Governing AI Data-Centre Resources Before Consumption: The ZERO Framework
本論文は、ワークロードの実行前にマルチリソースの許容制約を強制することによって、AIデータセンターのサステナビリティに関する意思決定を上流へとシフトさせ、事後的な効率性指標よりも包括的なリソースの可用性を優先させる運用ガバナンスモデルであるZEROフレームワークを導入するものである。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
人工知能は、アルゴリズムとデータが目に見えない雲の中を移動するデジタルな現象として語られることが多い。しかし、その実態はもっと物理的なものである。モデルが学習したり質問に答えたりするたびに、プロセッサを動かすための膨大な電力、機械を冷却するための水、そしてそれらすべてを支えるインフラを構築するための原材料が必要となる。これらのシステムが成長するにつれ、地球の資源に対する大きな負荷となっている。現在、この負荷の管理方法は通常、事後的に行われる。データセンターを建設し、コンピュータを稼働させ、それからどれだけのエネルギーや水が使用されたかを測定するのだ。プロセスをより効率的にしようと試みることはあるかもしれないが、そもそもその作業を開始するという決定自体が疑問視されることはめったにない。「計算を実行できるからといって、今、この特定の場所で、現地の水位や電力網の状態を考慮した上で、それを行うことに意味があるのだろうか？」という問いが残るのである。
独立系研究者であるマリア・コリアによる新しい視点は、ZEROフレームワークと呼ばれる異なる手法を提案している。この名前はアクロニム（頭文字語）ではなく、また、機械が文字通り「何も使わない」ことを約束するものでもない。むしろ、それはタイミングの転換を表している。このフレームワークは、いかなるリソースも消費される前に、そのタスクを実行してよいかどうかという断固とした決定を下さなければならないと主張している。それは、コンピュータが起動する前に、現地の環境と作業の必要性をチェックする門番として機能する。もしデータセンターがある地域で水供給が危機的に不足していたり、あるいは現地の電力網が不安定であったりする場合、たとえそのセンターが他では非常に効率的であったとしても、作業を停止するか移動させるべきであると、このフレームワークは示唆している。このアプローチは、単にマシンがいかに効率よく動作するかを測定することから、そもそも実行すべきかどうかを判断することへと焦点を移すものである。
核心となるアイデアは、単純なルールの階層に基づいている。まず、システムはその計算が本当に必要かどうかを問う。もし必要であれば、次にその作業をより少ない電力で行えるか、あるいはよりスマートな方法で行えるかを確認する。これらの問いに答えが出た後に初めて、どこで作業を行うべきかを見るのである。このフレームワークは、施設が検討対象となる前に通過しなければならない厳格な「ハードルール」を導入している。これらのルールには、現地の法律、安全要件、あるいは冷却のための最低限の水量といった環境制限などが含まれる。もし施設がこれらのハードルールを一つでも満たさない場合、その施設は即座に検討から除外される。どれほどの効率性や低炭素排出量も、基本的な安全基準や環境基準を満たさないことを補うことはできない。これは、低炭素排出量と引き換えに高い水使用量を受け入れるといったトレードオフを試みることが多い現在の手法とは、決定的な違いである。ZEROは、もし水が危機的な状況にあるならば、そのトレードオフは許されないと述べている。
このロジックが実際にどのように機能するかをテストするために、著者は3つの異なるデータセンターを含む詳細なシミュレーションを作成した。一つはローカルの施設、もう一つは非常にクリーンな電力を使用しているが深刻な水不足の地域に位置するもの、そして三つ目は中程度の電力を使用しているが、豊富な水と発生した熱を再利用する方法を備えている施設である。標準的なシナリオでは、炭素排出量のみを考慮するコンピュータプログラムは、クリーンな電力を備えた二番目の施設を選択する。しかし、ZEROフレームワークの下では、その施設は深刻な水の状態のために即座にブロックされる。システムは次に残りの選択肢を確認し、三番目の施設を選択する。この選択は、作業をそこに移動させるためにわずかに多くの電力を消費するものの、水不足の地域から水を汲み上げるという環境破壊を回避する。シミュレーションの結果、このルールに従うことで、選択されたオプションは大幅に少ない水を使用し、かつ、単にデフォルトのローカル施設で作業を実行した場合よりもはるかに低い炭素足跡を実現した。
また、このフレームワークは状況が変化することも考慮に入れている。今朝は使用しても安全なデータセンターが、水レベルが低下したり電力網が変動したりすることで、一時間後には安全ではなくなるかもしれない。システムは、作業が進行している間もこれらの条件を継続的にチェックするように設計されている。もし施設が安全の閾値を越えた場合、作業は一時停止されるか、別の場所へ移動される。この継続的なモニタリングにより、開始時に下された決定がプロセス全体を通じて有効であることを保証する。また、意思決定に使用される情報が新鮮で信頼できるものであることも要求される。もし施設の水や電力の状態に関するデータが古すぎる場合、システムはその施設を、検証済みの新しい情報が届くまで「利用不可」として扱う。これにより、システムが古い世界の地図に基づいて選択を行うことを防ぐのである。
著者は、これがリソースを管理するための提案であり、まだ実世界でテストされた証明済みの解決策ではないことに注意を払っている。提示された結果は、ロジックがどのように機能するかを示すために設計された合成的な例に基づいたものであり、あらゆる状況において特定の量のエネルギーや水を節約できることを証明するためのものではない。論文は、AIインフラの現在の管理方法は、リソースがすでに使用され始めてから測定と管理を開始するため、不完全であると論じている。決定ポイントをより早い段階に移動させることで、ZEROフレームワークは、発生する前の無駄を防ぐことを目的としている。最も効果的な持続可能性とは、単に優れたマシンを構築することではなく、現地の条件が需要を支えられない場合に、「ノー」あるいは「ここではダメだ」と言う権限を持つことであると示唆している。
このアイデアの進むべき道には、一連の実世界でのテストが含まれる。著者は、過去のデータを用いたシミュレーションを行い、ルールが異なる天候やグリッド条件下でどのように機能したかを確認することから始めるべきだと提案している。次のステップは、実際のデータセンターと並行して動作し、機械を実際に制御することなく推奨事項を出す「シャドーモード」でのテストである。最終的には、制御されたパイロット運用によって、システムの環境上の利益だけでなく、そのようなガバナンスシステムを運用するためのコストや複雑さについてもテストを行う。これらのテストが行われるまでは、このフレームワークは問題に対する構造化された考え方であり、人工知能の成長が地域の環境を犠牲にしないための明確なルールを提供しているに過ぎない。それは、デジタルの進歩に対する主要な制約として、地球の物理的な限界を扱うよう求める呼びかけなのである。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。