Thông tin nhóm nghiên cứu:

• Chủ nhiệm đề tài: Kok-Seng Wong [email protected]
• Đồng chủ nhiệm đề tài: Nguyen Van Dinh [email protected] & Le Duy Dung [email protected] 

Thông tin dự án

Bối cảnh/Giới thiệu/Động lực:
Trước nhu cầu ngày càng tăng đối với các ứng dụng trí tuệ nhân tạo (AI), việc tìm kiếm các giải pháp tính toán hiệu quả và bền vững để huấn luyện mô hình AI là hết sức cần thiết. Các kiến trúc máy chủ truyền thống thường tiêu tốn nhiều năng lượng và tài nguyên, gây lo ngại về vấn đề môi trường cũng như chi phí vận hành cao. Điện toán không máy chủ (serverless computing) mang lại một hướng tiếp cận đầy triển vọng nhờ khả năng cung cấp tài nguyên tính toán theo nhu cầu và mở rộng linh hoạt. Nghiên cứu này xem xét tính khả thi của việc tận dụng điện toán không máy chủ cho huấn luyện AI hiệu quả, tập trung vào việc giảm thiểu tiêu thụ năng lượng và sử dụng tài nguyên. Cụ thể, nghiên cứu hướng tới việc:

• Phát triển kiến trúc huấn luyện AI không máy chủ có hiệu suất cao, giúp giảm chi phí tính toán dư thừa.

• Giảm tiêu thụ năng lượng và cải thiện hiệu quả sử dụng tài nguyên thông qua khả năng mở rộng năng động.

• Hạ thấp chi phí vận hành, giúp việc huấn luyện AI trở nên dễ tiếp cận hơn đối với các startup, nhà nghiên cứu và doanh nghiệp.

• Thúc đẩy các thực hành AI bền vững, phù hợp với nỗ lực toàn cầu nhằm giảm phát thải carbon và lãng phí năng lượng.

Phương pháp/Hoạt động nghiên cứu:

• Thu thập dữ liệu & chỉ số hiệu năng: Thu thập và phân tích các tập dữ liệu huấn luyện AI, đồng thời xác định các chỉ số đánh giá hiệu quả năng lượng và hiệu suất then chốt.

• Thiết kế kiến trúc huấn luyện AI không máy chủ: Rà soát các nền tảng serverless trên đám mây hiện có (ví dụ: AWS Lambda, Google Cloud Functions, Azure Functions) và thiết kế một khung serverless tùy chỉnh, tối ưu cho khối lượng công việc AI.

• Triển khai & kiểm thử các trường hợp sử dụng thực tế: Triển khai các tác vụ huấn luyện AI trong môi trường serverless và đo lường thời gian thực thi, khả năng mở rộng và mức tiêu thụ năng lượng.

• Đánh giá & phân tích tác động bền vững: So sánh hiệu năng huấn luyện AI không máy chủ với các phương pháp tính toán truyền thống, đánh giá mức giảm chi phí và định lượng mức giảm dấu chân carbon.

Dự án sẽ thu thập và phân tích dữ liệu huấn luyện AI, đồng thời xác định các chỉ số then chốt về hiệu quả năng lượng và hiệu suất. Một khung huấn luyện AI không máy chủ tùy chỉnh, tối ưu cho các nền tảng đám mây như AWS, Google Cloud và Azure, sẽ được thiết kế và kiểm thử thông qua các triển khai huấn luyện AI trong thực tế. Cuối cùng, nghiên cứu sẽ đánh giá hiệu năng, tiết kiệm chi phí và tác động bền vững, so sánh huấn luyện AI không máy chủ với các phương pháp tính toán truyền thống để xác định hiệu quả và mức giảm phát thải carbon.

Kết quả kỳ vọng:

Dự án hướng tới việc phát triển một kiến trúc huấn luyện AI không máy chủ có hiệu suất cao, giúp giảm đáng kể chi phí tính toán dư thừa, tối ưu hóa tiêu thụ năng lượng và cải thiện hiệu quả sử dụng tài nguyên thông qua khả năng mở rộng động. Bằng cách giảm chi phí vận hành, giải pháp này sẽ giúp việc huấn luyện AI trở nên dễ tiếp cận và hợp túi tiền hơn đối với các startup, nhà nghiên cứu và doanh nghiệp. Đồng thời, dự án phù hợp với các nỗ lực toàn cầu trong việc thúc đẩy AI bền vững thông qua việc giảm phát thải carbon và lãng phí năng lượng.

Phát triển/Tác động trong tương lai:

Trong tương lai, dự án sẽ tập trung tối ưu hóa Khung huấn luyện AI không máy chủ thông qua việc nâng cao phân bổ tài nguyên động, song song hóa mô hình và cân bằng tải thích ứng nhằm tiếp tục cải thiện hiệu quả. Bên cạnh đó, việc tích hợp với điện toán biên (edge computing) sẽ được nghiên cứu để phân tán quá trình huấn luyện AI, giảm sự phụ thuộc vào các trung tâm dữ liệu đám mây quy mô lớn và từ đó hạ thấp tổng mức tiêu thụ năng lượng. Dự án cũng sẽ thúc đẩy hợp tác giữa doanh nghiệp và giới nghiên cứu thông qua việc kết nối với các nhà cung cấp dịch vụ đám mây, các tổ chức nghiên cứu AI và các bên liên quan trong ngành, nhằm mở rộng khả năng ứng dụng và triển khai. Cuối cùng, sáng kiến này góp phần thúc đẩy sự phát triển AI bền vững bằng cách khuyến khích các giải pháp tính toán tiết kiệm năng lượng và thực hành điện toán xanh, đồng thời khuyến nghị các tổ chức tích hợp khung AI không máy chủ vào chiến lược phát triển bền vững của mình.