跳到内容 跳到导航

Research & Ideas

站内搜索

艾未未的碳排放问题

机器学习产生远远碳排放比大多数人意识到。CQ9电子游戏的团队已经开发来衡量隐性成本的工具。

data center equipment closeup

我们如何能够培养,同时使用更少的能源AI系统? | stocksy /捷达生产

所有的进步使得能够通过人工智能,从语音识别来自动驾驶汽车,AI系统消耗大量的电力,并且可以产生气候变化的碳排放量的高容量。

去年研究 发现培养截止的,现成的AI语言处理系统中产生1400磅的排放量 - 约由飞行纽约和旧金山之间的一个人往返产生的量。的需要建立和从头人工智能语言系统列车实验全套更能产生:高达78000英镑,这取决于动力的来源。这是两倍于在整个寿命期间的平均呼气美国。

但也有办法让机器学习更清洁,更环保,一个是被称为运动 “青艾”。 一些算法是耗电比别人少,例如,许多培训课程,可以移动到让大多数企业的动力来自可再生资源的远程位置。

关键,但是,是艾未未开发人员和公司知道有多少他们的机器学习实验喷涌而那些量可能多少会降低。

现在,一队来自CQ9电子游戏的研究人员,Facebook的的人工智能研究,以及麦吉尔大学已经拿出了 一个易于使用的工具 迅速的措施都用了多少电机器学习项目将使用了多少,在碳排放量的手段。

“机器学习系统变得更加普及和更多的资源密集型的,他们有潜力碳排放显著贡献,”说 彼得·亨德森在CQ9电子游戏的博士研究生在计算机科学和作者。

“但如果你无法衡量它,你解决不了的问题。我们的系统可以帮助研究人员和工程师行业了解他们是如何工作的碳效率的,以及如何减少碳足迹或许提示的想法“。

跟踪排放

亨德森联手对“实验影响跟踪器”与 丹jurafsky,语言学和椅子的 -附属 CQ9电子游戏计算机科学教授; 艾玛brunskill一个 -附属 CQ9电子游戏计算机科学助理教授;胡皆如,在Facebook的的一名软件工程师,人工智能研究; 小乔皮诺在麦吉尔大学和Facebook的的联合董事总经理计算机科学系教授人工智能研究;和 约书亚romoff在麦吉尔大学的博士候选人。

“有一个很大的推动,以扩展机器学习来解决越来越大的问题,使用更多的计算能力和更多的数据,说:” jurafsky。 “如出现这种情况,我们必须铭记这些重计算模式带来的好处是否值得对环境的影响成本。”

机器学习系统,通过全天候运行数百万统计实验,不断完善自己的模型来执行任务培养他们的技能。这些培训课程,这可能要持续数周甚至数月,越来越耗电。而且由于成本下跌两种计算能力和海量数据集,机器学习是企业,政府,学术界和个人生活中越来越普遍。

得到一个什么样的碳排放是手段,研究人员开始测量特定的AI模式的功耗的精确的测量。这是比它更复杂的声音,因为一台机器经常训练的同时几种模式,所以每次训练必须从别人解开。每次训练也汲取功率共享开销功能,诸如数据存储和冷却,这需要被适当地分配。

下一步骤是将功率消耗转换成二氧化碳排放量,这取决于所产生的电力的可再生和化石燃料的混合。该组合由位置以及一天的时间相差很大。在有大量的太阳能发电的领域,例如,电的碳强度下降随着太阳爬上在天空中更高。

要获得这些信息,研究人员冲刷公众对美国和世界不同地区的能源结构中的数据来源。在加利福尼亚州,实验跟踪器插到实时数据从 加州ISO,管理电力在大部分国家电网的流动。在下午12时45分某一天在5月下旬,例如,可再生能源提供了国家的权力的47%。

的位置人工智能训练可以使碳排放有很大的区别。研究者估计运行在爱沙尼亚的会话,其中绝大多数依赖于页岩油,会产生碳的30倍体积的同一会话中会在魁北克,这主要依赖于水电。

绿色的AI

事实上,研究人员为减少碳足迹第一个建议是培训班转移到主要由可再生能源提供的位置。可以很容易的,因为数据集可以存储在云服务器上,并从几乎任何地方访问。

此外,然而,研究人员发现,一些机器学习算法是更大的能量猪不如人。在CQ9电子游戏,例如,200名多名学生在强化学习的一类被要求实施家庭作业通用算法。虽然两个算法进行同样出色,一个使用更多的权力。如果所有的学生都使用了更高效的算法,研究人员估计,他们将880千瓦时降低了他们的总体电力消耗 - 大约在一个月内是一个典型的美国家庭使用。

结果强调了减少二氧化碳排放量,即使它不是实际的移动工作提高到一个碳友好的位置的机会。这往往是当机器学习系统提供实时服务,如汽车导航,这种情况,因为长距离通信事业滞后或“延迟”。

事实上,研究人员已经纳入一个易于使用的工具为生成一个网站比较不同车型的节能跟踪。一个简单的方法来节约能源,他们说,会选择使用哪一个时,建立最有效的程序为默认设置。

“随着时间的推移,”亨德森说,“很可能是比他们在训练中做的机器学习系统将消耗更多的能源生产。我们理解我们的选择越好,就越能限制对环境的潜在影响“。

实验影响跟踪器 可在线 研究人员。它已经被在使用 sustainlp车间 在今年的在自然语言处理,其中鼓励研究人员构建和发布节能型NLP算法经验方法的会议。在研究,一直没有同行评审,发表在预印本网站 arxiv.org.

这个故事首次发表于 CQ9游戏海.