To studenter utvikler programvare for å bekjempe CO2-forurensning forårsaket av AI

Eksperter er enige om at den nåværende utviklingen av kunstig intelligens (AI) vil gjøre det til en av de største bidragsyterne til CO2-utslipp, til tross for at det brukes til å bekjempe dette problemet. Dette har ført til at ulike deler av industrien begynner å fokusere på hvordan man kan løse problemet, og ett av de nyeste eksemplene kommer fra to studenter ved Københavns Universitet.

Avanserte AI-metoder som dypt læring utvikles i en fantastisk fart, men dette medfører massive energiforbruk. Etterhvert som dette øker, vil AI-teknologier og -metoder, spesielt dypt læring, sannsynligvis bli en betydelig bidragsyter til klimaendringer. Dette er imidlertid bare hvis ingen handling blir tatt for å endre den nåværende utviklingen.

Fra 2012 til 2018 har den beregningskraften som trengs for dypt læring økt med 300 000 %. Et av industrens største problemer er at energiforbruk og karbonavtrykk på grunn av algoritmeutvikling sjelden måles. Samtidig viser mange studier dette problemet og krever handling.

Karbonstoppere

I et forsøk på å løse dette problemet, har Lasse F. Wolff Anthony og Benjamin Kanding ved Københavns Universitets datavitenskapelige institutt, sammen med assistentprofessor Raghavendra Selvan, utviklet et nytt programvareprogram kalt Karbonstoppere. Dette programmet kan nøyaktig beregne og forutsi hvor mye energiforbruk og CO2-utslipp som kommer fra trening av dypt læring-modeller.

“Utviklingen i dette feltet skjer med en fantastisk fart, og dypt læring-modeller blir stadig større og mer avanserte,” sier Lasse F. Wolff Anthony. “For øyeblikket er det eksponentiell vekst. Og det betyr en økende energiforbruk som de fleste mennesker ikke synes å tenke på.”

Dypt læring-modeller fortsetter å vokse og løse stadig mer komplekse problemer, noe som krever en betydelig økning i energiforbruk.

“Ettersom datasettene vokser større for hver dag, blir problemene som algoritmene må løse mer og mer komplekse,” sier Benjamin Kanding.

Det åpne kildeprogrammet Karbonstoppere kan finnes her.

GPT-3

Ett av de beste eksemplene på dette er den avanserte språkmodellen GPT-3. Den er en av de største og mest komplekse dypt læring-modellene som er utviklet hittil, men den kommer med en pris. GPT-3 krever like mye energi som 126 danske hjem i ett år, bare i én treningssesjon. Mengden CO2 som slippes ut er ekvivalent til 700 000 kilometer med kjøring.

Ifølge Lasse F. Wolff Anthony, “Innen noen år vil det sannsynligvis være flere modeller som er mange ganger større.”

“Hvis trenden fortsetter, kan kunstig intelligens bli en betydelig bidragsyter til klimaendringer. Å bremse teknologisk utvikling er ikke poenget. Disse utviklingene tilbyr fantastiske muligheter for å hjelpe vår klima. I stedet handler det om å bli mer bevisst på problemet og tenke: Hvordan kan vi forbedre?” sier Benjamin Kanding.

Karbonstoppere sporer mengden CO2 som brukes til å produsere energi i områder hvor dypt læring-trening skjer, og gjør det mulig å forutsi CO2-utslipp etter å ha konvertert energiforbruk.

Ifølge studentene bør dypt læring-brukere være oppmerksomme på hva slags maskinvare og algoritmer som brukes, og når modell-trening skjer, ettersom det finnes områder med større grønnere energiforsyninger.

“Det er mulig å redusere klimapåvirkningen betydelig. For eksempel er det relevant hvis en velger å trene modellen i Estland eller Sverige, hvor karbonavtrykket fra modell-trening kan reduseres med mer enn 60 ganger takket være grønnere energiforsyninger. Algoritmer varierer også mye i energieffektivitet. Noen krever mindre beregning og dermed mindre energi for å oppnå lignende resultater. Hvis en kan justere disse parameterne, kan ting endre seg betraktelig,” sier Lasse F. Wolff Anthony.