–
Hluboké učení A.I. je technologie strojového učení, která pohání vše od špičkového zpracování přirozeného jazyka po nástroje strojového vidění. Může také pohánět změnu klimatu – v důsledku masivní spotřeby energie a emisí CO2 spojených s výcvikem těchto modelů s hlubokým učením. S explozí využívání hloubkového učení explodoval i výpočetní výkon s ním spojený, i když tento efekt je zkoumán jen zřídka.
Vědci z katedry informatiky Kodaňské univerzity se to však snaží změnit. Vyvinuli nástroj nazvaný Carbontracker, který zjišťuje spotřebu energie spojenou s algoritmy hlubokého učení a poté ji převádí na předpověď emisí CO2.
Příbuzný
- BigSleep A.I. je jako Google Image Search pro obrázky, které ještě neexistují
- Vědci se zeptali A.I. analyzovat fosilní záznamy. Tohle se našlo
- A.I. může hrát zásadní roli při narození zítřejších dětí IVF
„[Carbontracker] je implementován jako balíček nebo rozšíření pro populární programovací jazyk Python, kde probíhá většina strojového učení,“ Benjamin Kanding
, jeden z výzkumníků, kteří na projektu pracovali, řekl Digital Trends. „Funguje to tak, že během tréninku modelu to pravidelně měří spotřebu energie hardwaru, na kterém je model je trénován a během školení se dotazuje na živou místní uhlíkovou intenzitu – CO2 emitovaný spotřebou elektřiny kraj. Tato čísla jsou pak kombinována, aby poskytly odhad celkové uhlíkové stopy modelového školení a rozvoje.Doporučená videa
A.I. nástroje, na které se spoléháme
Množství energie používané některými nástroji, na které se denně spoléháme, je dost děsivé. Například a studie 2019 Výzkumníci z University of Bristol ve Spojeném království navrhli, že videa na YouTube nesou každoročně uhlíkovou stopu přibližně 10 milionů tun ekvivalentu CO2. Navrhli, že provedení některých relativně malých úprav kódu by mohlo ušetřit 100 000 až 500 000 tun ekvivalentu CO2 každý rok.
V případě Carbontracker Kanding řekl, že cílem není ukazovat na konkrétní modely a tvrdit, že „ničí životní prostředí“. Místo toho je to pokusit se zvýšit povědomí o dopadu výpočetně náročného výzkumu a podpořit vývoj energeticky účinných hlubokých neuronových sítí a "zodpovědná práce na počítači." To by doufejme mohlo vést ke snížení uhlíkové stopy spojené s výcvikem a rozvojem hlubokého učení modely. (Jedním možným okamžitým řešením by bylo zajistit, aby školení probíhalo v datových centrech napájených zelenou energií.)
Výzkumníci však poskytují určité údaje o tom, jak významný je dopad určitých A.I na životní prostředí. nástroje mohou být. Například jeden trénink pro ultra pokročilý jazykový model hlubokého učení GPT-3 údajně spotřebovává energii ekvivalentní 126 domácnostem v rodném Dánsku výzkumníků. Také chrlí stejné množství CO2 jako téměř 44 000 kilometrů jízdy autem.
Lasse F. Wolff Anthony, další výzkumník projektu, uvedl, že v současné době neexistují žádné plány na zpřístupnění Carbontrackeru ve formě zásuvného modulu pro kodéry. „Aktuálním cílem Carbontrackeru je zlepšit nástroj v Pythonu tím, že bude lehčí [a] snadněji použitelný a rozšířit své možnosti podporou většího množství hardwaru a více regionů pro zjišťování aktuální intenzity uhlíku,“ Anthony řekl.
The projekt je open-sourcea výzkumníci říkají, že „aktivně podporují“ příspěvky od každého, kdo se chce zapojit.
Doporučení redakce
- Jak Nintendo mohlo využít A.I. přinést 4K hraní na Switch Pro
- Chytrá nová A.I. systém slibuje, že vašeho psa vycvičí, když jste mimo domov
- Tato základní lidská dovednost je dalším významným milníkem pro A.I.
- Chytrá maskovací záplata by mohla skrývat stíhačky od A.I. rozpoznávací nástroje
- Tento chytrý nový A.I. asistent za vás prohlédne a zablokuje robocallery
Upgradujte svůj životní stylDigitální trendy pomáhají čtenářům mít přehled o rychle se měnícím světě technologií se všemi nejnovějšími zprávami, zábavnými recenzemi produktů, zasvěcenými úvodníky a jedinečnými náhledy.
