Ελληνίδα καθηγήτρια του MIT αξιοποιεί την AI για να περιορίσει τη σπατάλη ενέργειας στα data centers
Η Χριστίνα Δελημήτρου, που απέκτησε πρόσφατα μονιμότητα στο MIT, ερευνά πώς η μηχανική μάθηση μπορεί να αξιοποιήσει καλύτερα την υπολογιστική ισχύ που μένει αχρησιμοποίητη.
Η Ελληνίδα επιστήμονας Χριστίνα Δελημήτρου, αναπληρώτρια καθηγήτρια στο Massachusetts Institute of Technology (MIT), στο Κέιμπριτζ των ΗΠΑ, εργάζεται πάνω σε ένα ζήτημα που απασχολεί όλο και περισσότερο τον τεχνολογικό κόσμο. Τα κέντρα δεδομένων πολλαπλασιάζονται και επιβαρύνουν τα ηλεκτρικά δίκτυα, ενώ σημαντικό μέρος της διαθέσιμης υπολογιστικής ισχύος μένει ανεκμετάλλευτο. Η ίδια έχει πρόσφατα αποκτήσει μονιμότητα στη βαθμίδα της αναπληρώτριας καθηγήτριας.
Η ερευνητική της ομάδα χρησιμοποιεί τη μηχανική μάθηση για να βελτιώσει την αποδοτικότητα, την ασφάλεια και την αξιοπιστία των μεγάλων υπολογιστικών συστημάτων. Στόχος είναι να περιοριστεί η ανάγκη για νέες υποδομές.
Ένα κόστος που δεν φαίνεται στον χρήστη
Σε δηλώσεις της, η Δελημήτρου χαρακτηρίζει τη βιώσιμη ανάπτυξη της τεχνητής νοημοσύνης μία από τις μεγαλύτερες τεχνολογικές προκλήσεις των επόμενων ετών. Όπως επισημαίνει, η πρόοδος του κλάδου συνοδεύεται από ένα «σημαντικό κόστος που παραμένει αόρατο στον τελικό χρήστη», δηλαδή την τεράστια υπολογιστική υποδομή και την ενέργεια που αυτή απαιτεί.
Το κεντρικό εύρημα της ομάδας της είναι ότι μεγάλο μέρος της υπολογιστικής ισχύος συχνά δεν αξιοποιείται, ενώ τα συστήματα συνεχίζουν να καταναλώνουν ενέργεια. Η λύση που προτείνει είναι να χρησιμοποιηθεί η ίδια η τεχνητή νοημοσύνη, ώστε να υποστηρίζονται περισσότερες εφαρμογές με λιγότερους πόρους, χωρίς απώλεια απόδοσης ή αξιοπιστίας.
Συστήματα στο 15% της δυναμικότητας
Το ενδιαφέρον της για το θέμα ξεκίνησε στα μεταπτυχιακά και διδακτορικά της χρόνια στο Stanford. Εκεί, σε συνεργασία με τον καθηγητή Χρήστο Κοζυράκη, διαπίστωσε ότι πολλά υπολογιστικά συστήματα μεγάλης κλίμακας λειτουργούσαν μόλις στο 15% της δυναμικότητάς τους, παρά τη συνεχώς αυξανόμενη ζήτηση. Σύμφωνα με την ίδια, η αναποτελεσματικότητα οφείλεται σε μεγάλο βαθμό στο λογισμικό και στον τρόπο διαχείρισης των διαθέσιμων πόρων.
Η ομάδα της αναπτύσσει πλέον μεθόδους μηχανικής μάθησης για την αυτόματη διαχείριση πόρων στο cloud και επανασχεδιάζει συστήματα και αρχιτεκτονικές διακομιστών. Χαρακτηριστικό παράδειγμα είναι το Seer, εργαλείο βαθιάς μάθησης που προβλέπει και αποτρέπει προβλήματα σε διαδικτυακές εφαρμογές πριν εκδηλωθούν. Έτσι περιορίζονται οι καθυστερήσεις και οι διακοπές σε υπηρεσίες όπως οι τηλεδιασκέψεις και η αναπαραγωγή μουσικής.
Πολλές σύγχρονες υπηρεσίες αποτελούνται από μικρότερα τμήματα που τρέχουν σε διαφορετικούς διακομιστές, γεγονός που αυξάνει τις απαιτήσεις σε λογισμικό και εξοπλισμό. Γι' αυτό η ομάδα συνδυάζει τη μηχανική μάθηση με τον σχεδιασμό υπολογιστικών αρχιτεκτονικών.
Η πορεία από την Ελλάδα στο MIT
Η Δελημήτρου μεγάλωσε σε πόλη της βόρειας Ελλάδας, σε οικογένεια με επιστημονικό υπόβαθρο: η μητέρα της ήταν χημικός μηχανικός και ο πατέρας της φαρμακοποιός. Σπούδασε μηχανικός υπολογιστών στο Εθνικό Μετσόβιο Πολυτεχνείο, συνέχισε στο Stanford και στο Πανεπιστήμιο Cornell και το 2022 εντάχθηκε στο διδακτικό προσωπικό του MIT. Ανήκει στο Τμήμα Ηλεκτρολόγων Μηχανικών και Επιστήμης Υπολογιστών (EECS) και είναι μέλος του Computer Science and Artificial Intelligence Laboratory (CSAIL).
Για τα χρόνια της στο Πολυτεχνείο λέει ότι αισθάνεται «ιδιαίτερη ευγνωμοσύνη» για τους καθηγητές και τους συμφοιτητές της. Εκτιμά επίσης ότι η δουλειά στα ελληνικά πανεπιστήμια «αξίζει μεγαλύτερη διεθνή αναγνώριση» και εύχεται οι νέοι επιστήμονες να θέτουν φιλόδοξους στόχους.
Παράλληλα με την έρευνα, δίνει βάρος στη διδασκαλία. Ένα από τα αγαπημένα της μαθήματα είναι το Computation Structures, που παρακολουθούν περίπου 350 προπτυχιακοί φοιτητές κάθε εξάμηνο. Όπως έχει αναφέρει, επιδιώκει να καλλιεργεί την ανεξάρτητη σκέψη και τη δημιουργικότητα, ενθαρρύνοντας τους φοιτητές να βρίσκουν οι ίδιοι λύσεις.
