Bu basit değişiklikler, yapay zeka araştırmalarını çok daha enerji verimli hale getirebilir

[ad_1]

Dan beri ilk kağıt Bu teknolojinin çevre üzerindeki etkisini incelemek üç yıl önce yayınlandı, araştırmacılar arasında tüketilen enerjiyi ve çalışmalarından kaynaklanan emisyonları kendi kendine raporlamaya yönelik bir hareket büyüdü. Doğru sayılara sahip olmak, değişiklik yapmak için önemli bir adımdır, ancak aslında bu sayıları toplamak zor olabilir.

Araştırma bilimcisi Jesse Dodge, “Ölçemediğiniz şeyi iyileştiremezsiniz” diyor. AI için Allen Enstitüsü Seattle’de. “Bizim için ilk adım, emisyonları azaltma konusunda ilerleme kaydetmek istiyorsak, iyi bir ölçüm almamız gerekiyor.”

Bu amaçla, Allen Enstitüsü kısa süre önce Microsoft, AI şirketi Hugging Face ve üç üniversite ile işbirliği yaptı. elektrik kullanımını ölçen bir araç Microsoft’un bulut hizmeti olan Azure’da çalışan herhangi bir makine öğrenimi programından. Bununla birlikte, yeni modeller oluşturan Azure kullanıcıları, bir modelin seçilmesinden eğitilmesine ve kullanılmasına kadar projelerinin her aşamasında, grafik işleme birimleri (GPU’lar) (hesaplamaları paralel olarak çalıştırmak için özel bilgisayar çipleri) tarafından tüketilen toplam elektriği görüntüleyebilir. . Kullanıcılara, makine öğrenimi programlarının enerji etkisi hakkında bilgilere erişim sağlayan ilk büyük bulut sağlayıcısıdır.

Yerel sunucularda çalışan makine öğrenimi algoritmalarından kaynaklanan enerji kullanımını ve emisyonları ölçen araçlar zaten mevcut olsa da, araştırmacılar Microsoft, Amazon ve Google gibi şirketler tarafından sağlanan bulut hizmetlerini kullandığında bu araçlar çalışmaz. Bu hizmetler kullanıcılara etkinliklerinin tükettiği GPU, CPU ve bellek kaynaklarına doğrudan görünürlük sağlamaz ve Carbontracker, Experiment Tracker, EnergyVis ve CodeCarbon gibi mevcut araçların doğru tahminler sağlamak için bu değerlere ihtiyacı vardır.

Ekim ayında piyasaya sürülen yeni Azure aracı şu anda emisyonları değil enerji kullanımını rapor ediyor. Dodge ve diğer araştırmacılar, enerji kullanımını emisyonlarla nasıl eşleştireceklerini buldular ve sundular. eşlik eden bir kağıt o işte GERÇEK, büyük bir bilgisayar bilimi konferansı, Haziran ayı sonlarında. Araştırmacılar adı verilen bir hizmet kullandılar. Watt zamanı 11 makine öğrenimi modeli çalıştıran bulut sunucularının posta kodlarına dayalı emisyonları tahmin etmek.

Araştırmacılar sunucuları belirli coğrafi konumlarda ve günün belirli saatlerinde kullanırlarsa emisyonların önemli ölçüde azaltılabileceğini buldular. Eğitim, şebekede daha fazla yenilenebilir elektriğin mevcut olduğu zamanlarda başlarsa, küçük makine öğrenimi modellerinin eğitiminden kaynaklanan emisyonlar %80’e kadar azaltılabilirken, eğitim çalışması yenilenebilirken duraklatılırsa büyük modellerden kaynaklanan emisyonlar %20’nin üzerinde azaltılabilir. elektrik kıttır ve daha bol olduğunda yeniden başlatılır.

[ad_2]
Kaynak : https://www.technologyreview.com/2022/07/06/1055458/ai-research-emissions-energy-efficient/

Yorum yapın

SMM Panel PDF Kitap indir