Some AI training jobs can run on far less electricity with only a small loss of speedبرخی از کارهای آموزش AI می‌توانند با برق بسیار کمتر و تنها کمی افت سرعت اجرا شوند

Not all AI training jobs slow down equally when their electricity is limited. Across 131 test runs, the most flexible jobs lost less than half as much speed as the least flexible ones for the same power cut.همه‌ی کارهای آموزش AI وقتی برق‌شان محدود می‌شود، به یک اندازه کند نمی‌شوند. در میان 131 اجرای آزمایشی، انعطاف‌پذیرترین کارها، به ازای همان میزان کاهش برق، کمتر از نصفِ کندترین کارها سرعت از دست دادند.

ترجمهٔ ماشینی است؛ برای دقت به متن اصلی انگلیسی مراجعه کنید.

Why it matters

Electricity has become the main limit on building new AI data centers, and in many places a new site waits years for permission to connect to the power grid. If data centers could use less power during the busiest hours of the day, the same grid could serve more of them, and ordinary homes would be less likely to run short. This work shows that the cost of cutting power is not the same for every job, so an operator could slow the jobs that barely notice and protect the ones that do. It is an early step: the savings for a whole data center were shown in a computer simulation, not yet in a real one.برق تبدیل به مهم‌ترین محدودیت برای ساخت مراکز داده جدید AI شده است، و در بسیاری جاها یک سایت جدید باید سال‌ها منتظر مجوز اتصال به شبکه‌ی برق بماند. اگر مراکز داده می‌توانستند در پرمصرف‌ترین ساعات روز برق کمتری مصرف کنند، همان شبکه می‌توانست به تعداد بیشتری از آن‌ها خدمات بدهد و احتمال کمبود برق برای خانه‌های معمولی هم کمتر می‌شد. این پژوهش نشان می‌دهد که هزینه‌ی کاهش برق برای همه‌ی کارها یکسان نیست، بنابراین یک اپراتور می‌تواند کارهایی را کند کند که تقریباً متوجه‌ی این کاهش نمی‌شوند و کارهایی را که متوجه می‌شوند حفظ کند. این هنوز یک گام اولیه است: میزان صرفه‌جویی برای کل یک مرکز داده در یک شبیه‌سازی رایانه‌ای نشان داده شده، نه هنوز در یک مرکز داده واقعی.

Who's behind it: Philip Colangelo, Charles Dawson, Shayan Sengupta, Ayse Coskun and Varun Sivaram, Emerald AI, a company working on power-flexible AI data centers. No funding source declared.

Summary by the Lemma AI · how we grade

Read the original paper (arxiv.org)