–
A.I. pembelajaran mendalam adalah teknologi pembelajaran mesin yang mendukung segalanya mulai dari pemrosesan bahasa alami mutakhir hingga alat visi mesin. Hal ini mungkin juga mendorong perubahan iklim – sebagai akibat dari konsumsi energi dan emisi CO2 yang sangat besar yang terkait dengan pelatihan model pembelajaran mendalam ini. Seiring dengan semakin maraknya penggunaan pembelajaran mendalam, kekuatan komputasi yang terkait dengannya pun meningkat, meskipun efek ini jarang dipelajari.
Namun, para peneliti di Departemen Ilmu Komputer Universitas Kopenhagen berupaya mengubah hal tersebut. Mereka telah mengembangkan alat yang disebut Carbontracker, yang menghitung konsumsi energi yang terkait dengan algoritma pembelajaran mendalam dan kemudian mengubahnya menjadi prediksi tentang emisi CO2.
Terkait
- AI Tidur Besar. seperti Pencarian Gambar Google untuk gambar yang belum ada
- Para ilmuwan bertanya kepada A.I. untuk menganalisis catatan fosil. Inilah yang ditemukannya
- A.I. dapat memainkan peran penting dalam kelahiran anak-anak IVF di masa depan
“[Carbontracker] diimplementasikan sebagai sebuah paket, atau ekstensi, untuk bahasa pemrograman populer Python, tempat sebagian besar pembelajaran mesin dilakukan,” Benyamin Kanding, salah satu peneliti yang mengerjakan proyek tersebut, mengatakan kepada Digital Trends. “Cara kerjanya adalah, selama pelatihan model, secara berkala mengukur konsumsi energi perangkat keras yang digunakan Model dilatih dan menanyakan intensitas karbon lokal langsung — CO2 yang dihasilkan oleh konsumsi listrik — dalam pelatihan wilayah. Angka-angka ini kemudian digabungkan untuk memberikan perkiraan total jejak karbon dari pelatihan dan pengembangan model.”
Video yang Direkomendasikan
A.I. alat yang kami andalkan
Jumlah energi yang digunakan oleh beberapa alat yang kita andalkan sehari-hari sangatlah besar. Misalnya, a studi tahun 2019 oleh para peneliti di Universitas Bristol di Inggris menyatakan bahwa video YouTube membawa jejak karbon sekitar 10 juta ton setara CO2 setiap tahunnya. Mereka menyarankan bahwa melakukan beberapa perubahan kode yang relatif kecil dapat menghemat 100.000 hingga 500.000 ton CO2 setiap tahunnya.
Dalam kasus Carbontracker, Kanding mengatakan bahwa tujuannya bukan untuk menunjuk pada model tertentu dan mengklaim bahwa model tersebut “merusak lingkungan.” Sebaliknya, ini adalah berupaya untuk meningkatkan kesadaran tentang dampak penelitian intensif komputasi dan untuk mempromosikan pengembangan jaringan saraf dalam yang hemat energi dan “komputasi yang bertanggung jawab.” Hal ini diharapkan dapat mengarah pada pengurangan jejak karbon yang terkait dengan pelatihan dan pengembangan pembelajaran mendalam model. (Salah satu solusi jangka pendek yang mungkin dilakukan adalah memastikan pelatihan dilakukan di pusat data yang didukung oleh energi ramah lingkungan.)
Namun, para peneliti memberikan beberapa indikasi betapa signifikannya dampak lingkungan dari A.I. alat bisa. Misalnya, satu sesi pelatihan untuk model bahasa pembelajaran mendalam ultra-canggih GPT-3 dilaporkan mengkonsumsi energi yang setara dengan 126 rumah di negara asal para peneliti, Denmark. Ini juga mengeluarkan jumlah CO2 yang sama dengan hampir 44.000 mil berkendara dengan mobil.
Lasse F. Wolff Anthony, peneliti lain dalam proyek ini, mengatakan bahwa saat ini tidak ada rencana untuk membuat Carbontracker tersedia dalam bentuk plug-in untuk pembuat kode. “Tujuan Carbontracker saat ini adalah untuk meningkatkan alat dalam Python dengan membuatnya lebih ringan [dan] lebih mudah digunakan, dan untuk memperluas kemampuannya dengan mendukung lebih banyak variasi perangkat keras dan lebih banyak wilayah untuk menanyakan intensitas karbon hidup,” Anthony dikatakan.
Itu proyek adalah sumber terbuka, dan para peneliti mengatakan bahwa mereka “secara aktif mendorong” kontribusi dari siapa saja yang ingin terlibat.
Rekomendasi Editor
- Bagaimana Nintendo dapat menggunakan A.I. untuk menghadirkan game 4K ke Switch Pro
- A.I. baru yang cerdas. sistem berjanji untuk melatih anjing Anda saat Anda jauh dari rumah
- Keterampilan dasar manusia ini adalah tonggak penting berikutnya bagi A.I.
- Patch kamuflase pintar dapat menyembunyikan jet tempur dari A.I. alat pengenalan
- A.I. asisten akan menyaring dan memblokir robocaller untuk Anda
Tingkatkan gaya hidup AndaTren Digital membantu pembaca mengawasi dunia teknologi yang bergerak cepat dengan semua berita terkini, ulasan produk yang menyenangkan, editorial yang berwawasan luas, dan cuplikan unik.
