Yeşil bilişimin gücü

Bir CPU üzerinde çıkarım çalıştırılırken, yapay zeka iş yüklerinin doğrudan hızlandırılmasına yardımcı olan hızlandırıcıların bulunduğu başka kullanım durumları da vardır. Bugün çıkarımların %65 ila %70’inin CPU’larda yürütüldüğünü tahmin ediyoruz, bu nedenle bunların donanım iş yükünü veya donanımı çalıştırmak istediğiniz iş yüküyle eşleştirdiğinden emin olmak çok önemlidir. işlemcide enerji açısından en verimli seçimi yapmak.

Yazılımla ilgili olarak düşündüğümüz son alan, karbon farkındalığına sahip bilgi işlem veya karbon farkındalığına sahip yazılımdır ve bu, iş yükünüzü, şebekenin en az karbon yoğun olduğu yerde çalıştırabileceğiniz fikridir. Bunu mümkün kılmaya yardımcı olmak için, Carbon Aware SDK adı verilen bir şey oluşturmak üzere Green Software Foundation ile ortaklık yapıyoruz ve bu, en yeşil enerji çözümlerini kullanmanıza ve iş yükünüzü en yeşil zamanda veya en yeşil konumlarda çalıştırmanıza yardımcı olur veya ikisi birden. Yani, örneğin, rüzgar estiğinde ya da güneş parladığında koşmayı seçmek ve bu yazılım yenilikçilerine daha çevreci yazılım kararları vermeleri için içgörüler sağlayacak araçlara sahip olmak. Bu örneklerin tümü, yapay zekayı çalıştırırken bilişimin karbon emisyonlarını azaltmaya yardımcı olacak yöntemlerdir.

Defne: AI’nın büyük ölçekli iş operasyonları için son derece güçlü bir araç olarak endüstriler ve tedarik zincirleri genelinde ortaya çıktığı göz önüne alındığında, bu kesinlikle faydalıdır. Dolayısıyla, bunun neden tüm yönlerini dikkate almanız gerektiğini görebilirsiniz. Intel gibi büyük ölçekli bir kuruluş için bu tür iş ve üretim verimliliği yatırımlarını geliştirmek amacıyla yapay zekanın nasıl kullanıldığını açıklayabilir misiniz?

: Evet. Kuruluşumuzun tamamında yapay zekayı kullanma konusunda muhtemelen Intel’in yalnız olmadığını düşünüyorum. Neredeyse iki şirketiz. Hem Intel ürünleri için çok büyük bir küresel üretim operasyonumuz var, ki bu bir nevi ikinci iş, aynı zamanda dünyanın yarı iletken tasarımcılarının çözümlerimizi geliştirebileceği bir dökümhanemiz var.

Çip tasarımını düşündüğümüzde ekiplerimiz IP blok yerleştirme gibi şeyleri yapmak için yapay zekayı kullanıyor. Yani mantığı, farklı IP türlerini gruplandırmaya çalışıyorlar. Ve bu hücreleri birbirine yaklaştırdığınızda, yalnızca maliyeti ve bir çipin içerdiği karbon miktarını azaltan silikon üretim alanını düşürmekle kalmaz, aynı zamanda zamanlamada veya gecikmede %50 ila %30’luk bir azalma sağlar. bu mantık bloklarının iletişimini sağlar ve bu da işlemeyi hızlandırır. Bu aynı zamanda enerji maliyetlerinizi de azaltacaktır.

Çip testlerimizde de yapay zekadan yararlanıyoruz. Eskiden binlerce testi optimize etmemize ve bunları %70’e kadar azaltmamıza yardımcı olacak yapay zeka modelleri oluşturduk. Zamandan, maliyetten ve bilgi işlem kaynaklarından tasarruf sağlar; bahsettiğimiz gibi bu aynı zamanda enerji tasarrufu da sağlayacaktır.

Üretim dünyamızda, levhanın %100’ünü test etmemize, arızaların %90’a kadarını veya daha fazlasını tespit etmemize yardımcı olması için yapay zeka ve görüntü işlemeyi kullanıyoruz. Bunu küresel ağımıza yayılacak şekilde yapıyoruz ve gelecekte sorun haline gelebilecek kalıpları tespit etmenize yardımcı oluyor. Bu çalışmaların tümü daha önce manuel yöntemlerle yapılıyordu ve yavaştı ve daha az hassastı. Böylece yapay zeka ve görüntü işleme tekniklerini kullanarak, kusurları azaltarak, israfı azaltarak ve genel fabrika çıktısını iyileştirerek fabrika çıktımızı iyileştirebiliyoruz.

Birlikte çalıştığımız birçok ortağın yanı sıra biz de satış faaliyetlerinizi önemli ölçüde ölçeklendirecek modelleri eğitebileceğiniz satış tekniklerinde yapay zekadan yararlanıyoruz. Müşteri ve ekosistem verilerini toplayıp yorumlayabiliyor ve bunları anlamlı ve eyleme geçirilebilir içgörülere dönüştürebiliyoruz. Bunun bir örneği, bir müşteriye veya iş ortağına bilgiye erişim sunabildiğimiz ve bunu, insan müdahalesine gerek kalmadan dijital teknikler aracılığıyla bir sonraki kararlarını değerlendirirken sunabildiğimiz otonom satış hareketleridir. Bu da önemli iş tasarrufu sağlayabilir ve hem Intel’e hem de müşterilerimize iş değeri sağlayabilir. Bu nedenle, yapay zeka teknolojilerinin dağıtımı yoluyla işimizin neredeyse her alanına dokunarak Intel’in daha da fazla kullanılmasını bekliyoruz.

Defne: Bahsettiğiniz gibi, burada verimlilik için birçok fırsat var. Yapay zeka ve gelişen teknolojilerle, büyük veri merkezlerinden uç noktalara, insanların bu verileri gerçek zamanlı karar vermek için kullandığı yerlere kadar bu verimliliği görebiliyoruz. Peki bu verimlilikleri uygulamada nasıl görüyorsunuz?

: Evet, uçtan şirket içi kurumsal veri merkezine ve hiper ölçekli buluta kadar birçok kullanım örneğine baktığımda farklı teknikler kullanacaksınız, değil mi? Uçta, hem gecikme, hem de çoğunlukla güç ve alan kısıtlamaları olmak üzere farklı kısıtlamalarınız var. Bir kuruluşta raf gücüyle sınırlı olabilirsiniz. Ve hiper ölçek, birçok iş yükünü aynı anda yönetiyorlar.