طالبين يطوران برنامجًا لتحديد انبعاثات ثاني أكسيد الكربون الناتجة عن الذكاء الاصطناعي

يتفق الخبراء على أن مسار تطوير الذكاء الاصطناعي الحالي سيتسبب في أن يصبح أحد أكبر المساهمين في انبعاثات ثاني أكسيد الكربون، على الرغم من استخدامه لمكافحة هذه المشكلة. وقد أدى هذا إلى بدء أجزاء مختلفة من الصناعة في التركيز على كيفية علاج الوضع، مع أحدث التطورات القادمة من طالبين في جامعة كوبنهاغن.

تتطور أساليب الذكاء الاصطناعي المتقدمة مثل التعلم العميق بسرعة مذهلة، ولكن هذا يأتي مع مستويات استهلاك الطاقة الهائلة. مع استمرار زيادة هذا الاستهلاك، من المحتمل أن تصبح تقنيات الذكاء الاصطناعي وأساليبه، خاصة التعلم العميق، مساهماً كبيراً في تغير المناخ. ومع ذلك، هذا هو فقط إذا لم تتم اتخاذ أي إجراء لتعديل المسار الحالي.

من عام 2012 إلى عام 2018، زادت القدرة الحاسوبية المطلوبة للتعلم العميق بنسبة 300.000٪. أحد مشاكل الصناعة الكبيرة هو أن استهلاك الطاقة والبصمة الكربونية بسبب تطوير الخوارزميات نادراً ما يتم قياسها. وفي الوقت نفسه، هناك العديد من الدراسات التي توثق هذه القضية وتدعو إلى اتخاذ إجراء.

Carbontracker

في سعيهما للتصدي لهذه القضية، قام لاس ف. وولف أنتوني وبينجامين كاندنج في قسم علوم الحاسوب بجامعة كوبنهاغن، بالاشتراك مع أستاذ مساعد راغافندرا سيلفان، بتطوير برنامج برمجي جديد يسمى Carbontracker. يمكن لهذا البرنامج حساب استهلاك الطاقة وانبعاثات ثاني أكسيد الكربون الناتجة عن تدريب نماذج التعلم العميق بدقة.

“التطورات في هذا المجال تسير بسرعة مجنونة ونماذج التعلم العميق تصبح أكبر في الحجم وأكثر تعقيداً باستمرار،” قال لاس ف. وولف أنتوني. “الآن، هناك نمو أسي. وهذا يعني استهلاكاً للطاقة يزيد باستمرار، والذي لا يبدو أن معظم الناس يفكرون فيه.”

تستمر نماذج التعلم العميق في النمو وتحاول حل مشاكل أكثر تعقيداً، مما يتطلب زيادة كبيرة في استهلاك الطاقة.

“随着 نمو مجموعات البيانات يوماً بعد يوم، تصبح المشاكل التي يجب على الخوارزميات حلها أكثر تعقيداً وأكثر تعقيداً،” يقول بينجامين كاندنج.

يمكن العثور على برنامج Carbontracker مفتوح المصدر هنا.

GPT-3

أحد أفضل الأمثلة على ذلك هو نموذج اللغة المتقدم GPT-3. إنه أحد أكبر وأكثر نماذج التعلم العميق تعقيداً التي تم تطويرها حتى الآن، ولكنه يأتي بتكلفة. يتطلب GPT-3 نفس كمية الطاقة التي تستهلكها 126 منزلاً دانماركياً في عام، كل ذلك في جلسة تدريب واحدة. ويتساوي مقدار ثاني أكسيد الكربون المنبعث مع 700.000 كيلومتر من القيادة.

وفقاً للاس ف. وولف أنتوني، “من المحتمل أن يكون هناك عدة نماذج أكبر بكثير في غضون بضع سنوات.”

“إذا استمر الاتجاه، قد يصبح الذكاء الاصطناعي مساهماً كبيراً في تغير المناخ._Point لا يعني هذا إيقاف التطور التكنولوجي. هذه التطورات توفر فرصاً رائعة لمساعدة مناخنا. بدلاً من ذلك، يتعلق الأمر بالوعي بالمشكلة والتفكير في كيفية تحسينها،” يقول بينجامين كاندنج.

يتبع Carbontracker كمية ثاني أكسيد الكربون المستخدمة في إنتاج الطاقة في المناطق حيث يتم تدريب التعلم العميق، مما يجعل من الممكن توقع انبعاثات ثاني أكسيد الكربون بعد تحويل استهلاك الطاقة.

وفقاً للطلاب، يجب على مستخدمي التعلم العميق الانتباه إلى نوع الأجهزة والخوارزميات المستخدمة ووقت تدريب النموذج، حيث توجد مناطق بأعلى إمدادات طاقة خضراء.

“من الممكن تقليل الآثار المناخية بشكل كبير. على سبيل المثال، إذا اخترت تدريب نموذجك في إستونيا أو السويد، حيث يمكن تقليل بصمة الكربون لتدريب النموذج أكثر من 60 مرة بفضل إمدادات الطاقة الخضراء. تختلف الخوارزميات بشكل كبير في كفاءتها الطاقية. بعضها يتطلب حساباً أقل، وبالتالي طاقة أقل، لتحقيق نتائج مشابهة. إذا كان يمكن ضبط هذه المعلمات، يمكن أن تتغير الأمور بشكل كبير،” يقول لاس ف. وولف أنتوني.