联系我们

深度学习

两名学生开发对抗AI造成的CO2的软件

已发表

 on

专家们一致认为,尽管人工智能已用于解决这一问题,但当前的人工智能(AI)发展道路将使其成为二氧化碳的主要贡献者之一。这导致该行业的各个部门开始专注于如何纠正这种情况,其中最近的发展之一来自哥本哈根大学的两名学生。

先进的AI方法,例如 深度学习 的发展速度惊人,但这伴随着巨大的能源消耗水平。随着这一趋势的继续发展,人工智能技术和方法,尤其是深度学习,将有可能成为气候变化的重要贡献者。但是,仅在不采取任何措施更改当前路径的情况下。 

从2012年到2018年,深度学习所需的计算能力增加了300,000%。行业之一’一个重要的问题是由于算法的开发而导致的能耗和碳足迹很少被测量。同时,许多研究都在详细说明这个问题并呼吁采取行动。

Carbontracker

为了解决这个问题,哥本哈根大学的Lasse F. Wolff Anthony和Benjamin Kanding’的计算机科学系以及Raghavendra Selvan助理教授, 已经开发了一个名为Carbontracker的新软件程序。该软件可以准确地计算和预测训练深度学习模型产生的能耗和二氧化碳排放量。 

“该领域的发展异常迅猛,深度学习模型的规模不断扩大,越来越先进,”拉瑟·F·沃尔夫·安东尼说。“现在,有指数级的增长。这意味着大多数人似乎没有想到的能源消耗增加。”

深度学习模型不断增长,并解决了更复杂的问题,这需要大量增加能耗。

“随着数据集一天一天地变大,算法需要解决的问题变得越来越复杂,”本杰明·康定说。 

可以找到开源的Carbontracker程序 这里 .

GPT-3

最好的例子之一就是高级语言模型GPT-3。它是迄今为止开发的最大,最复杂的深度学习模型之一,但要付出一定的代价。 GPT-3每年只需一次培训,就可以为126个丹麦家庭使用相同数量的能源。释放的二氧化碳量相当于行驶700,000公里。 

根据Lasse F. Wolff Anthony的说法,“几年之内,可能会有几倍更大的模型。”

“如果这种趋势继续下去,人工智能最终可能成为气候变化的重要贡献者。阻碍技术发展不是重点。这些发展为改善我们的气候提供了绝佳的机会。相反,它是要意识到问题并思考:我们将如何改进?”本杰明·康定说。 

Carbontracker 跟踪正在进行深度学习训练的区域中用于产生能量的CO2量,从而可以在转换能耗后预测CO2排放量。

根据学生的说法,深度学习的用户应注意使用的是哪种类型的硬件和算法,以及何时进行模型训练,因为有些地区的绿色能源供应更大。

“可以大大减少气候影响。例如,如果一个人选择在爱沙尼亚或瑞典培训他们的模型,这是很重要的,这要归功于绿色能源供应,可以使模型培训的碳足迹减少60倍以上。算法的能源效率也相差很大。有些需要更少的计算,因此也就需要更少的能量来达到相似的结果。如果可以调整这些类型的参数,则情况可能会发生很大变化,”Lasse F. Wolff Anthony说。

亚历克斯·麦克法兰(Alex McFarland)是一位历史学家和新闻工作者,报道了人工智能的最新发展。