Žala klimatui, kurią sukelia šiltnamio efektą sukeliančių dujų išmetimas, yra daugiau nei akivaizdi ir padėti mokslininkų bendruomenei suprasti dirbtinio intelekto indėlį į klimato pokyčius ir priimti naujas mokslinių tyrimų paradigmas, pagal kurias išmetami teršalai Tarptautinių dirbtinio intelekto tyrėjų ir duomenų mokslininkų grupė, laikoma kritiniu našumo rodikliu, bendradarbiavo kurdama programinę įrangą, galinčią įvertinti IT operacijų anglies pėdsaką.
„CodeCarbon“ yra atvirojo kodo programinė įranga sukurta padėti įmonėms stebėti jų dirbtinio intelekto anglies pėdsaką.
„MLOps“ sprendimų tiekėja „Comet“ bendradarbiavo su AI ir duomenų mokslo kompanijų konsorciumu iš viso pasaulio: MILA, AI tyrimų laboratorija, vadovaujama Yoshua Bengio Monrealyje, BCG GAMMA, analitikos skyrius ir duomenų mokslas iš Bostono „Consulting Group“ ir Haverfordo koledže Pensilvanijoje sukurti atvirojo kodo programinę įrangą.
Apie „CodeCarbon“
„CodeCarbon“ yra programinė įranga pitonas pagrįstas kad leis programuotojams patobulinti savo kodą ir sumažinti generuojamo CO2 kiekį skaičiavimo išteklius ir motyvuos juos tai daryti.
Programinė įranga įvertina ne tik pagaminto CO2 kiekį už IT išteklių naudojimą, ji taip pat teikia kūrėjams patarimų, kaip sumažinti išmetamų teršalų kiekį pasirinkti debesų infrastruktūrą regionuose, kuriuose naudojami mažai energijos šaltiniai.
MILA įkūrėjas ir Tiuringo premijos laureatas Yoshua Bengio sakė:
„Dirbtinis intelektas yra galinga technologija ir jėga gėriui, tačiau svarbu žinoti apie didėjantį jo poveikį aplinkai. „CodeCarbon“ projektu siekiama būtent šio tikslo ir tikiuosi, kad tai įkvėps dirbtinio intelekto bendruomenę apskaičiuoti, atskleisti ir sumažinti savo anglies pėdsaką “.
Sylvainas Durantonas, „Boston Consulting Group“ (BCG) generalinis direktorius ir vyresnysis partneris bei „BCG GAMMA“ pasaulinis direktorius, sakė:
„Remiantis naujausia istorija, IT naudojimas apskritai, o ypač dirbtinis intelektas, ir toliau augs eksponentiškai visame pasaulyje. Šiame kontekste „CodeCarbon“ gali padėti organizacijoms užtikrinti, kad jų kolektyvinis anglies pėdsakas kuo mažiau padidėtų “.
Giliai į mokymąsi orientuotoje tyrimų aplinkoje dirbtinio intelekto pažanga daugiausia pasiekiama kuriant didesnius modelius, kaupiant didesnius duomenų rinkinius ir panaudojant didesnę skaičiavimo galią.
Norint mokyti galingą mokymosi algoritmą, gali prireikti kelių kompiuterių naudoti kelias dienas ar savaites.
Tokioms architektūroms kaip VGG, BERT, GPT-2 ir GPT-3, turintys milijonus konfigūracijų ir kelias savaites mokomi keliuose GPU, tai gali būti kelių šimtų kilogramų CO-ekv. skirtumas.
2 m. Paleistas „OpenAI“ GPT-2019 yra pagrįstas 1.5 milijardo parametrų, o perėmėjas GPT-3 buvo paleistas praėjusiais metais, kurio 175 milijardų parametrų dėka jis daugiau nei 100 kartų didesnis nei pirmtakas. Didesniems modeliams ir toliau žengiant į priekį, padidės energijos, reikalingos jiems treniruoti, kiekis.
„CodeCarbon“ turi sekimo mechanizmo modulį, kuris fiksuoja sunaudotą energijos kiekį pirmaujančių debesų kompiuterijos tiekėjų ir privačių patalpų vietoje esančių duomenų centrų.
Tada sistema naudojasi viešųjų šaltinių duomenimis, kad apskaičiuotų susidariusio CO2 kiekį, patikrindama elektros tinklo, prie kurio prijungta įranga, statistiką.
Stebėtojas apskaičiuoja kiekvieno eksperimento metu pagamintą CO2, naudodamas tam tikrą dirbtinio intelekto modulį, saugodamas išmetamų teršalų duomenis projektams ir visai organizacijai.
Idėja yra ta, kad „CodeCarbon“ padės IT ir AI įmonėms sumažinti anglies pėdsaką jiems augant. „CodeCarbon“ sukurs informacijos suvestinę, kuri leis įmonėms lengvai pamatyti išmetamų teršalų kiekį mokant mašininio mokymosi modelių.
Gebėjimas stebėti CO2 išmetimą reiškia reikšmingą pažangą vystytojų gebėjime protingai naudoti energijos išteklius ir todėl sumažinti savo darbo poveikį vis silpnesnėje aplinkoje.
Fuente: https://www.comet.ml/