โมเดลและแพลตฟอร์ม AI
นักศึกษา 2 คนพัฒนาโปรแกรมแก้ปัญหาการปล่อยก๊าซคาร์บอนไดออกไซด์จาก AI
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ผู้เชี่ยวชาญต่างเห็นพ้องกันว่าการพัฒนาอินเทลลิเจนต์เทียม (AI) ในปัจจุบันจะทำให้ AI กลายเป็นหนึ่งในผู้ปล่อยก๊าซคาร์บอนไดออกไซด์ (CO2) ที่สำคัญที่สุด แม้ว่า AI จะถูกใช้เพื่อแก้ปัญหานี้ก็ตาม สิ่งนี้ทำให้หลายส่วนในอุตสาหกรรมเริ่มมุ่งเน้นไปที่การแก้ปัญหานี้ โดยหนึ่งในการพัฒนาล่าสุดมาจากนักศึกษา 2 คนจากมหาวิทยาลัยโคเปนเฮเกน
วิธีการ AI ที่ซับซ้อน เช่น การเรียนรู้ลึก (Deep Learning) กำลังพัฒนาอย่างรวดเร็ว แต่นี่ก็ทำให้การใช้พลังงานเพิ่มขึ้นอย่างมาก เมื่อการใช้พลังงานเพิ่มขึ้น เทคโนโลยีและวิธีการ AI โดยเฉพาะการเรียนรู้ลึก จะกลายเป็นผู้สนับสนุนการเปลี่ยนแปลงสภาพภูมิอากาศที่สำคัญ หากไม่มีการดำเนินการใดๆ เพื่อเปลี่ยนเส้นทางปัจจุบัน
ตั้งแต่ปี 2012 ถึง 2018 อำนาจการคำนวณที่จำเป็นสำหรับการเรียนรู้ลึกเพิ่มขึ้น 300,000% หนึ่งในปัญหาที่สำคัญของอุตสาหกรรมคือการบริโภคพลังงานและรอยเท้าคาร์บอนเนื่องจากการพัฒนาแอลกอริทึมมักจะไม่ได้ถูกวัด ในเวลาเดียวกัน มีการศึกษาจำนวนมากที่อธิบายถึงปัญหานี้และเรียกร้องให้มีการดำเนินการ
Carbontracker
ในการแก้ปัญหานี้ Lasse F. Wolff Anthony และ Benjamin Kanding จากภาควิชาวิทยาการคอมพิวเตอร์ มหาวิทยาลัยโคเปนเฮเกน ร่วมกับ Assistant Professor Raghavendra Selvan ได้พัฒนาโปรแกรมใหม่ชื่อ Carbontracker ซึ่งสามารถคำนวณและคาดการณ์ได้อย่างแม่นยำว่าการฝึกอบรมแบบเรียนรู้ลึกจะใช้พลังงานและปล่อยก๊าซ CO2 เท่าใด
“การพัฒนาในด้านนี้กำลังดำเนินไปอย่างรวดเร็ว และแบบจำลองการเรียนรู้ลึกมีขนาดใหญ่ขึ้นและซับซ้อนมากขึ้น” Lasse F. Wolff Anthony กล่าว “ตอนนี้มีการเติบโตแบบเลขชี้กำลัง ซึ่งหมายถึงการบริโภคพลังงานที่เพิ่มขึ้น ซึ่งส่วนใหญ่คนไม่คิดถึง”
แบบจำลองการเรียนรู้ลึกยังคงเติบโตและแก้ไขปัญหาที่ซับซ้อนมากขึ้น ซึ่งต้องการการบริโภคพลังงานที่เพิ่มขึ้นอย่างมาก
“เมื่อชุดข้อมูลมีขนาดใหญ่ขึ้นทุกวัน ปัญหาที่แอลกอริทึมต้องแก้ไขจะซับซ้อนมากขึ้น” Benjamin Kanding กล่าว
โปรแกรม Carbontracker ที่เปิด源สามารถพบได้ที่ ที่นี่
GPT-3
หนึ่งในตัวอย่างที่ดีที่สุดของสิ่งนี้คือแบบจำลองภาษาที่ซับซ้อน GPT-3 ซึ่งเป็นหนึ่งในแบบจำลองการเรียนรู้ลึกที่ใหญ่ที่สุดและซับซ้อนที่สุดที่พัฒนาแล้ว แต่มันมาในราคา GPT-3 ต้องการพลังงานเท่ากับที่ใช้ในบ้านเดนิช 126 หลังในหนึ่งปี เพียงในหนึ่งเซสชันการฝึกอบรมเท่านั้น ปริมาณ CO2 ที่ปล่อยออกมาสามารถเทียบเท่ากับการขับรถ 700,000 กิโลเมตร
ตาม Lasse F. Wolff Anthony “ในไม่กี่ปีข้างหน้า อาจจะมีแบบจำลองหลายแบบที่มีขนาดใหญ่กว่านี้หลายเท่า”
“หากแนวโน้มนี้ดำเนินต่อไป AI อาจกลายเป็นผู้สนับสนุนการเปลี่ยนแปลงสภาพภูมิอากาศที่สำคัญ การหยุดพัฒนาเทคโนโลยีไม่ใช่จุดมุ่งหมาย การพัฒนานี้มีโอกาสที่จะช่วยเหลือสภาพภูมิอากาศของเรา แต่เกี่ยวกับการตระหนักถึงปัญหาและคิดว่า ‘เราจะปรับปรุงได้อย่างไร'” Benjamin Kanding กล่าว
Carbontracker ติดตามปริมาณ CO2 ที่ใช้ในการผลิตพลังงานในพื้นที่ที่การฝึกอบรมการเรียนรู้ลึกเกิดขึ้น ทำให้สามารถคาดการณ์การปล่อยก๊าซ CO2 หลังการแปลงการบริโภคพลังงาน
ตามนักศึกษา ผู้ใช้การเรียนรู้ลึกควรให้ความสนใจกับประเภทของฮาร์ดแวร์และแอลกอริทึมที่ใช้ และเมื่อการฝึกอบรมแบบจำลองเกิดขึ้น เนื่องจากมีพื้นที่ที่มีพลังงานที่เป็นมิตรต่อสิ่งแวดล้อมมากกว่า
“สามารถลดผลกระทบต่อสภาพภูมิอากาศได้อย่างมาก ตัวอย่างเช่น ถ้าเลือกฝึกอบรมแบบจำลองในเอสโตเนียหรือสวีเดน รอยเท้าคาร์บอนของการฝึกอบรมแบบจำลองสามารถลดลงมากกว่า 60 เท่า เนื่องจากมีพลังงานที่เป็นมิตรต่อสิ่งแวดล้อมมากขึ้น แอลกอริทึมต่างๆ มีประสิทธิภาพด้านพลังงานที่แตกต่างกันมาก บางตัวต้องการการคำนวณน้อยลง และด้วยเหตุนี้จึงต้องการพลังงานน้อยลงในการบรรลุผลลัพธ์ที่คล้ายกัน หากสามารถปรับพารามิเตอร์เหล่านี้ได้ สิ่งต่างๆ จะเปลี่ยนแปลงไปอย่างมาก” Lasse F. Wolff Anthony กล่าว
