بریتانیا به عنوان یک رهبر جهانی در هوش مصنوعی (AI)، باید اطمینان حاصل کند که زیرساخت دیجیتال آن برای پشتیبانی از رشد سریع و برنامههای هوش مصنوعی حامی نوآوری که توسط دولت اعلام شده، تابآور و مقیاسپذیر باقی بماند. بریتانیا با اولویتبندی ایمنی و تنظیمگری هوش مصنوعی و ارائه برتری پژوهشی، به تقویت جایگاه خود در حاکمیت جهانی هوش مصنوعی ادامه میدهد، بدون آنکه توسط موانع نظارتی بیش از حد، محدود شود. دانشگاههای پیشرو در حال پیشگامی در پیشرفتهای مربوط به ایمنی هوش مصنوعی، پردازش زبان طبیعی، یادگیری عمیق و رایانش کوانتومی هستند. لندن همچنین جایگاه خود را به عنوان سومین قطب بزرگ استارتاپهای فناوری در جهان، پس از سیلیکون ولی و پکن، تثبیت کرده و میلیاردها سرمایهگذاری در حوزه هوش مصنوعی را از شرکتهای سرمایهگذاری خطرپذیر و سهام خصوصی جذب کرده است.
این موضوع با برنامه اقدام جدید فرصتهای هوش مصنوعی دولت همسو است که مبلغ قابل توجه ۱۴ میلیارد پوند را در یک استراتژی با هدف حفظ رهبری کشور در نوآوری هوش مصنوعی تخصیص داده است. یکی از مؤلفههای کلیدی رشد، گسترش مراکز داده مقیاس بزرگ (هایپراسکیل) است – مراکز محاسباتی وسیعی که برای مدیریت حجم فزاینده بار کاری هوش مصنوعی ضروری هستند. با این حال، با تشویق به تسریع بیشتر پذیرش هوش مصنوعی، بریتانیا چگونه میتواند جاهطلبیهای خود در زمینه هوش مصنوعی را با نیاز به پایداری متعادل کند؟
البته این چالش کاملاً جدیدی نیست. بریتانیا به طور پیوسته در حال گسترش زیرساخت دادههای مقیاس بزرگ خود بوده است و لندن به عنوان قطب اصلی، نزدیک به نیمی از مراکز داده بزرگ کشور را در خود جای داده است. پروژههای توسعه عمدهای در حال انجام است، از جمله توسعهها در هیز (Hayes)، اسلاو (Slough) و یک تأسیسات مقیاس بزرگ ۷۵۰ میلیون پوندی در نیوهام (Newham). فراتر از لندن، شرکت Latos Data Centres برنامههایی برای ۴۰ سایت جدید و یک مرکز داده مقیاس بزرگ در کاردیف (Cardiff) اعلام کرده است. برای تسریع بیشتر رشد زیرساخت هوش مصنوعی، دولت مناطق رشد هوش مصنوعی (AI Growth Zones) را معرفی کرده است که آکسفوردشایر (Oxfordshire) به عنوان اولین منطقه تعیین شده است، نه تنها به این دلیل که میتواند نیازهای انرژی لازم برای پردازش هوش مصنوعی را برآورده کند. دولت بریتانیا احتمالاً از همسایه نزدیک خود، ایرلند، درسهایی آموخته است؛ جایی که گسترش سریع مراکز داده منجر به چالشهای قابل توجهی در زمینه تأمین برق شد و این تجربیات را در شکلدهی استراتژی مقیاس بزرگ خود به کار گرفته است.
در واقع، بخش عمدهای از زیرساختهای مقیاس بزرگ جدید برای مقابله با تقاضای فزاینده برای توان محاسباتی ناشی از پذیرش سریع بار کاری هوش مصنوعی در نظر گرفته شده است. این بار کاریها به قابلیتهای پردازشی گستردهای برای وظایفی مانند یادگیری ماشین، یادگیری عمیق و تحلیل دادههای بلادرنگ نیاز دارند. با افزایش ادغام مدلهای هوش مصنوعی توسط سازمانها در گردش کار خود، تقاضای انرژی از اپراتورهای مقیاس بزرگ باز هم افزایش مییابد. اپراتورهای مراکز داده مقیاس بزرگ در سراسر جهان به دنبال راهحلهای پیشرفتهای هستند که ردپای کربن را کاهش دهند، از جمله استفاده از فناوریهای خنککننده غوطهوری برای تجهیزات سرور گسترده خود، که شامل غوطهور کردن سختافزار فناوری اطلاعات در مایعات مهندسی شده ویژه برای دفع گرما و همچنین استفاده از خود هوش مصنوعی برای بهینهسازی زمانبندی بار کاری است. این تأثیرات قابل توجه هستند - مطالعه اخیر توسط Park Place Technologies به طور فعال بر اهمیت رو به رشد خنککننده غوطهوری و خنککننده مستقیم روی تراشه به عنوان راهحلهای مؤثر برای کاهش قابل توجه مصرف انرژی و هزینههای عملیاتی تأکید میکند.
در کنار بهبود بازده حرارتی، مراکز داده مقیاس بزرگ در حال استفاده از تراشههای تخصصی هوش مصنوعی، معماریهای محاسباتی با چگالی بالا و شبکههای پرسرعت با تأخیر کم هستند که پردازش بلادرنگ را تسهیل میکنند. اتصالات فیبر نوری و راهحلهای شبکه پیشرفته برای بهبود سرعت انتقال دادهها، به ویژه در زیرساختهای ابری، به کار گرفته میشوند.
خارج از اپراتورهای مقیاس بزرگ، دولت از رویکردی ترکیبی با مراکز داده ماژولار تکمیلی 'پاپ-آپ' و مراکز رایانش لبه حمایت میکند که قرار است نقش مهمتری در توسعه ظرفیت بر اساس تقاضا ایفا کنند. این جایگزینهای ماژولار و لبه به توزیع بار کاری نزدیکتر به مکان مشتریان کمک میکنند، تأخیر را کاهش داده و پردازش بلادرنگ را برای کاربردهای هوش مصنوعی، اینترنت اشیاء (IoT) و 5G بهبود میبخشند. مراکز داده ماژولار پیشساخته میتوانند به سرعت و بدون نیاز به جدول زمانی طولانی ساختوساز مستقر شوند. رایانش لبه یک گام فراتر میرود و پردازش دادههای بلادرنگ را نزدیکتر به منبع امکانپذیر میسازد و وابستگی به تأسیسات مقیاس بزرگ دوردست را کاهش میدهد. ارائهدهندگان خدمات مخابراتی در حال ادغام مراکز داده لبه در زیرساخت 5G برای بهبود دسترسی به ابر هستند.
به منظور دستیابی به اهداف پایداری، مراکز داده مقیاس بزرگ همچنین کاربران کلیدی منابع انرژی تجدیدپذیر مانند باد و خورشید هستند و در عین حال پیشگام نوآوریهایی مانند مهار انرژی جزر و مد نیز میباشند. مراکز داده که اکنون به عنوان زیرساختهای حیاتی ملی طبقهبندی میشوند، بالاترین سطح تعهدات تابآوری سایبری را بر عهده دارند. این امر مستلزم نظارت مستمر و تشخیص آنتروپی (بینظمی) برای جلوگیری از تهدیدات سایبری و اعمال تنظیمات پیشبینانه در پروتکلهای امنیتی و زیرساختهای تأمینکننده انرژی است. استفاده بهینه از هوش مصنوعی همچنان کلیدی است، زیرا اپراتورهای مراکز داده در تلاشند تا ضمن حمایت از رشد محاسباتی ناشی از افزایش بار کاری، از هوش مصنوعی و یادگیری ماشین برای پیشبرد پایداری، بهرهوری انرژی و تابآوری بلندمدت استفاده کرده و تعادل ظریفی را برقرار کنند.