Šteta na klimi uzrokovana emisijom stakleničkih plinova više je nego evidentna i za pomoć istraživačkoj zajednici razumjeti doprinos umjetne inteligencije klimatskim promjenama i usvojiti nove istraživačke paradigme u kojima se smanjuje emisija Tretirana kao kritična mjera učinka, grupa međunarodnih istraživača umjetne inteligencije i naučnika podataka surađivali su na dizajniranju softvera sposobnog za procjenu ugljičnog otiska IT operacija.
CodeCarbon je softver otvorenog koda dizajniran da pomogne kompanijama da nadgledaju svoj AI otisak ugljenika.
Comet, dobavljač MLOps rješenja, udružio se s konzorcijem AI i kompanija za nauku o podacima iz cijelog svijeta: MILA, istraživački laboratorij AI pod vodstvom Yoshua Bengio iz Montreala, BCG GAMMA, odjel za analitiku i nauku o podacima iz Bostona Consulting Group i Haverford College u Pensilvaniji, radi stvaranja softvera otvorenog koda.
O CodeCarbonu
CodeCarbon je softver na bazi pythona Que omogućit će programerima da svoj kod učine učinkovitijim i smanje količinu stvorenog CO2 za upotrebu računarskih resursa i motivirat će ih na to.
Softver ne samo da procjenjuje količinu proizvedenog CO2 za upotrebu IT resursa, takođe daje savjet programerima o tome kako smanjiti emisije odabir vaše oblačne infrastrukture u regijama koje koriste niske izvore energije.
Yoshua Bengio, osnivač MILA-e i dobitnik Turingove nagrade, rekao je:
„AI je moćna tehnologija i sila dobra, ali važno je biti svjestan njenog sve većeg utjecaja na okoliš. Projekt CodeCarbon ima za cilj upravo postizanje ovog cilja i nadam se da će nadahnuti AI zajednicu da izračuna, otkrije i smanji njihov ugljični otisak. "
Sylvain Duranton, generalni direktor i stariji partner u Boston Consulting Group (BCG) i globalni direktor u BCG GAMMA, rekao je:
„Na osnovu nedavne istorije, upotreba IT-a općenito, a posebno AI-a, nastavit će eksponencijalno rasti širom svijeta. U tom kontekstu, CodeCarbon može pomoći organizacijama da osiguraju da se njihov kolektivni otisak ugljika što manje poveća “.
U dubokom istraživačkom okruženju usmerenom na učenje, napredak u veštačkoj inteligenciji uglavnom se postiže stvaranjem većih modela, objedinjavanjem većih skupova podataka i korišćenjem veće računarske snage.
Obuka moćnog algoritma za učenje može zahtijevati upotrebu više računara tokom dana ili sedmica.
Za arhitekture poput VGG, BERT, GPT-2 i GPT-3, koji imaju milione konfiguracija i koji su obučeni na više GPU-a nekoliko sedmica, to može biti razlika od nekoliko stotina kilograma CO-eq.
OpenAI-jev GPT-2 lansiran 2019. godine zasnovan je na 1.5 milijardi parametara, dok je njegov nasljednik GPT-3 lansiran prošle godine, čiji ga 175 milijardi parametara čini više od 100 puta većim od prethodnika. Kako će veći modeli nastaviti napredovati na terenu, tako će se povećavati i količina energije koja se troši za njihovo osposobljavanje.
CodeCarbon ima modul mehanizma za praćenje koji bilježi količinu utrošene energije od glavnih dobavljača računarstva u oblaku i privatni hostovi lokalnih podataka centara.
Zatim, sistem koristi podatke iz javnih izvora za procjenu količine proizvedenog CO2, verifikacija statistike električne mreže na koju je oprema povezana.
Tracker procjenjuje proizvedeni CO2 za svaki eksperiment koristeći određeni AI modul, čuvajući podatke o emisijama za projekte i za cijelu organizaciju.
Ideja je da će CodeCarbon pomoći IT i AI kompanijama da ograniče svoj ugljični otisak kako rastu. CodeCarbon će generirati nadzornu ploču koja će omogućiti kompanijama da lako vide količinu emisija nastalih obukom njihovih modela mašinskog učenja.
Sposobnost praćenja emisija CO2 predstavlja značajan napredak u sposobnosti programera da pametno koriste energetske resurse i na taj način smanjuju uticaj svog rada u sve krhkijem okruženju.
Izvor: https://www.comet.ml/