Hai Sinh Viên Phát Triển Phần Mềm Để Chống Lại CO2 Gây Ra Bởi Trí Tuệ Nhân Tạo

Các chuyên gia đồng ý rằng con đường phát triển trí tuệ nhân tạo (AI) hiện tại sẽ khiến nó trở thành một trong những nguồn gây ra CO2 hàng đầu, mặc dù nó được sử dụng để chống lại vấn đề đó. Điều này đã khiến các bộ phận khác nhau trong ngành bắt đầu tập trung vào cách khắc phục tình hình, với một trong những phát triển gần đây nhất đến từ hai sinh viên tại Đại học Copenhagen.

Các phương pháp AI tiên tiến như học sâu đang phát triển với tốc độ đáng kinh ngạc, nhưng điều đó đi kèm với mức tiêu thụ năng lượng khổng lồ. Khi điều này tiếp tục tăng, các công nghệ và phương pháp AI, đặc biệt là học sâu, có thể trở thành một trong những nguồn gây ra biến đổi khí hậu đáng kể. Tuy nhiên, điều này chỉ xảy ra nếu không có hành động được thực hiện để thay đổi con đường hiện tại.

Từ năm 2012 đến 2018, sức mạnh tính toán cần thiết cho học sâu đã tăng 300.000%. Một trong những vấn đề lớn của ngành là tiêu thụ năng lượng và dấu chân carbon do sự phát triển của các thuật toán thường không được đo lường. Đồng thời, nhiều nghiên cứu đang chi tiết hóa vấn đề này và kêu gọi hành động.

Carbontracker

Để giải quyết vấn đề này, Lasse F. Wolff Anthony và Benjamin Kanding tại Bộ phận Khoa học Máy tính của Đại học Copenhagen, cùng với Giáo sư Trợ lý Raghavendra Selvan, đã phát triển một chương trình phần mềm mới gọi là Carbontracker. Chương trình này có thể tính toán và dự đoán chính xác mức tiêu thụ năng lượng và lượng khí thải CO2 từ việc đào tạo các mô hình học sâu.

“Sự phát triển trong lĩnh vực này đang diễn ra với tốc độ điên rồ và các mô hình học sâu đang trở nên lớn hơn và phức tạp hơn,” Lasse F. Wolff Anthony nói. “Hiện tại, có sự tăng trưởng theo cấp số nhân. Và điều đó có nghĩa là mức tiêu thụ năng lượng ngày càng tăng mà hầu hết mọi người dường như không nghĩ đến.”

Các mô hình học sâu tiếp tục phát triển và giải quyết các vấn đề phức tạp hơn, đòi hỏi mức tăng đáng kể về tiêu thụ năng lượng.

“Khi các tập dữ liệu trở nên lớn hơn mỗi ngày, các vấn đề mà các thuật toán cần giải quyết trở nên phức tạp hơn,” Benjamin Kanding nói.

Chương trình nguồn mở Carbontracker có thể được tìm thấy tại đây.

GPT-3

Một trong những ví dụ tốt nhất về điều này là mô hình ngôn ngữ tiên tiến GPT-3. Đây là một trong những mô hình học sâu lớn nhất và phức tạp nhất được phát triển cho đến nay, nhưng nó đi kèm với một chi phí. GPT-3 đòi hỏi mức năng lượng tương đương với 126 hộ gia đình Đan Mạch trong một năm, tất cả trong một phiên đào tạo. Lượng CO2 được释 ra tương đương với 700.000 km lái xe.

Theo Lasse F. Wolff Anthony, “Trong vài năm tới, có thể sẽ có nhiều mô hình lớn hơn nhiều lần.”

“Nếu xu hướng này tiếp tục, trí tuệ nhân tạo có thể trở thành một trong những nguồn gây ra biến đổi khí hậu đáng kể. Điểm mấu chốt không phải là ngăn chặn sự phát triển công nghệ, mà là nhận thức được vấn đề và suy nghĩ: Làm thế nào chúng ta có thể cải thiện?” Benjamin Kanding nói.

Carbontracker theo dõi lượng CO2 được sử dụng để sản xuất năng lượng trong các khu vực nơi đào tạo học sâu đang diễn ra, giúp dự đoán lượng khí thải CO2 sau khi chuyển đổi tiêu thụ năng lượng.

Theo các sinh viên, người dùng học sâu nên chú ý đến loại phần cứng và thuật toán được sử dụng và khi nào việc đào tạo mô hình diễn ra, vì có những khu vực có nguồn năng lượng xanh lớn hơn.

“Có thể giảm tác động khí hậu đáng kể. Ví dụ, nếu chọn đào tạo mô hình ở Estonia hoặc Thụy Điển, nơi dấu chân carbon của việc đào tạo mô hình có thể được giảm hơn 60 lần nhờ nguồn năng lượng xanh hơn. Các thuật toán cũng khác nhau rất nhiều về hiệu quả năng lượng. Một số yêu cầu ít tính toán hơn và do đó ít năng lượng hơn để đạt được kết quả tương tự. Nếu có thể điều chỉnh các loại tham số này, mọi thứ có thể thay đổi đáng kể,” Lasse F. Wolff Anthony nói.