İki Öğrenci AI Tarafından Neden Oluşan CO2 ile Mücadele İçin Yazılım Geliştirdi

Uzmanlar, yapay zeka (AI) geliştirmeının mevcut yolunun, yapay zekaın bu sorunu çözmek için kullanıldığı rağmen, CO2’nin önde gelen katkıcılarından biri haline geleceğine katılıyor. Bu, endüstrinin çeşitli kısımlarının durumu düzeltmek için nasıl çalışabileceğini araştırmaya başlamasına neden oldu ve en son gelişmeler Kopenhag Üniversitesi’ndeki iki öğrenciden geldi.

Derin öğrenme gibi gelişmiş AI yöntemleri şaşırtıcı bir hızda gelişiyor, ancak bu, muazzam enerji tüketimi seviyeleri ile geliyor. Bu devam ettikçe, AI teknolojileri ve yöntemleri, özellikle derin öğrenme, iklim değişikliğine önemli bir katkıda bulunabilir. Ancak, bu, mevcut yolu değiştirmek için hiçbir eylem alınmadığı sürece xảyabilir.

2012’den 2018’e, derin öğrenme için gereken hesaplama gücü 300.000% arttı. Endüstrinin önemli sorunlarından biri, enerji tüketimi ve algoritmaların geliştirilmesinden kaynaklanan karbon ayak izinin genellikle ölçülmemesidir. Aynı zamanda, birçok çalışma bu sorunu detaylandırıyor ve eylem çağrısında bulunuyor.

Carbontracker

Bu sorunu çözmeye çalışırken, Kopenhag Üniversitesi Bilgisayar Bilimi Bölümü’nden Lasse F. Wolff Anthony ve Benjamin Kanding, Yardımcı Profesör Raghavendra Selvan ile birlikte Carbontracker adlı yeni bir yazılım programı geliştirdiler. Bu yazılım, derin öğrenme modellerinin eğitimi sırasında ortaya çıkan enerji tüketimi ve CO2 emisyonlarını doğru bir şekilde hesaplayabilir ve öngörebilir.

“Bu alanda gelişmeler inanılmaz bir hızda ilerliyor ve derin öğrenme modelleri不断 olarak daha büyük ve daha gelişmiş hale geliyor” dedi Lasse F. Wolff Anthony. “Şu anda, enerji tüketiminde üssel bir büyüme var ve çoğu insan bunu düşünmüyor gibi görünüyor.”

Derin öğrenme modelleri büyümeye devam ediyor ve çok daha karmaşık sorunları çözmek için önemli bir enerji tüketimi artışı gerektiriyor.

“Veri setleri gün geçtikçe büyüyor ve algoritmaların çözmesi gereken sorunlar daha da karmaşık hale geliyor” diyor Benjamin Kanding.

Açık kaynaklı Carbontracker programı burada bulunabilir.

GPT-3

Bu durumun en iyi örneklerinden biri, gelişmiş dil modeli GPT-3’tür. Bu, şimdiye kadar geliştirilmiş en büyük ve en karmaşık derin öğrenme modellerinden biri, ancak bir maliyeti var. GPT-3, bir eğitim oturumu sırasında 126 Danimarka evinin bir yıl boyunca kullandığı enerji miktarına eşit enerji gerektiriyor. Salınan CO2 miktarı, 700.000 kilometrelik sürüşe eşdeğer.

Lasse F. Wolff Anthony’ye göre, “Birkaç yıl içinde, muhtemelen bu modellerden çok daha büyük olanlar olacak.”

“Eğer trend devam ederse, yapay zeka iklim değişikliğine önemli bir katkıda bulunabilir. Teknolojik gelişmeyi durdurmaya çalışmak değil, bu sorunu fark etmek ve nasıl iyileştirebileceğimizi düşünmek önemlidir” diyor Benjamin Kanding.

Carbontracker, derin öğrenme eğitimi yapılan alanlarda kullanılan enerji miktarını takip ediyor ve enerji tüketimini dönüştürerek CO2 emisyonlarını öngörmeyi mümkün kılıyor.

Öğrencilere göre, derin öğrenme kullanıcıları donanım ve algoritmaların türüne ve model eğitiminin ne zaman gerçekleştiğine dikkat etmeli, çünkü daha büyük yeşil enerji kaynaklarına sahip alanlar var.

“İklim etkisini önemli ölçüde azaltmak mümkün. Örneğin, modelinizi Estonya veya İsveç’te eğittiğinizde, daha yeşil enerji kaynakları sayesinde model eğitimi sırasında karbon ayak izini 60 kat azaltabilirsiniz. Algoritmalar da enerji verimliliği açısından büyük farklılıklar gösteriyor. Bazıları benzer sonuçları elde etmek için daha az hesaplama ve dolayısıyla daha az enerji gerektiriyor. Bu tür parametreleri ayarlayabilirseniz, şeyler önemli ölçüde değişebilir” diyor Lasse F. Wolff Anthony.