Doi studenți dezvoltă software pentru a combate CO2 cauzat de AI

Experții sunt de acord că calea actuală de dezvoltare a inteligenței artificiale (AI) va face ca aceasta să devină unul dintre principalii contributori de CO2, în ciuda utilizării sale pentru a combate tocmai această problemă. Acest lucru a făcut ca diverse părți ale industriei să înceapă să se concentreze asupra modului de a remedia situația, una dintre cele mai recente evoluții venind de la doi studenți de la Universitatea din Copenhaga.

Metodele avansate de inteligență artificială, cum ar fi învățarea profundă, se dezvoltă într-un ritm uimitor, dar asta vine cu niveluri masive de consum de energie. Pe măsură ce aceasta continuă să crească, tehnologiile și metodele AI, în special învățarea profundă, vor deveni probabil un contributor semnificativ la schimbările climatice. Totuși, acest lucru se întâmplă numai dacă nu se întreprinde nicio acțiune pentru a modifica calea curentă. 

Din 2012 până în 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 datorită dezvoltării algoritmilor sunt rareori măsurate. În același timp, multe studii detaliază această problemă și solicită acțiuni.

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 profesorul asistent Raghavendra Selvan, au dezvoltat un nou program software numit Carbontracker. Acest software poate calcula și prezice cu precizie cât de mult consumul de energie și emisiile de CO2 provin din antrenarea modelelor de învățare profundă. 

„Dezvoltările în acest domeniu se desfășoară nebunește de rapid și modelele de învățare profundă devin în mod constant mai mari la scară 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 la care majoritatea oamenilor par să nu se gândească.”

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 cresc pe zi ce trece, problemele pe care algoritmii trebuie să le rezolve devin din ce în ce mai complexe”, spune Benjamin Kanding. 

Programul 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. Este unul dintre cele mai mari și mai complexe modele de deep learning dezvoltate până în prezent, dar are un cost. GPT-3 necesită aceeași cantitate de energie folosită de 126 de case daneze într-un an, totul într-o singură sesiune de antrenament. Cantitatea de CO2 eliberată este echivalentă cu 700,000 de kilometri conduși. 

Potrivit lui Lasse F. Wolff Anthony, „În câțiva ani, probabil vor exista mai multe modele care sunt de multe ori mai mari.”

„Dacă tendința continuă, inteligența artificială ar putea ajunge să contribuie semnificativ la schimbările climatice. Blocarea frânei dezvoltării tehnologice nu este ideea. Aceste evoluții oferă oportunități fantastice pentru a ne ajuta climatul. În schimb, este vorba de a deveni conștienți de problemă și de a gândi: Cum ne-am putea îmbunătăți?” spune Benjamin Kanding. 

Carbontracker urmărește cantitatea de CO2 folosită pentru a produce energie în zonele în care se desfășoară formarea de deep learning, făcând posibilă prezicerea emisiilor de CO2 după conversia consumului de energie.

Potrivit studenților, utilizatorii de deep learning ar trebui să fie atenți la ce tip de hardware și algoritmi sunt utilizați și când are loc antrenamentul de model, deoarece există zone cu surse de energie mai mari și mai ecologice.

„Este posibil să se reducă semnificativ impactul asupra climei. De exemplu, este relevant dacă cineva optează pentru a-și antrena modelul în Estonia sau Suedia, unde amprenta de carbon a unui antrenament de model poate fi redusă de peste 60 de ori datorită surselor de energie mai ecologice. Algoritmii variază foarte mult în ceea ce privește eficiența energetică. Unele necesită mai puțin calcul și, prin urmare, mai puțină energie pentru a obține rezultate similare. Dacă cineva poate regla aceste tipuri de parametri, lucrurile se pot schimba considerabil”, spune Lasse F. Wolff Anthony.