Doi studenți dezvoltă software pentru a combate CO2 cauzat de IA

Experții sunt de acord că drumul actual de dezvoltare a inteligenței artificiale (IA) va face ca aceasta să devină unul dintre principalii contribuitori la emisiile de CO2, în ciuda faptului că este utilizată pentru a combate exact această problemă. Acest lucru a determinat diverse părți ale industriei să înceapă să se concentreze pe modul de a remedia situația, una dintre cele mai recente dezvoltări provenind de la doi studenți de la Universitatea din Copenhaga.

Metodele avansate de IA, cum ar fi învățarea profundă, se dezvoltă cu o rată uimitoare, dar acest lucru vine cu niveluri masive de consum de energie. Pe măsură ce acest lucru continuă să crească, tehnologiile și metodele de IA, în special învățarea profundă, vor deveni probabil un contributor semnificativ la schimbările climatice. Cu toate acestea, acest lucru se va întâmpla doar dacă nu se iau măsuri pentru a schimba drumul actual.

Între 2012 și 2018, puterea de calcul necesară pentru învățarea profundă a crescut cu 300.000%. Una dintre problemele semnificative ale industriei este că consumul de energie și amprenta de carbon din cauza dezvoltării algoritmilor rareori sunt măsurate. În același timp, multe studii detaliază această problemă și cer acțiune.

Carbontracker

În încercarea de a aborda această problemă, Lasse F. Wolff Anthony și Benjamin Kanding de la Departamentul de Informatică al Universității din Copenhaga, împreună cu asistentul profesor Raghavendra Selvan, au dezvoltat un nou program software numit Carbontracker. Acest program software poate calcula și prezice cu exactitate cât de mult consum de energie și emisii de CO2 provin din antrenarea modelelor de învățare profundă.

“Dezvoltările în acest domeniu sunt incredibil de rapide și modelele de învățare profundă devin constant mai mari și mai avansate”, a spus Lasse F. Wolff Anthony. “În acest moment, există o creștere exponențială. Și asta înseamnă un consum de energie în creștere, pe care majoritatea oamenilor nu pare să o ia în considerare.”

Modelele de învățare profundă continuă să crească și să abordeze probleme mult mai complexe, necesitând o creștere semnificativă a consumului de energie.

“Pe măsură ce seturile de date devin mai mari de zi cu zi, problemele pe care algoritmii trebuie să le rezolve devin din ce în ce mai complexe”, spune Benjamin Kanding.

Programul software open source Carbontracker poate fi găsit aici.

GPT-3

Unul dintre cele mai bune exemple în acest sens este modelul de limbaj avansat GPT-3. Acesta este unul dintre cele mai mari și mai complexe modele de învățare profundă dezvoltate până în prezent, dar vine la un cost. GPT-3 necesită aceeași cantitate de energie utilizată de 126 de case din Danemarca într-un an, toate într-o singură sesiune de antrenament. Cantitatea de CO2 eliberată este echivalentă cu 700.000 de kilometri de condus.

Conform lui Lasse F. Wolff Anthony, “În următorii câțiva ani, va exista probabil mai multe modele care sunt de multe ori mai mari.”

“Dacă tendința continuă, inteligența artificială ar putea deveni un contributor semnificativ la schimbările climatice. Frânarea dezvoltării tehnologice nu este scopul. Aceste dezvoltări oferă oportunități fantastice pentru a ajuta climatul nostru. În schimb, este vorba despre a deveni conștient de problema și a gândi: Cum putem îmbunătăți?”, spune Benjamin Kanding.

Carbontracker urmărește cantitatea de CO2 utilizată pentru a produce energie în zonele în care are loc antrenarea învățării profunde, făcând posibilă prezicerea emisiilor de CO2 după conversia consumului de energie.

Conform studenților, utilizatorii de învățare profundă ar trebui să acorde atenție tipului de hardware și algoritmilor utilizați și când are loc antrenarea modelului, deoarece există zone cu o mai mare ofertă de energie verde.

“Este posibil să se reducă semnificativ impactul asupra climatului. De exemplu, este relevant dacă alegeți să antrenați modelul în Estonia sau Suedia, unde amprenta de carbon a antrenării modelului poate fi redusă de peste 60 de ori datorită ofertei mai mari de energie verde. Algoritmii variază foarte mult în ceea ce privește eficiența energetică. Unii necesită mai puțină putere de calcul și, prin urmare, mai puțină energie, pentru a obține rezultate similare. Dacă se pot regla aceste tipuri de parametri, lucrurile pot fi schimbate considerabil”, spune Lasse F. Wolff Anthony.