Gjør klar for neste generasjon AI-kraft til norsk forskning!

Sigma2 og Hewlett-Packard Enterprise Norge (HPE) har nylig signert en avtale som vil se etableringen av neste generasjons AI-miljø i Norge innen 2025. Det nye AI-miljøet vil bli plassert i Lefdal Mine Datacenter. I denne artikkelen vil vi utforske hvilke anvendelser de nye systemene kan gi, hva det betyr fra et bærekraftsperspektiv og hva det kan bety for å fremme norsk forskning på språkmodeller.

Økt anvendelse av store språkmodeller og utvidet GPU-kapasitet: En nødvendighet for norsk AI-forskning. 

De siste årene har store språkmodeller (Large Language Models, LLM) revolusjonert kunstig intelligens (AI). Disse modellene, som kjennetegnes ved deres evne til å forstå og generere menneskelig språk, har åpnet nye dører innen naturlig språkprosessering og muliggjort avanserte applikasjoner på tvers av ulike domener. En avgjørende faktor for å utnytte potensialet til LLM-er er den datakraften som tilbys av avanserte Graphics Processing Units (GPU). I konteksten av norsk AI-forskning spiller det nasjonale Sigma2-samarbeidet en nøkkelrolle ved å betydelig utvide GPU-kapasiteten. Denne investeringen er avgjørende for utviklingen av store norske språkmodeller og for å opprettholde en konkurransefordel i den internasjonale AI-arenaen. 

Revolusjonen Av Store Språkmodeller 

Store språkmodeller og verktøy som OpenAIs GPT, Google Gemini, Claude, Writesonic og Jasper (for å nevne noen) har satt nye standarder for denne type AI- anvendelser. Disse modellene er trent på enorme datasett og krever betydelig datakraft. LLM-ene evner å generere menneskelignende tekst, oversette, oppsummere innhold, og til og med delta i sammenhengende samtaler. Dette har revolusjonert ulike sektorer, fra kundeservice til innholdsskaping og forskning, og finner stadig nye bruksområder.

Betydningen av GPU-Kapasitet 

Å trene store språkmodeller er en svært datakrevende prosess som krever høyytelses GPU-er for å håndtere de enorme data mengdene data og komplekse beregningene som er involvert. Sigma2s investering i utvidet GPU-kapasitet er et kritisk skritt for Norge. Ved å forbedre denne datainfrastrukturen kan forskere trene større og mer sofistikerte språkmodeller, spesielt tilpasset norsk språk og kulturkontekst. Denne investeringen sikrer at Norge forblir i frontlinjen av AI-forskning og utvikling.

- Etterspørselen etter GPUer til KI-forskning har skutt i været de siste årene. Derfor er det svært positivt at kapasiteten øker for norske forskere både i akademia og industri. Tilgang til avansert teknologi som dette, og eksperter som vet å bruke den, vil bli helt essensielt for digital transformasjon i mange sektorer fremover. Og med stadig voksende interesse for KI, vil behovet for ytterligere kapasitet bli enda større i fremtiden, sier Gunnar Bøe, daglig leder i Sigma2.

Norske Språkmodeller: En Nasjonal Nødvendighet 

Å utvikle språkmodeller som forstår og prosesserer norsk er avgjørende av flere grunner. For det første sikrer det at AI-teknologier er tilgjengelige og relevante for den norske befolkningen, og støtter lokale bedrifter, offentlige tjenester og utdanningsinstitusjoner. For det andre fremmer det bevaring og evolusjon av det norske språket i den digitale tidsalderen. For det tredje posisjonerer det Norge som en leder innen AI-forskning, i stand til å bidra unikt til det globale AI-samfunnet.

- Utviklingen av store språkmodeller har endret det globale AI-landskapet fullstendig. Norge må ha nasjonal forskningskompetanse og e-infrastruktur for å henge med i den internasjonale utviklingen, tilpasse teknologien til særnorske språklige og kulturelle behov, og ivareta digital autonomi og nasjonal sikkerhet, sier Stephan Oepen professor i informatikk ved Universitetet i Oslo. - Denne utvidelsen av GPU-kapasitet hos Sigma2 markerer et viktig skritt i vår forskningsreise mot økt internasjonal konkurranse knyttet til regne- og lagringskapasitet.

Teknisk løsning og samarbeid med Lefdal Mine

HPEs samarbeid med Sigma2 ved Lefdal Mine Datacenter reflekterer vår forpliktelse til å fremme vitenskapelig forskningskapasitet i Norge. Løsningen er basert på HPE CrayEX superdatamaskinplattform som integrerer de siste generasjonene av AMD-prosessorer og Nvidia-akseleratorer, sammenkoblet med HPE Slingshot nettverksarkitektur og som igjen vil supporteres med lokale ressurser i Norge for å sikre nødvendig fysisk tilgang og reservedeler.

- Vi vil støtte Sigma2s visjon om en bærekraftig og effektiv infrastruktur som vil gi forskere tilgang til å jobbe med stadig mer komplekse og utfordrende oppgaver i Norge, sier Kristin Ottestad, Salgsdirektør i HPE Norge.

Selvfølgelig skal Sigma2s nye AI-supermaskin bli svært godt fysisk sikret av Lefdal Mine dypt inne i fjellet ved Nordfjordeid, men det som er interessant er hvordan gjenbruk av varme fra de kraftige maskinene kan håndteres på en bærekraftig måte.

- For at de ulike AI- modellene skal komme i produksjon kreves en stabil infrastruktur der datasenteret er selve grunnmuren, sier Mats Andersson, CCO i Lefdal Mine Datacenter. AI-modelleringene krever mye strøm, og det er følgelig en stor fordel at datasentrene drives effektivt med tilgang til fornybar strøm. Lefdal Mine Datacenter bruker vannkjøling som er vesentlig mer effektivt enn luft. Det er kort vei fra kraftproduksjonen i området til Lefdal, hvilket minimerer effekttapet i nettet. I tillegg gjenbrukes gamle gruveanlegg, hvilket betyr at det miljømessige fotavtrykket er tilnærmet fraværende. 

- I Norge har vi de siste årene bygget en datasenterindustri som leverer globalt ledende tjenester. I Lefdal Mine Datacenter leverer vi skreddersydde løsninger, tilpasset Sigma2 og HPE sine krav. Vi har dermed etablert et ideelt miljø for den første av flere superdatamaskiner som skal sikre AI-kraft til norsk forskning. Dette gjør vi fremtidsrettet gjennom grønne løsninger, sikker plassering langt inne i fjellet og på en kostnadseffektiv måte, sier Jørn Skaane, Daglig leder i Lefdal Mine Datacenter». 

Konkurransefortrinn: Høy hastighet for forskning og internasjonalt samarbeid

Den nasjonale investeringen i AI-datakraft handler ikke bare om å holde tritt; det handler om å sette tempoet. AI-feltet utvikler seg raskt, og hastighet og effektivitet i forskning er avgjørende. Ved å forbedre GPU-kapasiteten, kan norske forskere utføre eksperimenter og justere modellene sine raskere. Dette bidrar til å fremme innovasjon og akselerere vitenskapelige gjennombrudd. I tillegg gir forbedret GPU-kapasitet norske forskere muligheten til å samarbeide med internasjonale kolleger. Dette samarbeidet fører til en utveksling av kunnskap og fremskritt som er til fordel for det globale AI-økosystemet.

Konklusjon 

Ved å fokusere på AI-datakraft, gjør Norge en strategisk investering i sin fremtid, og sikrer at vi blir konkurransedyktig i en verden der innsatsfaktoren for bruk av AI-modeller akselererer. Dette initiativet støtter ikke bare utviklingen av avanserte norske språkmodeller, men understreker også Norges engasjement i det internasjonale AI-landskapet. Etter hvert som store språkmodeller fortsetter å utvikle seg, vil viktigheten av en solid datainfrastruktur fortsette å øke. Dette gjør investeringen til en hjørnesteinssatsing i Norges AI-strategi.