인공지능으로 인한 CO2를 줄이는 소프트웨어 개발

전문가들은 현재 인공지능(AI)의 개발 경로가 CO2의 주요 원인이 될 것이라고 동의한다. 이는 인공지능이 그 문제를 해결하는 데 사용됨에도 불구하고如此하다. 이것은 산업의 여러 부분에서 상황을 개선하는 방법에 초점을 맞추기 시작했으며, 최근 개발 중 하나는 코펜하겐 대학교의 두 명의 학생들로부터 나왔다.

딥 러닝과 같은 고급 인공지능 방법은驚人的 속도로 발전하고 있지만, 이는 엄청난 에너지 소비 수준을 의미한다. 이것이 계속 증가하면, 특히 딥 러닝과 같은 인공지능 기술과 방법은 기후 변화의 주요 원인이 될 가능성이 있다. 그러나 이것은 현재 경로를 변경하지 않는 한如此하다.

2012년부터 2018년까지, 딥 러닝을 위한 계산 능력은 300,000% 증가했다. 산업의 주요 문제 중 하나는 에너지 소비와 알고리즘 개발으로 인한 탄소 발자국이 거의 측정되지 않는다는 것이다. 동시에 많은 연구가 이 문제를 상세히 설명하고 행동을 촉구하고 있다.

Carbontracker

이 문제를 해결하기 위해, 라세 F. 울프 안토니와 벤자민 칸딩은 코펜하겐 대학교의 컴퓨터 과학부에서 새로운 소프트웨어 프로그램인 Carbontracker를 개발했다. 이 소프트웨어는 딥 러닝 모델을 훈련시키기 위한 에너지 소비와 CO2 배출을 정확하게 계산하고 예측할 수 있다.

“이 분야의 발전은 매우 빠르며, 딥 러닝 모델은不断으로 더 큰 규모와 더 복잡해지고 있다” 라고 라세 F. 울프 안토니는 말했다. “현재는 지수적 성장이다. 그리고 그것은 대부분의 사람들이 생각하지 않는 에너지 소비의 증가를 의미한다.”

딥 러닝 모델은不断으로 더 큰 규모와 더 복잡한 문제를 해결하기 위해 발전하고 있다. 이것은 에너지 소비의 상당한 증가를 의미한다.

“데이터셋이 하루하루 더 커지면서, 알고리즘이 해결해야 하는 문제도 더욱 복잡해진다”고 벤자민 칸딩은 말했다.

오픈 소스 Carbontracker 프로그램은 여기에서 찾을 수 있다.

GPT-3

이러한 예 중 하나는 고급 언어 모델 GPT-3이다. 이는 지금까지 개발된 가장 큰 딥 러닝 모델 중 하나이지만, 그것은 비용을 초과한다. GPT-3는 한 번의 훈련 세션에서 126개의 덴마크 집에서 사용하는 에너지와 동일한 양의 에너지를 필요로 한다. 배출되는 CO2의 양은 700,000km의 운전과 동일하다.

라세 F. 울프 안토니에 따르면, “몇 년 내에, 훨씬 더 큰 모델이 여러 개 있을 가능성이 있다.”

“이 추세가 계속된다면, 인공지능은 기후 변화의 주요 원인이 될 가능성이 있다. 기술 개발을 중단하는 것이 목표는 아니다. 이러한 발전은 기후를 도와주는 놀라운 기회를 제공한다. 대신, 문제를 인식하고, 어떻게 개선할 수 있을지 생각하는 것이 중요하다”고 벤자민 칸딩은 말했다.

Carbontracker는 딥 러닝 훈련이 발생하는 지역에서 에너지를 생산하기 위한 CO2의 양을 추적하여 에너지 소비를 변환한 후 CO2 배출을 예측할 수 있다.

학생들에 따르면, 딥 러닝 사용자는 하드웨어와 알고리즘의 유형以及 모델 훈련 시기에 주의해야 한다. 그 이유는 더 큰 녹색 에너지 공급이 있는 지역이 있기 때문이다.

“기후 영향을 크게 줄일 수 있다. 예를 들어, 에스토니아 또는 스웨덴에서 모델을 훈련시키면, 녹색 에너지 공급으로 인해 모델 훈련의 탄소 발자국을 60배 이상 줄일 수 있다. 알고리즘은 에너지 효율성에서 크게 다르다. 일부 알고리즘은 유사한 결과를 얻기 위해 덜 계산하고, 따라서 덜 에너지를 필요로 한다. 이러한 유형의 매개 변수를 조정할 수 있다면, 상황이 크게 달라질 수 있다”고 라세 F. 울프 안토니는 말했다.