–
Dyplæring A.I. er maskinlæringsteknologien som driver alt fra banebrytende naturlig språkbehandling til maskinsynsverktøy. Det kan også være drivkraften for klimaendringene - som et resultat av det enorme energiforbruket og CO2-utslippene knyttet til opplæring av disse dyplæringsmodellene. Ettersom bruken av dyp læring har eksplodert, har også regnekraften knyttet til dem økt, selv om denne effekten sjelden studeres.
Forskere ved Københavns Universitets institutt for datavitenskap jobber imidlertid for å endre det. De har utviklet et verktøy kalt Carbontracker, som beregner energiforbruket knyttet til dyplæringsalgoritmer og deretter konverterer dette til en prediksjon om CO2-utslipp.
I slekt
- The BigSleep A.I. er som Google Bildesøk etter bilder som ikke eksisterer ennå
- Forskere spurte A.I. å analysere fossilregisteret. Dette er hva den fant
- A.I. kan spille en viktig rolle i fødselen til morgendagens IVF-barn
"[Carbontracker] er implementert som en pakke, eller utvidelse, for det populære programmeringsspråket Python, der mesteparten av maskinlæring finner sted,"
Benjamin Kanding, fortalte en av forskerne som jobbet med prosjektet til Digital Trends. "Måten [det] fungerer på er at under modelltrening måler det med jevne mellomrom energiforbruket til maskinvaren som modellen er trent og spør etter den lokale karbonintensiteten – CO2 som slippes ut av strømforbruket – i treningen region. Disse tallene kombineres deretter for å gi et estimat av det totale karbonavtrykket til modelltrening og utvikling.»Anbefalte videoer
A.I. verktøy vi stoler på
Mengden energi som brukes av noen av verktøyene som vi er avhengige av på daglig basis, er ganske skremmende. For eksempel, a 2019 studie av forskere ved U.K.s University of Bristol antydet at YouTube-videoer bærer et karbonavtrykk på rundt 10 millioner tonn CO2-ekvivalenter hvert år. De foreslo at å utføre noen relativt små kodejusteringer kunne spare 100 000 til 500 000 tonn CO2-ekvivalenter hvert år.
Når det gjelder Carbontracker, sa Kanding at målet ikke er å peke på spesifikke modeller og hevde at de «ødelegger miljøet». I stedet er det en forsøk på å øke bevisstheten om virkningen av dataintensiv forskning og å fremme utviklingen av energieffektive dype nevrale nettverk og "ansvarlig databehandling." Dette kan forhåpentligvis føre til reduksjon av karbonfotavtrykk knyttet til opplæring og utvikling av dyp læring modeller. (En mulig løsning på umiddelbar sikt vil være å sørge for at opplæring utføres ved datasentre drevet av grønn energi.)
Imidlertid gir forskerne en viss indikasjon på hvor betydelig miljøpåvirkningen av visse A.I. verktøy kan være. For eksempel en enkelt treningsøkt for ultraavansert dyplæringsspråkmodell GPT-3 forbruker angivelig tilsvarende energi til 126 hjem i forskernes hjemland Danmark. Den spytter også ut den samme CO2-mengden som nesten 44 000 mil med bilkjøring.
Lasse F. Wolff Anthony, en annen forsker på prosjektet, sa at det ikke er nåværende planer om å gjøre Carbontracker tilgjengelig i form av en plug-in for kodere. "De nåværende målene for Carbontracker er å forbedre verktøyet i Python ved å gjøre det lettere [og] enklere å bruke, og å utvide sine muligheter ved å støtte et større utvalg av maskinvare og flere regioner for å spørre etter karbonintensiteten,» Anthony sa.
De prosjektet er åpen kildekode, og forskerne sier at de «aktivt oppmuntrer» til bidrag fra alle som ønsker å engasjere seg.
Redaktørenes anbefalinger
- Hvordan Nintendo kunne bruke A.I. for å bringe 4K-spill til Switch Pro
- Smart ny A.I. systemet lover å trene hunden din mens du er borte fra hjemmet
- Denne grunnleggende menneskelige ferdigheten er den neste store milepælen for A.I.
- Smart kamuflasjelapp kan skjule jagerfly fra A.I. gjenkjenningsverktøy
- Denne smarte nye A.I. assistent vil skjerme og blokkere robocallers for deg
Oppgrader livsstilen dinDigitale trender hjelper leserne å følge med på den fartsfylte teknologiverdenen med alle de siste nyhetene, morsomme produktanmeldelser, innsiktsfulle redaksjoner og unike sniktitter.
