16 september 2024
De vraag naar snellere, krachtigere computersystemen blijft toenemen, mede door innovaties in AI en data-analyse. Tegelijkertijd wordt duurzaamheid steeds belangrijker, en vormt het energieverbruik van de sector een grote belasting voor het milieu.
Zo kost een enkele zoekopdracht via ChatGPT significant meer energie dan een zoekopdracht via Google. Ook het trainen van AI modellen kost enorm veel energie. ‘Dat kan gewoon eigenlijk niet, het is niet duurzaam. We moeten hier iets aan doen’, zegt Andy Pimentel, hoogleraar en voorzitter van Parallel Computing Systems aan het Instituut voor Informatica (IvI) van de Universiteit van Amsterdam.
Pimentel richt zijn onderzoek op computersystemen die verwerkt zitten in producten, zoals telefoons, televisies, en de geavanceerde chipmachines van ASML. Zijn onderzoeksgroep gebruikt technologische modellen om specifiek gedrag van de computersystemen te analyseren en te verbeteren. Pimentel legt uit: ‘Wij zijn voornamelijk geïnteresseerd in hoe de computer doet wat hij moet doen. We proberen bijvoorbeeld de snelheid te verhogen of het energieverbruik omlaag te brengen.’
De onderzoeksgroep van Pimentel gebruikt dus technologie om computersystemen onder andere duurzamer te maken. Een voorbeeld hiervan is het Energy Labels-project. Wanneer je bijvoorbeeld een Zoom gesprek voert, gebruik je een hele digitale keten van software en servers, die allemaal energie verbruiken. De onderzoekers willen eerst in kaart brengen hoeveel energie er in die keten wordt verbruikt met behulp van modellen. Vervolgens willen ze die keten kunnen beïnvloeden.
Pimentel: ‘Waar we naartoe willen, is een soort energielabelsysteem voor de digitale keten. Die zou bijvoorbeeld kunnen aangeven: ‘Nu is het label C, maar als je naar een andere service gaat, wordt het label A’. Zo kunnen we de gebruiker stimuleren om wellicht voor een energiezuinigere oplossing te kiezen.’ Hierbij werken ze ook samen met de economie en de rechtenfaculteiten van de Universiteit van Amsterdam.
Het optimaliseren van computersystemen is ook essentieel voor de AI-revolutie. Pimentel: ‘AI heeft de huidige populariteit kunnen bereiken door drie factoren: de AI-algoritmen zijn verbeterd, er is tegenwoordig veel data beschikbaar om de modellen mee te trainen, en de computersystemen zijn zo snel geworden dat grote modellen getraind kunnen worden. Dat laatste wordt vaak vergeten, maar dat is wel cruciaal.’
De onderzoeksgroep van Pimentel voert zelf ook veel AI-gerelateerd onderzoek uit. Ze werken bijvoorbeeld aan de mogelijkheid om grote, complexe AI-algoritmen op kleine computersystemen uit te voeren. Normaal gesproken worden deze algoritmen in de Cloud uitgevoerd, waar veel rekenkracht beschikbaar is. Dit kan echter problematisch zijn als er geen stabiele internetverbinding is.
Pimentel: ‘Als jij in een autonoom rijdende auto zit, wil je niet dat de AI, die analyseert of een voetganger oversteekt, even geen netwerkverbinding heeft. Daarom willen we die grote neurale netwerken in AI-algoritmen zo dicht mogelijk bij de gebruiker uitvoeren. Onze uitdaging is hoe we dat realiseren.’
De onderzoekers hakken bijvoorbeeld het grote neurale netwerk op in meerdere stukken, en verdelen deze stukken over verschillende kleine computersystemen dicht bij de gebruiker, zoals een mobieltje. Zo leveren de systemen gezamenlijk het hele resultaat.
Het verbeteren van een bepaald aspect van een computersysteem gaat vaak ten koste van een ander aspect. Zo neemt het energieverbruik vaak toe wanneer je het systeem sneller wil maken. Pimentel’s onderzoeksgroep beschrijft deze aspecten in modellen, zodat ze daarna het systeem kunnen optimaliseren. ‘We proberen de trade-offs expliciet in kaart te brengen voor iemand die zo'n systeem wil gaan ontwerpen.’
Technologische modellen vormen een rode draad in hun onderzoek. Maar het aantal mogelijkheden om een systeem te ontwerpen zijn vaak groter dan het aantal sterren in het heelal. Om tot goede uitkomsten te komen, gebruiken de onderzoekers allerlei slimme algoritmes.
Ze laten zich hierbij inspireren door algoritmes die de natuur nabootsen. Pimentel: ‘Een goed voorbeeld hiervan zijn genetische algoritmes. Hiermee beschrijven we een oplossing in de vorm van een chromosoom. Elk deel van dat chromosoom vertegenwoordigt een keuze die je maakt, waar je kleine veranderingen in kan maken.’
Een ander voorbeeld is “ant colony” optimalisatie, waarbij het gedrag van mieren wordt nagebootst die zoeken en sporen achterlaten. Deze algoritmes helpen de onderzoekers bij het vinden van oplossingen voor het optimaliseren van computersystemen. Zo werken ze aan een duurzame toekomst mét geavanceerde technologie.
Wil je meer weten over onderzoek op de FNWI? Kijk dan op onze onderzoekspagina.