Kerosakan iklim yang disebabkan oleh pelepasan gas rumah hijau lebih jelas dan untuk membantu komuniti penyelidik untuk memahami sumbangan kecerdasan buatan terhadap perubahan iklim dan menerapkan paradigma penyelidikan baru di mana mengurangkan pelepasan Dianggap sebagai ukuran prestasi kritikal, sekumpulan penyelidik AI antarabangsa dan saintis data telah bekerjasama untuk merancang perisian yang mampu mengira jejak karbon operasi IT.
Kod Karbon adalah perisian sumber terbuka direka untuk membantu syarikat memantau jejak karbon AI mereka.
Comet, penyedia penyelesaian MLOps, telah bekerjasama dengan sebuah konsortium syarikat AI dan sains data dari seluruh dunia: MILA, makmal penyelidikan AI yang diketuai oleh Yoshua Bengio di Montreal, BCG GAMMA, bahagian analisis dan sains data dari Boston Consulting Group dan Haverford College di Pennsylvania, untuk membuat perisian sumber terbuka.
Mengenai CodeCarbon
CodeCarbon adalah perisian berasaskan python bahawa akan membolehkan pengaturcara membuat kod mereka lebih cekap dan mengurangkan jumlah CO2 yang dihasilkan untuk penggunaan sumber pengkomputeran dan akan memotivasi mereka untuk melakukannya.
Perisian ini tidak hanya menganggarkan jumlah CO2 yang dihasilkan dengan penggunaan sumber IT, ia juga memberi nasihat kepada pemaju mengenai cara mengurangkan pelepasan memilih infrastruktur awan anda di kawasan yang menggunakan sumber tenaga rendah.
Yoshua Bengio, pengasas MILA dan pemenang Hadiah Turing, berkata:
"AI adalah teknologi yang kuat dan kekuatan untuk kebaikan, tetapi penting untuk mengetahui kesan persekitarannya yang semakin meningkat. Projek CodeCarbon tepat untuk mencapai tujuan ini dan saya harap ia akan memberi inspirasi kepada komuniti AI untuk mengira, mendedahkan dan mengurangkan jejak karbon mereka. "
Sylvain Duranton, Pengarah Urusan dan Rakan Kanan di Boston Consulting Group (BCG) dan Pengarah Global di BCG GAMMA, mengatakan:
“Berdasarkan sejarah baru-baru ini, penggunaan IT secara umum, dan AI khususnya, akan terus berkembang dengan pesat di seluruh dunia. Dalam konteks ini, CodeCarbon dapat membantu organisasi untuk memastikan jejak karbon kolektif mereka meningkat sesedikit mungkin ”.
Dalam lingkungan penyelidikan yang berfokus pada pembelajaran, kemajuan dalam kecerdasan buatan sebagian besar dicapai dengan membuat model yang lebih besar, mengumpulkan kumpulan data yang lebih besar, dan memanfaatkan kekuatan pengkomputeran yang lebih besar.
Melatih algoritma pembelajaran yang kuat memerlukan penggunaan banyak komputer selama beberapa hari atau minggu.
Untuk seni bina seperti VGG, BERT, GPT-2 dan GPT-3, yang mempunyai berjuta-juta konfigurasi dan dilatih menggunakan beberapa GPU selama beberapa minggu, ini boleh menjadi perbezaan beberapa ratus kilogram CO-eq.
OpenAI's GPT-2 yang dilancarkan pada tahun 2019 didasarkan pada 1.5 bilion parameter, sementara penggantinya GPT-3 dilancarkan tahun lalu, dengan 175 bilion parameter menjadikannya lebih dari 100 kali lebih besar daripada pendahulunya. Apabila model yang lebih besar terus maju di lapangan, jumlah tenaga yang digunakan untuk melatihnya juga akan meningkat.
Kod Karbon mempunyai modul mekanisme penjejakan yang mencatat jumlah tenaga yang digunakan oleh penyedia pengkomputeran awan utama dan pusat data di premis yang dihoskan secara peribadi.
Luego, sistem menggunakan data dari sumber awam untuk menganggarkan isipadu CO2 yang dihasilkan, mengesahkan statistik rangkaian elektrik ke mana peralatan disambungkan.
Penjejak menganggarkan CO2 yang dihasilkan untuk setiap eksperimen menggunakan modul AI tertentu, menyimpan data pelepasan untuk projek dan untuk seluruh organisasi.
Ideanya adalah bahawa CodeCarbon akan membantu syarikat IT dan AI mengehadkan jejak karbon mereka semasa mereka berkembang. CodeCarbon akan menghasilkan papan pemuka yang akan membolehkan syarikat melihat jumlah pelepasan yang dihasilkan dengan mudah dengan melatih model pembelajaran mesin mereka.
Keupayaan untuk mengesan pelepasan CO2 menunjukkan kemajuan yang signifikan dalam kemampuan pemaju untuk menggunakan sumber tenaga dengan bijak dan oleh itu mengurangkan kesan kerja mereka dalam persekitaran yang semakin rapuh.
Fuente: https://www.comet.ml/