CodeCarbon, malfermfonteca ilo, kiu spuras poluadon generitan de esplorado pri maŝinlernado

La damaĝo al la klimato kaŭzita de forcej-efikaj gasaj emisioj estas pli ol evidenta kaj helpi la esploristaron kompreni la kontribuon de artefarita inteligenteco al klimata ŝanĝo kaj adopti novajn esplorajn paradigmojn, en kiuj redukti emisiojn Traktita kiel kritika agado, grupo de internaciaj esploristoj pri AI kaj datumaj sciencistoj kunlaboris por desegni programojn kapablajn taksi la karbonan spuron de IT-operacioj.

Kodo Karbono estas malfermfonteca programaro desegnita por helpi kompaniojn monitori ilian AI-karbonan spuron.

Comet, provizanto de MLOps-solvoj, kunlaboris kun konsorcio de kompanioj pri AI kaj daten-sciencoj el la tuta mondo: MILA, la esplorlaboratorio pri AI gvidita de Yoshua Bengio en Montrealo, BCG GAMMA, la analitika divizio kaj datuma scienco de Bostono. Consulting Group kaj Haverford College en Pensilvanio, por krei malfermfontecajn programojn.

Pri CodeCarbon

CodeCarbon estas programaro bazita sur pitono que permesos al programistoj pli efikigi sian kodon kaj redukti la kvanton de CO2 generita por la uzo de komputilaj rimedoj kaj instigos ilin fari tion.

La programaro ne nur taksas la produktitan kvanton de CO2 por la uzo de IT-rimedoj, ĝi ankaŭ donas al programistoj konsilojn pri kiel redukti emisiojn elektante vian nuban infrastrukturon en regionoj, kiuj uzas malaltajn energifontojn.

Yoshua Bengio, fondinto de MILA kaj premiito Turing, diris:

“AI estas potenca teknologio kaj forto por ĉiam, sed gravas esti konscia pri ĝia kreskanta media efiko. La projekto CodeCarbon celas ĝuste atingi ĉi tiun celon kaj mi esperas, ke ĝi inspiros la AI-komunumon kalkuli, malkaŝi kaj redukti ilian karbonan spuron. "

Sylvain Duranton, Administra Direktoro kaj Plejranga Partnero ĉe Boston Consulting Group (BCG) kaj Tutmonda Direktoro ĉe BCG GAMMA, diris:

"Surbaze de lastatempa historio, la uzo de IT ĝenerale, kaj AI aparte, daŭre kreskos eksponente tra la mondo. En ĉi tiu kunteksto, CodeCarbon povas helpi organizojn certigi, ke ilia kolektiva karbona spuro kresku kiel eble plej malmulte ".

En la profunda lernado-fokusita esplormedio, progresoj en artefarita inteligenteco plejparte atingiĝas per kreado de pli grandaj modeloj, agregado de pli grandaj datumaroj kaj utiligado de pli granda komputila potenco.

Trejnado de potenca lerna algoritmo povas postuli la uzon de multaj komputiloj dum tagoj aŭ semajnoj.

Por arkitekturoj kiel VGG, BERT, GPT-2 kaj GPT-3, kiuj havas milionojn da agordoj kaj estas trejnitaj pri pluraj GPU-oj dum kelkaj semajnoj, ĉi tio povas esti diferenco de kelkcent kilogramoj da CO-ekv.

La GPT-2 de OpenAI lanĉita en 2019 baziĝas sur 1.5 miliardoj da parametroj, dum ĝia posteulo GPT-3 estis lanĉita pasintjare, kies 175 miliardoj da parametroj igas ĝin pli ol 100 fojojn pli granda ol ĝia antaŭulo. Ĉar la pli grandaj modeloj daŭre progresos sur la kampo, la kvanto de energio konsumita por trejni ilin ankaŭ pliiĝos.

Kodo Karbono havas spuran mekanisman modulon, kiu registras la uzatan energion de ĉefaj provizantoj de nubaj komputiloj kaj private gastigitaj surlokaj datumcentroj.

Tiam, la sistemo uzas datumojn de publikaj fontoj por taksi la volumon de CO2 generita, kontrolante la statistikojn de la elektra reto al kiu la ekipaĵo estas konektita.

La spuristo taksas la CO2 produktitan por ĉiu eksperimento per aparta AI-modulo, stokante datumojn pri emisioj por projektoj kaj por la tuta organizo.

La ideo estas, ke CodeCarbon helpos IT-kompaniojn kaj AI-kompaniojn limigi sian karbonan spuron dum ili kreskas. CodeCarbon generos panelon, kiu permesos al kompanioj facile vidi la kvanton de emisioj generitaj trejnante siajn maŝinajn lernajn modelojn.

La kapablo spuri CO2-emisiojn reprezentas signifan progreson en la kapablo de programistoj saĝe uzi energiajn rimedojn kaj tial redukti la efikon de ilia laboro en ĉiam pli delikata medio.

Fonto: https://www.comet.ml/


La enhavo de la artikolo aliĝas al niaj principoj de redakcia etiko. Por raporti eraron alklaku Ĉi tie.

Estu la unua por komenti

Lasu vian komenton

Via retpoŝta adreso ne estos eldonita. Postulita kampojn estas markita per *

*

*

  1. Respondeculo pri la datumoj: Miguel Ángel Gatón
  2. Celo de la datumoj: Kontrola SPAM, administrado de komentoj.
  3. Legitimado: Via konsento
  4. Komunikado de la datumoj: La datumoj ne estos komunikitaj al triaj krom per laŭleĝa devo.
  5. Stokado de datumoj: Datumbazo gastigita de Occentus Networks (EU)
  6. Rajtoj: Iam ajn vi povas limigi, retrovi kaj forigi viajn informojn.