Μπορεί το Διάστημα να γίνει ο «παράδεισος» της τεχνητής νοημοσύνης;

Εάν η τεχνητή νοημοσύνη αποτελεί μία θεμελιώδη τεχνολογία γενικής χρήσης (General-Purpose Technology, GPT) τότε η ζήτηση για υπολογιστική ισχύ αποθηκευτικούς πόρους και ηλεκτρική ενέργεια αναμένεται να αυξάνεται με ταχείς ρυθμούς τις επόμενες δεκαετίες.

Η εκπαίδευση μεγάλων γλωσσικών μοντέλων (LLMs), η συνεχής εξαγωγή συμπερασμάτων (inference) σε παγκόσμια κλίμακα και η αυξανόμενη ενσωμάτωση της τεχνητής νοημοσύνης σε κρίσιμες υποδομές οδηγούν σε πρωτοφανή αύξηση της ενεργειακής κατανάλωσης των κέντρων δεδομένων.

Ένας από τους σημαντικότερους περιοριστικούς παράγοντες των επίγειων υπολογιστικών υποδομών δεν είναι μόνο η διαθεσιμότητα ηλεκτρικής ενέργειας, αλλά και η απομάκρυνση της θερμότητας που παράγεται κατά τη λειτουργία των ηλεκτρονικών συστημάτων. Στα σύγχρονα κέντρα δεδομένων σημαντικό ποσοστό της συνολικής κατανάλωσης ενέργειας αφιερώνεται στα συστήματα ψύξης τα οποία διατηρούν τις θερμοκρασίες λειτουργίας των επεξεργαστών, των επιταχυντών ΑΙ (GPU/TPU) και των υποσυστημάτων αποθήκευσης εντός αποδεκτών ορίων.

Η θερμική διαχείριση επηρεάζει άμεσα την αξιοπιστία, την απόδοση και τη διάρκεια ζωής του εξοπλισμού, ενώ οι υψηλές θερμοκρασίες οδηγούν σε θερμικό περιορισμό της απόδοσης (thermal throttling), αυξημένα ποσοστά σφαλμάτων και μεγαλύτερη πιθανότητα αστοχίας των ολοκληρωμένων κυκλωμάτων.

Επιπλέον η αυξανόμενη πυκνότητα υπολογιστικής ισχύος ανά μονάδα επιφάνειας δυσχεραίνει την αποτελεσματική ψύξη, ακόμη και με προηγμένες τεχνολογίες όπως η υδρόψυξη ή η άμεση εμβάπτιση (immersion cooling). Ως αποτέλεσμα, η ενεργειακή απόδοση των επίγειων κέντρων δεδομένων περιορίζεται όχι μόνο από την ηλεκτρική ισχύ που είναι διαθέσιμη, αλλά και από τη δυνατότητα αποβολής της παραγόμενης θερμότητας.

Υπό αυτό το πρίσμα η ανάπτυξη υπολογιστικών υποδομών στο διάστημα αποτελεί μία εναλλακτική στρατηγική που αξίζει να διερευνηθεί. Ο Ήλιος αποτελεί τη μεγαλύτερη και πρακτικά ανεξάντλητη πηγή ενέργειας του ηλιακού συστήματος. Δορυφορικές πλατφόρμες εξοπλισμένες με φωτοβολταϊκές συστοιχίες μπορούν να αξιοποιούν σχεδόν συνεχώς την ηλιακή ακτινοβολία ιδιαίτερα σε κατάλληλες τροχιές όπου οι περίοδοι σκίασης από τη Γη είναι περιορισμένες.

Η αρχιτεκτονική και οι προκλήσεις

Παράλληλα το διαστημικό περιβάλλον παρουσιάζει διαφορετικές προκλήσεις θερμικής διαχείρισης. Ελλείψει ατμόσφαιρας η απομάκρυνση της θερμότητας δεν πραγματοποιείται μέσω μεταφοράς (convection), αλλά αποκλειστικά μέσω θερμικής ακτινοβολίας. Αυτό σημαίνει ότι κάθε διαστημικό υπολογιστικό σύστημα απαιτεί μεγάλες επιφάνειες ψυγείων (radiators), σχεδιασμένες ώστε να αποβάλλουν αποτελεσματικά την πλεονάζουσα θερμική ενέργεια προς το ψυχρό υπόβαθρο του διαστήματος. Η θερμική διαχείριση παραμένει επομένως κρίσιμος σχεδιαστικός παράγοντας αλλά οι περιορισμοί της διαφέρουν ουσιωδώς από εκείνους των επίγειων εγκαταστάσεων.

Στο πλαίσιο αυτό προτείνεται μια κλιμακώσιμη αρχιτεκτονική διαστημικών υπολογιστικών υποδομών για εφαρμογές μηχανικής μάθησης, αποτελούμενη από στόλους δορυφόρων εξοπλισμένων με φωτοβολταϊκές διατάξεις υψηλής απόδοσης, επιταχυντές Tensor Processing Units (TPUs) και διαδορυφορικά δίκτυα οπτικών επικοινωνιών ελεύθερου χώρου (Free-Space Optical Communications). Οι οπτικές ζεύξεις παρέχουν υψηλό εύρος ζώνης και εξαιρετικά μικρή καθυστέρηση επικοινωνίας, καθιστώντας δυνατή την κατανεμημένη εκπαίδευση και εκτέλεση μεγάλων μοντέλων ΑΙ.

Για την ελαχιστοποίηση της καθυστέρησης και των απωλειών επικοινωνίας, οι δορυφόροι οργανώνονται σε σχηματισμούς πτήσης (formation flying) λειτουργώντας ως ένα ενιαίο κατανεμημένο υπερυπολογιστικό σύστημα. Ενδεικτικά μπορεί να χρησιμοποιηθεί ένας σχηματισμός 81 δορυφόρων κατανεμημένων σε σφαιρική διάταξη ακτίνας περίπου 1 χλμ. επιτρέποντας εξαιρετικά υψηλή συνδεσιμότητα μεταξύ των κόμβων. Ο συντονισμός τέτοιων σχηματισμών μπορεί να πραγματοποιείται μέσω προηγμένων αλγορίθμων μηχανικής μάθησης και ενισχυτικής μάθησης (reinforcement learning) οι οποίοι προσαρμόζουν δυναμικά τις σχετικές θέσεις των δορυφόρων και βελτιστοποιούν την αξιοπιστία του δικτύου.

Οι σύγχρονοι επιταχυντές τεχνητής νοημοσύνης, όπως οι Trillium TPU, έχουν ήδη υποβληθεί σε δοκιμές αντοχής σε ιονίζουσα ακτινοβολία και παρουσιάζουν υψηλή αξιοπιστία για αποστολές πολλών ετών σε χαμηλή γήινη τροχιά με γνωστά και διαχειρίσιμα χαρακτηριστικά ως προς τα παροδικά σφάλματα αναστροφής bit (single-event upsets). Η αξιοποίηση τεχνικών ανίχνευσης και διόρθωσης σφαλμάτων (ECC), πλεονασμού και αυτοδιάγνωσης καθιστά εφικτή την ασφαλή λειτουργία μεγάλων κατανεμημένων υπολογιστικών συστημάτων στο διαστημικό περιβάλλον.

Τέλος, η οικονομική βιωσιμότητα τέτοιων υποδομών εξαρτάται σε μεγάλο βαθμό από το κόστος πρόσβασης στο διάστημα. Σύμφωνα με αναλύσεις των καμπυλών μάθησης της διαστημικής βιομηχανίας, το κόστος εκτόξευσης σε χαμηλή γήινη τροχιά αναμένεται να μειωθεί σημαντικά κατά την επόμενη δεκαετία, ενδεχομένως προσεγγίζοντας επίπεδα μικρότερα των 200 δολαρίων ανά χιλιόγραμμο έως τα μέσα της δεκαετίας του 2030. Η εξέλιξη αυτή, σε συνδυασμό με τη συνεχή βελτίωση των φωτοβολταϊκών τεχνολογιών, των εξειδικευμένων επιταχυντών ΑΙ και των διαστημικών οπτικών επικοινωνιών, δημιουργεί τις προϋποθέσεις για την ανάπτυξη κατανεμημένων διαστημικών υπερυπολογιστών μεγάλης κλίμακας.

Συνολικά η μετάβαση από τα συμβατικά επίγεια κέντρα δεδομένων σε υβριδικές ή πλήρως διαστημικές υποδομές ΤΝ δεν αποτελεί απλώς μια λύση για την κάλυψη των μελλοντικών ενεργειακών αναγκών. Αποτελεί μια νέα αρχιτεκτονική υπολογισμού, στην οποία η ενεργειακή επάρκεια, η γεωγραφική ανεξαρτησία, η παγκόσμια διασύνδεση και η δυνατότητα σχεδόν απεριόριστης κλιμάκωσης μπορούν να συνδυαστούν, υπό την προϋπόθεση ότι θα αντιμετωπιστούν αποτελεσματικά οι προκλήσεις της θερμικής διαχείρισης, της ακτινοβολίας, της αξιοπιστίας και του κόστους ανάπτυξης. Έτσι, οι διαστημικές υποδομές τεχνητής νοημοσύνης θα μπορούσαν να αποτελέσουν μία από τις πλέον υποσχόμενες κατευθύνσεις για την επόμενη γενιά υπερυπολογιστικών συστημάτων.

* Ο Δρ. Σοφοκλής Μακρίδης είναι Καθηγητής Τεχνολογίας Μεταλλικών Υλικών για Ενεργειακές Εφαρμογές στο Τμήμα Αειφορικής Γεωργίας στο Πανεπιστήμιο Πατρών.

Naftemporiki.gr