–
Hlboké učenie A.I. je technológia strojového učenia, ktorá poháňa všetko od špičkového spracovania prirodzeného jazyka až po nástroje strojového videnia. Môže tiež poháňať klimatickú zmenu – v dôsledku masívnej spotreby energie a emisií CO2 spojených s tréningom týchto hĺbkových modelov. S explodovaním používania hlbokého učenia sa prudko zvýšil aj výpočtový výkon, ktorý je s nimi spojený, hoci tento efekt sa skúma len zriedka.
Výskumníci z Katedry počítačovej vedy Kodanskej univerzity sa to však snažia zmeniť. Vyvinuli nástroj s názvom Carbontracker, ktorý vypočítava spotrebu energie spojenú s algoritmami hlbokého učenia a potom ju premieňa na predpoveď emisií CO2.
Súvisiace
- BigSleep A.I. je ako vyhľadávanie obrázkov Google pre obrázky, ktoré ešte neexistujú
- Vedci sa pýtali A.I. analyzovať fosílne záznamy. Toto sa našlo
- A.I. môže zohrať zásadnú úlohu pri narodení zajtrajších detí IVF
„[Carbontracker] je implementovaný ako balík alebo rozšírenie pre populárny programovací jazyk Python, kde prebieha väčšina strojového učenia,“
Benjamin Kanding, jeden z výskumníkov, ktorí pracovali na projekte, povedal pre Digital Trends. „Funguje to tak, že počas modelového tréningu pravidelne meria spotrebu energie hardvéru, na ktorom je model je vyškolený a počas školenia sa pýta na aktuálnu miestnu uhlíkovú intenzitu – CO2 emitované spotrebou elektriny regiónu. Tieto čísla sa potom skombinujú, aby sa získal odhad celkovej uhlíkovej stopy modelového tréningu a rozvoja.Odporúčané videá
A.I. nástroje, na ktoré sa spoliehame
Množstvo energie, ktorú využívajú niektoré nástroje, na ktoré sa denne spoliehame, je dosť desivé. Napríklad a štúdia 2019 Výskumníci z University of Bristol v Spojenom kráľovstve navrhli, že videá YouTube nesú uhlíkovú stopu približne 10 miliónov ton ekvivalentu CO2 každý rok. Navrhli, že vykonaním niektorých relatívne malých úprav kódu by sa mohlo ročne ušetriť 100 000 až 500 000 ton ekvivalentu CO2.
V prípade Carbontracker Kanding povedal, že cieľom nie je poukazovať na konkrétne modely a tvrdiť, že „ničia životné prostredie“. Namiesto toho je to pokúsiť sa zvýšiť povedomie o vplyve výskumu náročného na výpočtovú techniku a podporiť rozvoj energeticky účinných hlbokých neurónových sietí a "zodpovedná výpočtová technika." Dúfajme, že by to mohlo viesť k zníženiu uhlíkovej stopy spojenej so školením a rozvojom hlbokého učenia modelov. (Jedným možným okamžitým riešením by bolo zabezpečiť, aby sa školenie vykonávalo v dátových centrách napájaných zelenou energiou.)
Výskumníci však poskytujú určité údaje o tom, aký významný je vplyv určitých A.I. nástroje môžu byť. Napríklad jeden tréning pre ultra pokročilý jazykový model hlbokého učenia GPT-3 údajne spotrebuje energiu ekvivalentnú 126 domácnostiam v rodnom Dánsku výskumníkov. Tiež vypľuje rovnaké množstvo CO2 ako takmer 44 000 míľ najazdených autom.
Lasse F. Wolff Anthony, ďalší výskumník projektu, povedal, že v súčasnosti neexistujú žiadne plány na sprístupnenie Carbontracker vo forme zásuvného modulu pre kóderov. „Aktuálnym cieľom pre Carbontracker je vylepšiť nástroj v Pythone tým, že bude ľahší [a] jednoduchší na používanie a rozšíriť svoje schopnosti podporou väčšieho množstva hardvéru a viacerých oblastí na zisťovanie intenzity aktívneho uhlíka,“ Anthony povedal.
The projekt je open-sourcea vedci tvrdia, že „aktívne podporujú“ príspevky od každého, kto sa chce zapojiť.
Odporúčania redaktorov
- Ako Nintendo mohlo použiť A.I. priniesť 4K hranie do Switch Pro
- Šikovná nová A.I. systém sľubuje, že bude trénovať vášho psa, keď ste mimo domova
- Táto základná ľudská zručnosť je ďalším významným míľnikom pre A.I.
- Inteligentná kamuflážna záplata by mohla skrývať stíhačky od A.I. rozpoznávacie nástroje
- Tento šikovný nový A.I. asistent za vás preverí a zablokuje robocallerov
Zlepšite svoj životný štýlDigitálne trendy pomáhajú čitateľom mať prehľad o rýchlo sa rozvíjajúcom svete technológií so všetkými najnovšími správami, zábavnými recenziami produktov, užitočnými úvodníkmi a jedinečnými ukážkami.
