Generative AI ရဲ့နောက်ကွယ်က သဘာဝပတ်ဝန်းကျင်ထိခိုက်မှုများ
ယနေ့ခေတ်မှာ Generative AI နည်းပညာက အရှိန်အဟုန်မြင့် တိုးတက်လာနေပြီး လူမှုဘောင်အတွက် အကျိုးကျေးဇူးတွေအများကြီး ပေးစွမ်းနိုင်လာပါတယ်။ ဒါပေမယ့် နည်းပညာတိုးတက်လာမှုတွေရဲ့ နောက်ကွယ်မှာကတော့ လျှပ်စစ်စွမ်းအင်အသုံးပြုမှု မြင့်မားလာခြင်း၊ ရေသုံးစွဲမှုများပြားလာခြင်း အစရှိတဲ့ သဘာဝပတ်ဝန်းကျင်အပေါ် သက်ရောက်မှုများက တဖြည်းဖြည်း မြင်သာလာပါတယ်။ MIT News မှ ထုတ်ပြန်ခဲ့တဲ့ ဆောင်းပါးမှာ AI Model များကို သင်ကြားခြင်း (training) နဲ့ အသုံးပြုခြင်း (inference) လုပ်ငန်းစဉ်တွေအတွက် စွမ်းအင်နဲ့ သဘာဝပတ်ဝန်းကျင်ရင်းမြစ်တွေကို ပေးဆပ်နေရပြီး ထိုအကြောင်းအရာကို မေ့ထားလို့မရကြောင်းရေးသားထားခဲ့ပါတယ်။
စွမ်းအင်အသုံးပြုမှုများရခြင်း
Generative AI Model တွေက parameters ဘီလီယံနဲ့ချီပြီး ပါဝင်တာကြောင့် သင်ကြားဖို့အတွက် လိုအပ်တဲ့ကွန်ပျူတာစွမ်းအင် (computational power) ကအလွန်မြင့်မားပါတယ်။ ဥပမာအနေနဲ့ ဒီနေ့ခေတ်လူတိုင်းသုံးနေကျတဲ့ OpenAI GPT-4 က စွမ်းအင်အများအပြားသုံးစွဲရတဲ့ AI မော်ဒယ်တစ်ခု ဖြစ်ပါတယ်။
AIကို အသုံးပြုသူတွေဆီ မချပြခင်မှာ အရင်ဆုံး ကြီးမားတဲ့ Dataset တွေကိုသုံးပြီး AI Model ကို သင်ကြားရပါတယ်။ ဒါကလည်းစွမ်းအင်အသုံးပြုရမှု များလွန်းသလို AI Model ကိုအသုံးပြုတဲ့အခါ၊ လူတွေမေးမြန်းကြတဲ့အခါမှာလည်း တုန့်ပြန်အဖြေထုတ်ပေးဖို့အတွက် Processing Power လိုအပ်ပြန်ပါတယ်။
Training လုပ်ခြင်းက Dataset များကို အကြိမ်ကြိမ်အခါခါ သုံးစွဲပြီး ပြုလုပ်ရတာကြောင့် စွမ်းအင်သုံးစွဲမှုက များပါတယ်။ ဒါမှမဟုတ် AI ကို အသုံးပြုသူတွေရဲ့ မေးခွန်းများကို ဖြေဆိုနိုင်စေရန် ကြိုတင်သင်ကြားထားတဲ့ အချက်အလက်အသိပညာ (pre-trained knowledge) များကို ထည့်သွင်းအသုံးပြုမယ် ဆိုရင်လည်း တစ်ခုချင်းစီမှာ စွမ်းအင်အသုံးပြုမှုတွေရှိနေပြန်ပါတယ်။
MIT ရဲ့ နည်းပညာပညာရှင် Elsa A. Olivetti က "Generative AI ရဲ့ သက်ရောက်မှုကို အိမ်မှာသုံးတဲ့ ကိုယ်ပိုင်ကွန်ပျူတာအတွက် ကုန်သွားတဲ့လျှပ်စစ်စွမ်းအင်လောက်ပဲလို့တွေးနေလို့မရပါဘူး။ ရိုးရှင်းတဲ့ လျှပ်စစ်စွမ်းအင် သုံးစွဲမှုထက်အတိုင်းအဆများစွာပိုရှုပ်ထွေးပြီး များပြားတယ်” လို့ပြောခဲ့ပါတယ်။
Data Center များ၏ လျှပ်စစ်စွမ်းအင်သုံးစွဲမှု
Generative AI ရဲ့ အဓိက လျှပ်စစ်စွမ်းအင်သုံးစွဲမှုက Data Center တွေကြောင့်ဖြစ်ပါတယ်။ Data Center တွေက AI Model များကို သင်ကြားခြင်းနဲ့ အသုံးပြုခြင်းလုပ်ငန်းစဉ်တွေအတွက် မဖြစ်မနေလိုအပ်ပါတယ်။ Amazon မှာ Data Center ၁၀၀ ကျော်နဲ့ တစ်ခုချင်းစီမှာ Server ၅၀,၀၀၀ ခန့်ရှိပြီး Cloud Computing Service ကိုထောက်ပံ့ပေးဖို့အသုံးပြုပါတယ်။
သိပ္ပံပညာရှင်တွေရဲ့ ခန့်မှန်းချက်အရ မြောက်အမေရိကရှိ data center များရဲ့ လျှပ်စစ်စွမ်းအင် အသုံးပြုမှုက ၂၀၂၂ တွင် ၂,၆၈၈ မက်ဂါဝပ်မှ ၂၀၂၃ တွင် ၅,၃၄၁ မက်ဂါဝပ်သို့ တိုးလာခဲ့ပါတယ်။ ဒီလိုကိန်းဂဏန်းတိုးလာရခြင်းက generative AI ရဲ့ လိုအပ်ချက်များကြောင့်လို့သုံးသပ်ခဲ့ကြပါတယ်။
ကမ္ဘာ့အနှံ့အပြား Data Center များရဲ့ လျှပ်စစ်စွမ်းအင် သုံးစွဲမှုက ၂၀၂၂ တွင် ၄၆၀ တယ်ရာဝပ်ထိ ရှိလာခဲ့ပါတယ်။ ဒါက ကမ္ဘာ့ ၁၁ ခုမြောက် လျှပ်စစ်စွမ်းအင်အသုံးပြုရအများဆုံးကဏ္ဍတစ်ခုဖြစ်ပြီး လျှပ်စစ်စွမ်းအင်အများစုက ကျောက်မီးသွေးနဲ့သဘာဝဓာတ်ငွေ့စက်ရုံများမှထုတ်ရတာဖြစ်ပါတယ်။ လျှပ်စစ်အသုံးပြုမှုက၂၀၂၆ မှာ ၁,၀၅၀ တယ်ရာဝပ် အထိ တိုးလာဦးမယ်လို့ ကျွမ်းကျင်သူတွေကသုံးသပ်ထားကြပြန်ပါတယ်။
OpenAI GPT-3 မော်ဒယ် သင်ကြားမှုအတွက် ၁,၂၈၇ မက်ဂါဝပ်နာရီ (MWh) စွမ်းအင် အသုံးပြုရပြီး ဒီပမာဏကအမေရိကန် အိမ်ထောင်စု ၁၂၀ ခုရဲ့ တစ်နှစ်စာ မီးသုံးစွဲမှုနဲ့ တူညီလုနီးပါးဖြစ်ပါတယ်။ ဒါ့အပြင် အဲ့ဒီလုပ်ငန်းစဉ်ကနေ ကာဗွန်ဒိုင်အောက်ဆိုက်ဒ် ၅၅၂ တန်ခန့် ထွက်လာပါတယ်။
AI အသုံးပြုခြင်း (Inference) အဆင့်ရဲ့ သက်ရောက်မှုများ
Generative AI Model များကို သင်ကြားပြီးနောက်မှာလည်း စွမ်းအင်အသုံးပြုမှုတွေကဆက်ပြီးရှိနေဆဲပါပဲ။ ChatGPT ကို မေးမြန်းမှု တစ်ကြိမ်လုပ်ခြင်းက သာမန် web search ထက် ၅ ဆ ပိုပြီး လျှပ်စစ်စွမ်းအင်ကို သုံးစွဲပါတယ်။ "အသုံးပြုသူတွေက Generative AI ရဲ့ သဘာဝပတ်ဝန်းကျင်အပေါ် သက်ရောက်နေမှုတွေကို သိရှိမနေကြတဲ့အတွက် သုံးစွဲမှုကို လျှော့ချဖို့အားထုတ်ခြင်းမရှိကြပါ" လို့ Bashir က ပြောခဲ့ပါတယ်။
Generative AI ရဲ့ inference (အသုံးပြုမှု) က အနာဂတ်မှာ လျှပ်စစ်စွမ်းအင် သုံးစွဲမှုတွင် အဓိကအခန်းကဏ္ဍ ဖြစ်လာနိုင်ပါတယ်။ Model အသစ်များက ပိုမိုကြီးမားလာပြီး ရှုပ်ထွေးလာသည့်အတွက် အသုံးပြုမှုတိုင်းမှာ စွမ်းအင်ပိုမိုသုံးစွဲရလေ့ရှိပါတယ်။ ဒါ့အပြင် AI Model အသစ်များကို အပြိုင်အဆိုင်ခပ်မြန်မြန် ထုတ်လုပ်လာကြတဲ့အတွက် အရင်ကသင်ကြားခဲ့တဲ့ Model တွေက အသုံးမဝင်တော့ဘဲ စွမ်းအင်တွေကို အလဟသတ်သုံးဖြုန်းနေသလိုဖြစ်စေပါတယ်။
သဘာဝပတ်ဝန်းကျင်သက်ရောက်မှု
Data center များက တစ်နာရီလျှင် လျှပ်စစ်စွမ်းအင် 1 kWh အသုံးပြုတိုင်း ရေ ၂ လီတာခန့်ကို အေးမြစေရန်အတွက် အသုံးပြုရပါတယ်။ Bashir က "Cloud computing" ဟု ခေါ်သော်လည်း AI မော်ဒယ်များက တကယ်တမ်းတော့ Data Center တွေမှာ ရှိနေပြီး ရေသုံးစွဲမှုကြောင့် သဘာဝပတ်ဝန်းကျင်နဲ့ ဇီဝမျိုးစုံထိခိုက်မှုရှိနိုင်တယ်" လို့ဆိုပါတယ်။
GPU (Graphics Processing Unit) များကို ထုတ်လုပ်ရန် လိုအပ်တဲ့ လျှပ်စစ်စွမ်းအင်ကို တိတိကျကျ ခန့်မှန်းဖို့ ခက်ခဲပေမယ့် AI လုပ်ငန်းများမှာ အသုံးပြုတဲ့ GPU များက ရိုးရှင်းတဲ့ CPU (Central Processing Unit) များထက် စွမ်းအင်သုံးစွဲမှုပိုများပါတယ်။ ထုတ်လုပ်မှုလုပ်ငန်းစဉ်ကရှုပ်ထွေးသလို သတ္ထုတူးဖော်မှု၊ ထုတ်လုပ်မှုနဲ့ သယ်ယူပို့ဆောင်မှုလုပ်ငန်းတွေကလည်းမရိုးရှင်းပါဘူး။
ဒါ့ကြောင့် Generative AI ကို အဖက်ဖက်ကအောင်မြင်စွာအသုံးချနိုင်ဖို့အတွက် သဘာဝပတ်ဝန်းကျင် ထိခိုက်မှုတွေကို ထိန်းချုပ်နိုင်မယ့် နည်းလမ်းများကို လေ့လာပြီးလက်တွေ့အသုံးချဖို့လိုအပ်ပါတယ်။ AI Model များကို ပိုမိုထိရောက်စွာ သင်ကြားနိုင်ရန် နည်းပညာသစ်များကို ရှာဖွေရန်နဲ့ စွမ်းအင်အသုံးချမှုကို ထိန်းချုပ်နိုင်ရန် လိုအပ်ပါတယ်။ AI နည်းပညာကအသုံးဝင်တာမှန်ပေမယ့် ရေရှည်အတွက်ထိခိုက်မှုနည်းပြီး လူမှုလိုအပ်ချက်များကို ထောက်ပံ့နိုင်ဖို့ ရည်ရွယ်ချက်နဲ့ ဦးတည်လုပ်ဆောင်သင့်ပါတယ်။
MIT News (Massachusetts Institute of Technology) မှ Adam Zewe ရေးသားထားသော Generative AI’s environmental impact ဆောင်းပါးကိုဆီလျော်အောင်ဘာသာပြန်ဆိုထားခြင်းဖြစ်ပါတယ်။
Daw Theint Thinzar
Lecturer, Strategy First International College
B.E (Civil) West Yangon Technological University
M.Sc. (Construction Project Management),
Heriot-Watt University, Malaysia