Aggiungendo un po' di contesto, un aumento della potenza di calcolo equivale anche a un maggiore consumo energetico, che non è sostenibile. EpochAI ha previsto che: ➤ Il calcolo per l'addestramento sta aumentando di 4-5 volte all'anno. ➤ La domanda di energia è prevista in aumento da 2,2x a 2,9x all'anno. Entro il 2030, ogni ciclo di addestramento potrebbe richiedere da 4 a 16 gigawatt (GW), sufficienti per alimentare milioni di case negli Stati Uniti. Sono disponibili diverse soluzioni: ➤ Migliorare l'efficienza energetica dell'hardware ➤ Sviluppare metodi per ridurre la durata dell'addestramento ➤ Utilizzare l'addestramento distribuito su più GPU in diverse località geografiche. Tra queste, la terza opzione, guidata da progetti come @ionet, @render e @AethirCloud, sembra essere la soluzione più fattibile e immediata. h/t @EpochAIResearch