–
Duboko učenje A.I. je tehnologija strojnog učenja koja pokreće sve, od vrhunske obrade prirodnog jezika do alata za strojni vid. Također može pokretati klimatske promjene — kao rezultat goleme potrošnje energije i emisija CO2 povezanih s treniranjem ovih modela dubokog učenja. Kako je uporaba dubokog učenja eksplodirala, tako je rasla i računalna snaga povezana s njima, iako se ovaj učinak rijetko proučava.
Međutim, istraživači na Odsjeku za računalne znanosti Sveučilišta u Kopenhagenu rade na tome da to promijene. Razvili su alat nazvan Carbontracker, koji utvrđuje potrošnju energije povezanu s algoritmima dubokog učenja, a zatim to pretvara u predviđanje emisija CO2.
Povezano
- BigSleep A.I. je poput Google pretraživanja slika za slike koje još ne postoje
- Znanstvenici su pitali A.I. analizirati fosilni zapis. Ovo je ono što je pronađeno
- A.I. mogao odigrati vitalnu ulogu u rađanju sutrašnje IVF djece
"[Carbontracker] je implementiran kao paket ili proširenje za popularni programski jezik Python, gdje se odvija većina strojnog učenja,"
Benjamin Kanding, jedan od istraživača koji je radio na projektu, rekao je za Digital Trends. “Način na koji [to] radi je da, tijekom obuke modela, povremeno mjeri potrošnju energije hardvera na kojem se model je obučen i ispituje živi lokalni intenzitet ugljika — CO2 emitiran potrošnjom električne energije — u obuci regija. Ti se brojevi zatim kombiniraju kako bi se dobila procjena ukupnog ugljičnog otiska obuke i razvoja modela.”Preporučeni videozapisi
A.I. alate na koje se oslanjamo
Količina energije koju koriste neki od alata na koje se svakodnevno oslanjamo je prilično zastrašujuća. Na primjer, a Studija iz 2019 istraživači s britanskog Sveučilišta u Bristolu sugerirali su da YouTube videozapisi svake godine nose ugljični otisak od oko 10 milijuna tona ekvivalenta CO2. Sugerirali su da bi provođenje nekih relativno manjih izmjena koda moglo uštedjeti 100.000 do 500.000 tona ekvivalenta CO2 svake godine.
U slučaju Carbontrackera, Kanding je rekao da cilj nije ukazivati na specifične modele i tvrditi da oni “uništavaju okoliš”. Umjesto toga, to je pokušati podići svijest o utjecaju računalno intenzivnih istraživanja i promicati razvoj energetski učinkovitih dubokih neuronskih mreža i “odgovorno računalstvo”. Nadamo se da bi to moglo dovesti do smanjenja ugljičnog otiska povezanog s obukom i razvojem dubokog učenja modeli. (Jedno od mogućih trenutačnih rješenja bilo bi osigurati da se obuka provodi u podatkovnim centrima koji se napajaju zelenom energijom.)
Međutim, istraživači daju neke naznake koliko je značajan utjecaj na okoliš određenih U.I. alati mogu biti. Na primjer, jedan trening za ultra-napredni jezični model dubokog učenja GPT-3 navodno troši ekvivalentnu energiju kao 126 domova u rodnoj Danskoj istraživača. Također izbacuje istu količinu CO2 kao gotovo 44.000 milja vožnje u automobilu.
Lasse F. Wolff Anthony, još jedan istraživač na projektu, rekao je da trenutno ne postoje planovi da Carbontracker bude dostupan u obliku dodatka za kodere. „Trenutni ciljevi Carbontrackera su poboljšati alat u Pythonu tako što će ga učiniti lakšim [i] lakšim za korištenje, te proširiti njegove mogućnosti podržavajući veći izbor hardvera i više regija za ispitivanje intenziteta živog ugljika,” Anthony rekao je.
The projekt je otvorenog koda, a istraživači kažu da "aktivno potiču" doprinose svih koji se žele uključiti.
Preporuke urednika
- Kako bi Nintendo mogao koristiti A.I. da dovede 4K igranje na Switch Pro
- Pametan novi A.I. sustav obećava da će trenirati vašeg psa dok ste odsutni od kuće
- Ova osnovna ljudska vještina sljedeća je velika prekretnica za A.I.
- Pametna kamuflažna zakrpa mogla bi sakriti borbene zrakoplove od A.I. alati za prepoznavanje
- Ovaj pametni novi A.I. pomoćnik će umjesto vas pregledati i blokirati automatske pozivatelje
Nadogradite svoj životni stilDigitalni trendovi pomažu čitateljima da prate brzi svijet tehnologije sa svim najnovijim vijestima, zabavnim recenzijama proizvoda, pronicljivim uvodnicima i jedinstvenim brzim pregledima.
