοι λύσεις.
Η έρευνά της αναδεικνύει μια κρίσιμη δυνατότητα για το μέλλον της τεχνητής νοημοσύνης: η αντιμετώπιση του αυξανόμενου ενεργειακού της αποτυπώματος περνά και από την αποτελεσματικότερη αξιοποίηση των υποδομών που ήδη υπάρχουν.
