Τεχνητή νοημοσύνη: Η Ελληνίδα καθηγήτρια του MIT που αναζητά λύσεις για την ενεργειακή κατανάλωση των data centers

Η κατασκευή νέων εγκαταστάσεων ασκεί πίεση στα ηλεκτρικά δίκτυα, ενώ σημαντικό μέρος της ήδη διαθέσιμης υπολογιστικής ισχύος παραμένει αναξιοποίητο. Μπορεί η ίδια η τεχνητή νοημοσύνη να δώσει λύση στο πρόβλημα; Σε αυτό το ερώτημα επικεντρώνεται η έρευνα της Χριστίνας Δελημήτρου (Christina Delimitrou), η οποία απέκτησε πρόσφατα μονιμότητα στη βαθμίδα της αναπληρώτριας καθηγήτριας στο Massachusetts Institute of Technology (MIT), με έδρα το Κέιμπριτζ των Ηνωμένων Πολιτειών. Σύμφωνα με αφιέρωμα του MIT News, η ερευνητική της ομάδα αξιοποιεί τη μηχανική μάθηση για να βελτιώσει την αποδοτικότητα, την ασφάλεια και την αξιοπιστία των μεγάλων υπολογιστικών συστημάτων, περιορίζοντας την ανάγκη δημιουργίας νέων υποδομών.

Η Χριστίνα Δελημήτρου, μιλώντας στο ΑΠΕ-ΜΠΕ και στον δημοσιογράφο Αλέκο Λιδωρίκη, επισημαίνει ότι η βιώσιμη ανάπτυξη της τεχνητής νοημοσύνης αποτελεί μία από τις σημαντικότερες τεχνολογικές προκλήσεις των επόμενων ετών. «Η τεχνητή νοημοσύνη αλλάζει με πρωτοφανή ταχύτητα τον τρόπο με τον οποίο εργαζόμαστε και αλληλεπιδρούμε με την τεχνολογία. Αυτή η πρόοδος, όμως, έχει ένα σημαντικό κόστος που παραμένει αόρατο στον τελικό χρήστη: την τεράστια υπολογιστική υποδομή και την ενέργεια που απαιτείται για να λειτουργήσει. Τα κέντρα δεδομένων αποτελούν πλέον κρίσιμες υποδομές της σύγχρονης κοινωνίας, αλλά η συνεχής αύξηση των ενεργειακών τους αναγκών δημιουργεί σημαντικές περιβαλλοντικές προκλήσεις. Ένα από τα σημαντικότερα ερωτήματα που καλούμαστε να απαντήσουμε τα επόμενα χρόνια δεν είναι μόνο πώς θα κάνουμε την τεχνητή νοημοσύνη πιο ισχυρή, αλλά πώς θα διασφαλίσουμε ότι η ανάπτυξή της θα είναι βιώσιμη».

«Στην ερευνητική μου ομάδα στο MIT προσπαθούμε να αντιμετωπίσουμε αυτή την πρόκληση επανεξετάζοντας τον τρόπο με τον οποίο σχεδιάζονται και λειτουργούν τα μεγάλα υπολογιστικά συστήματα. Ένα από τα πιο ενδιαφέροντα ευρήματα της έρευνάς μας είναι ότι μεγάλο μέρος της διαθέσιμης υπολογιστικής ισχύος συχνά παραμένει αναξιοποίητο, ενώ τα συστήματα εξακολουθούν να καταναλώνουν σημαντικές ποσότητες ενέργειας. Χρησιμοποιούμε την ίδια την τεχνητή νοημοσύνη για να βελτιώσουμε την αποδοτικότητα αυτών των υποδομών, ώστε να μπορούμε να υποστηρίζουμε περισσότερες εφαρμογές με λιγότερους πόρους, χωρίς να θυσιάζουμε την απόδοση ή την αξιοπιστία τους. Η πραγματική καινοτομία δεν βρίσκεται μόνο στη δημιουργία ολοένα ισχυρότερων τεχνολογιών, αλλά και στην ικανότητά μας να τις κάνουμε πιο αποδοτικές, προσβάσιμες και βιώσιμες».

Το πρόβλημα της αναξιοποίητης υπολογιστικής ισχύος

Κατά τη διάρκεια των μεταπτυχιακών και διδακτορικών σπουδών της στο Πανεπιστήμιο Stanford, η Χριστίνα Δελημήτρου, σε συνεργασία με τον καθηγητή Χρήστο Κοζυράκη, διαπίστωσε ότι πολλά υπολογιστικά συστήματα μεγάλης κλίμακας λειτουργούσαν μόλις στο 15% της δυναμικότητάς τους, παρά την αυξανόμενη ζήτηση για υπολογιστική ισχύ. Όπως εξηγεί, μεγάλο μέρος της αναποτελεσματικότητας οφείλεται στο λογισμικό. Η καλύτερη διαχείριση των διαθέσιμων πόρων θα μπορούσε να περιορίσει την ενεργειακή κατανάλωση και την ανάγκη κατασκευής πρόσθετων εγκαταστάσεων. Η ομάδα της αναπτύσσει μεθόδους μηχανικής μάθησης για την αυτοματοποιημένη διαχείριση των υπολογιστικών πόρων στο cloud, επανασχεδιάζοντας συστήματα και αρχιτεκτονικές διακομιστών.

Χαρακτηριστικό παράδειγμα αποτελεί το Seer, εργαλείο που χρησιμοποιεί τεχνικές βαθιάς μάθησης για να προβλέπει και να αποτρέπει προβλήματα σε διαδικτυακές εφαρμογές πριν εκδηλωθούν. Έτσι περιορίζονται οι καθυστερήσεις και οι διακοπές λειτουργίας σε υπηρεσίες όπως οι τηλεδιασκέψεις και η αναπαραγωγή μουσικής μέσω διαδικτύου.

Από το Εθνικό Μετσόβιο Πολυτεχνείο στο MIT

Η Χριστίνα Δελημήτρου μεγάλωσε σε πόλη της βόρειας Ελλάδας, σε οικογένεια με επιστημονικό υπόβαθρο. Η μητέρα της εργαζόταν ως χημικός μηχανικός και ο πατέρας της ως φαρμακοποιός, ενθαρρύνοντας το ενδιαφέρον της για τα μαθηματικά και τις φυσικές επιστήμες. Σπούδασε μηχανικός υπολογιστών στο Εθνικό Μετσόβιο Πολυτεχνείο, όπου ασχολήθηκε με τη διαχείριση υπολογιστικών πόρων. Συνέχισε τις σπουδές της στο Stanford και την ακαδημαϊκή της πορεία στο Πανεπιστήμιο Cornell, προτού ενταχθεί το 2022 στο διδακτικό προσωπικό του MIT. Σήμερα ανήκει στο Τμήμα Ηλεκτρολόγων Μηχανικών και Επιστήμης Υπολογιστών (EECS) και είναι μέλος του Computer Science and Artificial Intelligence Laboratory (CSAIL).

Αναφερόμενη στη διαδρομή της και στις δυνατότητες των νέων Ελλήνων επιστημόνων, η Χριστίνα Δελημήτρου τονίζει επίσης στο ΑΠΕ-ΜΠΕ ότι «έχοντας ξεκινήσει τις σπουδές μου από το Εθνικό Μετσόβιο Πολυτεχνείο, αισθάνομαι ιδιαίτερη ευγνωμοσύνη για τους καθηγητές και τους συμφοιτητές μου, που έπαιξαν καθοριστικό ρόλο στην επιστημονική μου πορεία. Η έμφαση στην κριτική σκέψη και, κυρίως, οι άνθρωποι με τους οποίους είχα την τύχη να συνεργαστώ, μου έδωσαν τα εφόδια να ακολουθήσω μια ερευνητική πορεία στο εξωτερικό. Πιστεύω ότι η Ελλάδα διαθέτει εξαιρετικό επιστημονικό δυναμικό, τόσο σε επίπεδο καθηγητών όσο και φοιτητών, και ότι η ποιότητα της δουλειάς που γίνεται στα ελληνικά πανεπιστήμια αξίζει μεγαλύτερη διεθνή αναγνώριση. Ελπίζω οι νέοι επιστήμονες στην Ελλάδα να συνεχίσουν να θέτουν φιλόδοξους στόχους, να αμφισβητούν όσα θεωρούμε δεδομένα και να πιστεύουν ότι μπορούν να συμβάλουν ουσιαστικά στις μεγαλύτερες επιστημονικές και τεχνολογικές προκλήσεις της εποχής μας».

Οι νέες απαιτήσεις και η διδασκαλία

Η εξέλιξη των ψηφιακών εφαρμογών απαιτεί διαφορετικό σχεδιασμό των υπολογιστικών συστημάτων. Πολλές σύγχρονες υπηρεσίες αποτελούνται από μικρότερα τμήματα που λειτουργούν σε διαφορετικούς διακομιστές, γεγονός που δημιουργεί νέες απαιτήσεις για το λογισμικό και τον εξοπλισμό. Η ερευνητική ομάδα της Δελημήτρου αναζητά λύσεις συνδυάζοντας τη μηχανική μάθηση με τον σχεδιασμό υπολογιστικών αρχιτεκτονικών.

Παράλληλα, η Ελληνίδα καθηγήτρια δίνει ιδιαίτερη σημασία στη διδασκαλία. Ένα από τα αγαπημένα της μαθήματα στο MIT είναι το Computation Structure, το οποίο παρακολουθούν περίπου 350 προπτυχιακοί φοιτητές κάθε εξάμηνο. Όπως αναφέρει στο MIT News, επιδιώκει να καλλιεργεί την ανεξάρτητη σκέψη και τη δημιουργικότητα, ενθαρρύνοντας τους φοιτητές να αναζητούν οι ίδιοι λύσεις. Η έρευνά της αναδεικνύει ότι η αντιμετώπιση του αυξανόμενου ενεργειακού αποτυπώματος της τεχνητής νοημοσύνης δεν εξαρτάται αποκλειστικά από την κατασκευή νέων υποδομών, αλλά και από την αποτελεσματικότερη αξιοποίηση όσων ήδη υπάρχουν.

πηγη: ΑΠΕ-ΜΠΕ