Ελληνίδα καθηγήτρια του ΜΙΤ αναζητά λύση στο ενεργειακό κόστος της τεχνητής νοημοσύνης

Η ολοένα μεγαλύτερη ενεργειακή κατανάλωση της τεχνητής νοημοσύνης αποτελεί μία από τις σημαντικότερες προκλήσεις για το μέλλον της τεχνολογί...

Η ολοένα μεγαλύτερη ενεργειακή κατανάλωση της τεχνητής νοημοσύνης αποτελεί μία από τις σημαντικότερες προκλήσεις για το μέλλον της τεχνολογίας. Μια Ελληνίδα επιστήμονας στο κορυφαίο αμερικανικό πανεπιστήμιο ΜΙΤ επιχειρεί να δώσει λύσεις, αξιοποιώντας τη μηχανική μάθηση για την καλύτερη λειτουργία των μεγάλων υπολογιστικών συστημάτων.

Η Χριστίνα Δελημήτρου απέκτησε πρόσφατα μονιμότητα στη βαθμίδα της αναπληρώτριας καθηγήτριας στο Massachusetts Institute of Technology, στο Κέιμπριτζ των Ηνωμένων Πολιτειών. Η έρευνά της επικεντρώνεται στη βελτίωση της αποδοτικότητας, της ασφάλειας και της αξιοπιστίας των κέντρων δεδομένων, με στόχο να αξιοποιείται περισσότερο η υπάρχουσα υπολογιστική ισχύς και να περιορίζεται η ανάγκη για νέες εγκαταστάσεις.

Η τεχνητή νοημοσύνη απέναντι στο ενεργειακό της αποτύπωμα

Η ταχεία εξάπλωση εφαρμογών τεχνητής νοημοσύνης αυξάνει τις απαιτήσεις σε ηλεκτρική ενέργεια, καθώς τα κέντρα δεδομένων χρειάζονται ολοένα περισσότερους υπολογιστικούς πόρους. Η δημιουργία νέων εγκαταστάσεων επιβαρύνει τα ηλεκτρικά δίκτυα, την ώρα που σημαντικό μέρος της διαθέσιμης ισχύος παραμένει αναξιοποίητο.

Μιλώντας στο ΑΠΕ-ΜΠΕ, η Χριστίνα Δελημήτρου επισημαίνει ότι το ζητούμενο δεν είναι μόνο η ανάπτυξη ισχυρότερων συστημάτων, αλλά και η διασφάλιση της βιώσιμης λειτουργίας τους.

Όπως εξηγεί, η υπολογιστική υποδομή και η ενέργεια που απαιτούνται για τη λειτουργία της τεχνητής νοημοσύνης αποτελούν ένα σημαντικό κόστος που συχνά δεν γίνεται αντιληπτό από τον τελικό χρήστη. Για τον λόγο αυτό, η ερευνητική της ομάδα εξετάζει τρόπους ώστε περισσότερες εφαρμογές να μπορούν να λειτουργούν με λιγότερους πόρους, χωρίς να υποβαθμίζονται οι επιδόσεις ή η αξιοπιστία των υπηρεσιών.

Υπολογιστικά συστήματα που λειτουργούν κάτω από τις δυνατότητές τους

Η έρευνα της Ελληνίδας καθηγήτριας ξεκίνησε να αναπτύσσεται κατά τη διάρκεια των μεταπτυχιακών και διδακτορικών σπουδών της στο Πανεπιστήμιο Στάνφορντ, σε συνεργασία με τον καθηγητή Χρήστο Κοζυράκη.

Τότε διαπίστωσε ότι πολλά μεγάλης κλίμακας υπολογιστικά συστήματα λειτουργούσαν μόλις στο 15% της δυναμικότητάς τους, παρά την αυξανόμενη ζήτηση για υπολογιστική ισχύ. Σύμφωνα με την ίδια, σημαντικό μέρος αυτής της αναποτελεσματικότητας σχετίζεται με τον τρόπο λειτουργίας του λογισμικού και τη διαχείριση των διαθέσιμων πόρων.

Η βελτιστοποίηση αυτών των διαδικασιών μπορεί να συμβάλει στη μείωση της ενεργειακής κατανάλωσης και να περιορίσει την ανάγκη δημιουργίας πρόσθετων υποδομών. Στο πλαίσιο αυτό, η ομάδα της αναπτύσσει μεθόδους μηχανικής μάθησης για την αυτοματοποιημένη διαχείριση πόρων στο υπολογιστικό νέφος και τον επανασχεδιασμό συστημάτων και αρχιτεκτονικών διακομιστών.

Το εργαλείο που προβλέπει προβλήματα πριν εμφανιστούν

Ένα χαρακτηριστικό παράδειγμα της ερευνητικής δουλειάς της είναι το εργαλείο Seer, το οποίο χρησιμοποιεί τεχνικές βαθιάς μάθησης για να προβλέπει πιθανά προβλήματα σε διαδικτυακές εφαρμογές πριν αυτά εκδηλωθούν.

Με αυτόν τον τρόπο, μπορούν να περιοριστούν οι καθυστερήσεις και οι διακοπές λειτουργίας σε ψηφιακές υπηρεσίες, όπως οι τηλεδιασκέψεις και η αναπαραγωγή μουσικής μέσω διαδικτύου.

Η προσέγγιση αυτή αναδεικνύει τη δυνατότητα αξιοποίησης της τεχνητής νοημοσύνης όχι μόνο για τη δημιουργία νέων εφαρμογών, αλλά και για τη βελτίωση της λειτουργίας των υποδομών που τις υποστηρίζουν.

Από το Εθνικό Μετσόβιο Πολυτεχνείο στο ΜΙΤ

Η Χριστίνα Δελημήτρου μεγάλωσε σε πόλη της βόρειας Ελλάδας, σε οικογένεια με επιστημονικό υπόβαθρο. Σπούδασε μηχανικός υπολογιστών στο Εθνικό Μετσόβιο Πολυτεχνείο, όπου ασχολήθηκε με τη διαχείριση υπολογιστικών πόρων, και συνέχισε τις σπουδές της στο Πανεπιστήμιο Στάνφορντ.

Στη συνέχεια εργάστηκε ακαδημαϊκά στο Πανεπιστήμιο Κορνέλ, ενώ το 2022 εντάχθηκε στο διδακτικό προσωπικό του ΜΙΤ. Σήμερα ανήκει στο Τμήμα Ηλεκτρολόγων Μηχανικών και Επιστήμης Υπολογιστών και είναι μέλος του Εργαστηρίου Επιστήμης Υπολογιστών και Τεχνητής Νοημοσύνης.

Η ίδια αναγνωρίζει τη συμβολή που είχαν οι σπουδές της στην Ελλάδα στην επιστημονική της πορεία, εκφράζοντας την ευγνωμοσύνη της προς τους καθηγητές και τους συμφοιτητές της. Παράλληλα, υπογραμμίζει ότι η χώρα διαθέτει αξιόλογο επιστημονικό δυναμικό και ότι το έργο των ελληνικών πανεπιστημίων αξίζει μεγαλύτερη διεθνή αναγνώριση.

Η έρευνα και η διδασκαλία στο ΜΙΤ

Πέρα από την ερευνητική της δραστηριότητα, η Ελληνίδα καθηγήτρια δίνει ιδιαίτερη έμφαση στη διδασκαλία και στην καλλιέργεια της ανεξάρτητης σκέψης των φοιτητών.

Ένα από τα μαθήματα που ξεχωρίζει είναι το Computation Structure, το οποίο παρακολουθούν περίπου 350 προπτυχιακοί φοιτητές κάθε εξάμηνο. Όπως έχει αναφέρει στο MIT News, στόχος της είναι να ενθαρρύνει τους νέους να αναζητούν οι ίδιοι λύσεις, αναπτύσσοντας τη δημιουργικότητα και την κριτική τους σκέψη.

Η ερευνητική της προσέγγιση αναδεικνύει μια διαφορετική διάσταση της τεχνολογικής προόδου: η αντιμετώπιση του ενεργειακού κόστους της τεχνητής νοημοσύνης δεν προϋποθέτει μόνο νέες εγκαταστάσεις, αλλά και πιο έξυπνη αξιοποίηση των υποδομών που ήδη υπάρχουν.

Πηγή:ΑΠΕΜΠΕ