Thêm một số bối cảnh ở đây, việc tăng cường sức mạnh tính toán cũng đồng nghĩa với việc tiêu thụ năng lượng lớn hơn, điều này là không bền vững. EpochAI dự đoán rằng: ➤ Tính toán đào tạo đang tăng trưởng ở mức 4-5 lần hàng năm. ➤ Nhu cầu năng lượng dự kiến sẽ tăng từ 2.2 đến 2.9 lần mỗi năm. Đến năm 2030, mỗi lần đào tạo có thể cần từ 4-16 gigawatt (GW), đủ để cung cấp năng lượng cho hàng triệu ngôi nhà ở Mỹ. Có một số giải pháp khả thi: ➤ Cải thiện hiệu suất năng lượng của phần cứng ➤ Phát triển các phương pháp để giảm thời gian đào tạo ➤ Sử dụng đào tạo phân tán trên nhiều GPU ở các vị trí địa lý khác nhau. Trong số này, lựa chọn thứ ba, được dẫn dắt bởi các dự án như @ionet, @render và @AethirCloud, dường như là giải pháp khả thi và ngay lập tức nhất. h/t @EpochAIResearch