–
Deep-learning A.I. er maskinlæringsteknologien, der driver alt fra banebrydende naturlig sprogbehandling til maskinsynsværktøjer. Det kan også være drivkraften for klimaforandringerne - som et resultat af det massive energiforbrug og CO2-emissioner, der er forbundet med træning af disse dybe indlæringsmodeller. Efterhånden som brugen af dyb læring er eksploderet, er den regnekraft, der er forbundet med dem, også vokset, selvom denne effekt sjældent studeres.
Det arbejder forskere ved Københavns Universitets Institut for Datalogi på at ændre på. De har udviklet et værktøj kaldet Carbontracker, som beregner energiforbruget forbundet med deep-learning algoritmer og derefter konverterer dette til en forudsigelse om CO2-udledning.
Relaterede
- The BigSleep A.I. er ligesom Google Billedsøgning efter billeder, der ikke eksisterer endnu
- Forskere spurgte A.I. at analysere fossiloptegnelsen. Dette er hvad den fandt
- A.I. kunne spille en afgørende rolle i fødslen af morgendagens IVF-børn
"[Carbontracker] er implementeret som en pakke eller udvidelse til det populære programmeringssprog Python, hvor størstedelen af maskinlæring finder sted,"
Benjamin Kanding, fortalte en af forskerne, der arbejdede på projektet, til Digital Trends. "Måden [det] fungerer på er, at det under modeltræning med jævne mellemrum måler energiforbruget af den hardware, hvorpå modellen trænes og forespørger om den lokale kulstofintensitet – CO2 udledt af elforbruget – i træningen område. Disse tal kombineres derefter for at give et estimat af det samlede CO2-fodaftryk af modeltræning og udvikling."Anbefalede videoer
A.I. værktøjer, vi er afhængige af
Mængden af energi, der bruges af nogle af de værktøjer, som vi er afhængige af dagligt, er ret skræmmende. For eksempel, en 2019 undersøgelse af forskere ved det britiske University of Bristol foreslog, at YouTube-videoer bærer et CO2-fodaftryk på omkring 10 millioner tons CO2-ækvivalent hvert år. De foreslog, at udførelsen af nogle relativt mindre kodejusteringer kunne spare 100.000 til 500.000 tons CO2-ækvivalent hvert år.
I tilfældet med Carbontracker sagde Kanding, at målet ikke er at pege på specifikke modeller og hævde, at de "ødelægger miljøet." I stedet er det en forsøg på at øge bevidstheden om virkningen af computerintensiv forskning og at fremme udviklingen af energieffektive dybe neurale netværk og "ansvarlig databehandling." Dette kan forhåbentlig føre til reduktion af CO2-fodspor i forbindelse med træning og udvikling af deep-learning modeller. (En mulig løsning på kort sigt ville være at sikre, at træning udføres i datacentre drevet af grøn energi.)
Forskerne giver dog en indikation af, hvor betydelig miljøpåvirkningen af visse A.I. værktøjer kan være. For eksempel et enkelt træningspas til ultra-avanceret dyb-lærende sprogmodel GPT-3 efter sigende forbruger den tilsvarende energi af 126 boliger i forskernes hjemland Danmark. Den spytter også den samme CO2-mængde ud som næsten 44.000 kilometers kørsel i en bil.
Lasse F. Wolff Anthony, en anden forsker på projektet, sagde, at der ikke er nogen aktuelle planer om at gøre Carbontracker tilgængelig i form af et plug-in til kodere. "De nuværende mål for Carbontracker er at forbedre værktøjet i Python ved at gøre det lettere [og] lettere at bruge, og udvide sine muligheder ved at understøtte et større udvalg af hardware og flere regioner til at forespørge om den levende kulstofintensitet," Anthony sagde.
Det projektet er open source, og forskerne siger, at de "aktivt opfordrer" til bidrag fra alle, der ønsker at blive involveret.
Redaktørernes anbefalinger
- Hvordan Nintendo kunne bruge A.I. at bringe 4K-spil til Switch Pro
- Smart ny A.I. systemet lover at træne din hund, mens du er væk hjemmefra
- Denne grundlæggende menneskelige færdighed er den næste store milepæl for A.I.
- Smart camouflageplaster kunne skjule kampfly fra A.I. genkendelsesværktøjer
- Denne smarte nye A.I. assistent vil screene og blokere robocallers for dig
Opgrader din livsstilDigital Trends hjælper læserne med at holde styr på den hurtige teknologiske verden med alle de seneste nyheder, sjove produktanmeldelser, indsigtsfulde redaktionelle artikler og enestående smugkig.
