De schade aan het klimaat veroorzaakt door de uitstoot van broeikasgassen is meer dan duidelijk en om de onderzoeksgemeenschap te helpen de bijdrage van kunstmatige intelligentie aan klimaatverandering begrijpen en nieuwe onderzoeksparadigma's aan te nemen waarin het verminderen van emissies Behandeld als een kritische prestatiemaatstaf, heeft een groep internationale AI-onderzoekers en datawetenschappers samengewerkt om software te ontwerpen die de COXNUMX-voetafdruk van IT-operaties kan schatten.
CodeKoolstof is open source software ontworpen om bedrijven te helpen bij het monitoren van hun AI-ecologische voetafdruk.
Comet, een leverancier van MLOps-oplossingen, werkt samen met een consortium van AI- en data science-bedrijven van over de hele wereld: MILA, het AI-onderzoekslaboratorium geleid door Yoshua Bengio in Montreal, BCG GAMMA, de analytics-divisie en data science uit Boston Consulting Group en Haverford College in Pennsylvania, om open source software te maken.
Over CodeCarbon
CodeCarbon is een software python gebaseerd dat stelt programmeurs in staat hun code efficiënter te maken en de hoeveelheid gegenereerde CO2 te verminderen voor het gebruik van computerbronnen en zal hen daartoe motiveren.
De software schat niet alleen de hoeveelheid geproduceerde CO2 voor het gebruik van IT-middelen, Het geeft ontwikkelaars ook advies over hoe ze de uitstoot kunnen verminderen het selecteren van uw cloudinfrastructuur in regio's die energiezuinige bronnen gebruiken.
Yoshua Bengio, MILA-oprichter en winnaar van de Turingprijs, zei:
“AI is een krachtige technologie en een kracht ten goede, maar het is belangrijk om je bewust te zijn van de groeiende impact op het milieu. Het CodeCarbon-project is precies bedoeld om dit doel te bereiken en ik hoop dat het de AI-gemeenschap zal inspireren om hun COXNUMX-voetafdruk te berekenen, openbaar te maken en te verkleinen. "
Sylvain Duranton, Managing Director en Senior Partner bij Boston Consulting Group (BCG) en Global Director bij BCG GAMMA, zei:
“Op basis van de recente geschiedenis zal het gebruik van IT in het algemeen, en AI in het bijzonder, wereldwijd exponentieel blijven groeien. In deze context kan CodeCarbon organisaties helpen ervoor te zorgen dat hun collectieve COXNUMX-voetafdruk zo min mogelijk toeneemt ”.
In de op deep learning gerichte onderzoeksomgeving worden vorderingen in kunstmatige intelligentie grotendeels bereikt door grotere modellen te creëren, grotere datasets samen te voegen en meer rekenkracht te benutten.
Het trainen van een krachtig leeralgoritme kan het gebruik van meerdere computers gedurende dagen of weken vereisen.
Voor architecturen zoals VGG, BERT, GPT-2 en GPT-3, die miljoenen configuraties hebben en gedurende enkele weken worden getraind op meerdere GPU's, dit kan een verschil zijn van enkele honderden kilo's CO-eq.
OpenAI's GPT-2 die in 2019 werd gelanceerd, is gebaseerd op 1.5 miljard parameters, terwijl zijn opvolger GPT-3 vorig jaar werd gelanceerd, waarvan de 175 miljard parameters hem meer dan 100 keer groter maken dan zijn voorganger. Naarmate de grotere modellen in het veld blijven groeien, zal de hoeveelheid energie die wordt verbruikt om ze te trainen ook toenemen.
CodeKoolstof heeft een volgmechanismemodule die de hoeveelheid verbruikte energie registreert door grote cloud computing-providers en particulier gehoste lokale datacenters.
dan, het systeem gebruikt gegevens uit openbare bronnen om de hoeveelheid geproduceerde CO2 te schatten, het verifiëren van de statistieken van het elektrische netwerk waarop de apparatuur is aangesloten.
De tracker schat de CO2 die voor elk experiment wordt geproduceerd met behulp van een bepaalde AI-module, waarbij emissiegegevens voor projecten en voor de hele organisatie worden opgeslagen.
Het idee is dat CodeCarbon IT- en AI-bedrijven helpt hun ecologische voetafdruk te beperken terwijl ze groeien. CodeCarbon zal een dashboard genereren waarmee bedrijven gemakkelijk de hoeveelheid emissies kunnen zien die worden gegenereerd door hun machine learning-modellen te trainen.
Het vermogen om de CO2-uitstoot te volgen, betekent een aanzienlijke vooruitgang in het vermogen van ontwikkelaars om energiebronnen verstandig te gebruiken en daardoor de impact van hun werk in een steeds kwetsbaarder wordende omgeving te verminderen.
bron: https://www.comet.ml/