Zašto budućnost umjetne inteligencije leži u manjim, a ne energetski gladnim modelima

Od kopilota i chatbotova do napredne analitike i automatizacije, sustavi umjetne inteligencije sada su duboko utkani u način na koji organizacije posluju i natječu se. Ipak, kako se njihova primjena ubrzava, jedan manje vidljiv problem dolazi u oštar fokus: energija. Podatkovni centri već su veliki potrošači električne energije, a umjetna inteligencija gura potražnju na još više razine. Predviđa se da će potrošnja energije povezana s radnim opterećenjima umjetne inteligencije rasti za oko 15 posto godišnje, što daleko nadmašuje rast u drugim sektorima.

Treniranje i pokretanje velikih jezičnih modela (LLM) zahtijeva ogromne računalne resurse, a svaki dodatni sloj složenosti izravno se pretvara u veću potrošnju energije. Ova putanja postavlja ključno pitanje za budućnost umjetne inteligencije: koliko dugo se inovacije mogu nastaviti putem koji ovisi o sve većoj potrošnji energije?

REVOLUCIJA U ROBOTICI VIDEO Nole, bježi u penziju: Robotski tenisači su stigli

Ograničenja snage oblikuju budućnost umjetne inteligencije

Industrija umjetne inteligencije provela je proteklo desetljeće u utrci za veličinom. Veći modeli, više parametara i opsežniji skupovi podataka donijeli su impresivan napredak u performansama. Istovremeno, trošak ostvarivanja tih dobitaka naglo je porastao.

Cijene električne energije, kapacitet mreže i dostupnost podatkovnih centara više nisu pozadinska razmatranja, već postaju ograničavajući faktori. U mnogim regijama pristup dovoljnoj količini energije sada je strateško ograničenje koje oblikuje gdje se AI infrastruktura može graditi i tko si je može priuštiti. Za tvrtke to stvara rastuću napetost. Napredna umjetna inteligencija obećava učinkovitost i konkurentsku prednost, no operativni troškovi pokretanja velikih modela mogu biti previsoki. Za vlade i regulatore izazov je još širi: uskladiti gospodarski rast potaknut umjetnom inteligencijom s ciljevima održivosti i otpornošću energetske mreže.

DRASTIČNI REZOVI Meta planira otpustiti 16.000 ljudi zbog zaokreta prema AI?

Cjenovno pristupačna umjetna inteligencija ključna je za širu primjenu

Rasprava o demokratizaciji umjetne inteligencije često se usredotočuje na pristup alatima ili modelima. U praksi, cjenovna pristupačnost igra jednako važnu ulogu. Ako napredna umjetna inteligencija ostane skupa za pokretanje, njezine će se koristi koncentrirati u rukama nekoliko velikih organizacija s najdubljim džepovima i najrobusnijom infrastrukturom. Analitičari su 2026. godinu već prozvali "godinom učinkovitosti", u kojoj AI prelazi iz eksperimentalne faze u pragmatičnu primjenu.

Većina tvrtki ne treba najveći mogući model. Potrebni su im sustavi koji daju pouzdane rezultate po predvidljivoj cijeni. To se odnosi jednako na organizacije javnog sektora i proizvođače kao i na startupove. Energetski učinkovita umjetna inteligencija snižava ulaznu barijeru. Smanjeni zahtjevi za energijom znače niže operativne troškove i jednostavniju implementaciju. Konkretni podaci pokazuju da obrada milijun razgovora mjesečno pomoću malih jezičnih modela (SLM) stoji između 150 i 800 američkih dolara, dok isti zadatak s velikim jezičnim modelima (LLM) košta od 15.000 do čak 75.000 dolara.

JEDNOSTAVNIJA PRIMJENA Nova platforma ubrzava razvoj umjetne inteligencije u Europi

Manji modeli i dalje mogu dati vrhunske rezultate

Postoji raširena pretpostavka da smanjivanje modela neizbježno znači žrtvovanje točnosti. Napredak u optimizaciji modela, kako navodi TechRadar, osporava tu ideju. Tehnike poput kompresije, "rezidbe" (pruning) i kvantizacije omogućuju značajno smanjenje veličine LLM-ova uz očuvanje performansi na stvarnim zadacima. Moderni mali jezični modeli, poput Microsoftovog Phi-4 Mini ili Googleovog Gemma 3, već sada postižu između 70 i 95 posto performansi mnogo većih modela na specifičnim zadacima poput programiranja i logičkog zaključivanja.

To omogućuje organizacijama implementaciju učinkovitih AI modela u okruženjima gdje bi veliki sustavi bili nepraktični ili neekonomični, bez žrtvovanja performansi. Učinak je dramatičan. Komprimirani modeli mogu biti i do 95 posto manji, zahtijevajući daleko manje memorije i računalne snage. To smanjenje izravno se pretvara u nižu potrošnju energije i brže vrijeme odziva, uz zadržavanje razine točnosti koju organizacije očekuju. Ovaj pristup prebacuje naglasak sa skaliranja grubom silom na inteligentan dizajn, prioritetizirajući učinkovitost i primjenjivost u stvarnom svijetu.

'NIJE DOBRO NAPRAVLJEN' Muskov xAI se obnavlja iz temelja: Od jedanaest osnivača ostala su samo dvojica

Održivost i konkurentnost idu ruku pod ruku

Kako umjetna inteligencija postaje ključni dio digitalne infrastrukture, njezin ekološki otisak postaje sve važniji. Tvrtke su pod pritiskom da ispune ESG obveze, a kupci sve više paze na način na koji se digitalne usluge isporučuju. U međuvremenu, vlade procjenjuju kako se umjetna inteligencija uklapa u dugoročno energetsko planiranje.

Energetski učinkovita umjetna inteligencija usklađena je sa svim tim prioritetima. Niža potrošnja energije smanjuje emisije, ublažava pritisak na električne mreže i poboljšava ekonomiju implementacije. Također čini AI otpornijim, manje ovisnim o oskudnim resursima i prikladnijim za globalnu primjenu. Prelazak na učinkovitost ne zahtijeva usporavanje inovacija. Naprotiv, stvara prostor za rast uklanjanjem jednog od najznačajnijih ograničenja s kojima se industrija suočava.

Izgradnja sljedeće faze umjetne inteligencije

Sljedeće poglavlje umjetne inteligencije bit će manje oblikovano time koliko veliki modeli mogu postati, a više time koliko se učinkovito mogu primijeniti. Napredak ovisi o sustavima koji su moćni, praktični i održivi. Postizanje te ravnoteže zahtijeva suradnju unutar cijelog ekosustava, od istraživača koji razvijaju učinkovitije arhitekture do organizacija koje preispituju kako i gdje se AI primjenjuje.

To također zahtijeva širu definiciju inovacije, onu koja cijeni učinkovitost uz sirove performanse. Umjetna inteligencija ima potencijal transformirati industrije i riješiti složene globalne izazove. Rješavanje energetskog izazova umjetne inteligencije dio je tog posla. Ako se obavi dobro, otvara vrata budućnosti u kojoj napredna inteligencija nije ograničena potrošnjom energije, već je omogućena pametnijim dizajnom.