Szkody dla klimatu spowodowane emisjami gazów cieplarnianych są bardziej niż ewidentne i aby pomóc społeczności naukowej aby zrozumieć wkład sztucznej inteligencji w zmianę klimatu i przyjąć nowe paradygmaty badawcze polegające na ograniczaniu emisji Grupa międzynarodowych naukowców zajmujących się sztuczną inteligencją i analitykami danych, traktowana jako krytyczny miernik wydajności, współpracowała przy projektowaniu oprogramowania umożliwiającego szacowanie śladu węglowego operacji IT.
KodWęgiel jest oprogramowaniem open source zaprojektowany, aby pomóc firmom w monitorowaniu ich śladu węglowego AI.
Comet, dostawca rozwiązań MLOps, nawiązał współpracę z konsorcjum firm zajmujących się sztuczną inteligencją i data science z całego świata: MILA, laboratorium badawczym AI kierowanym przez Yoshua Bengio w Montrealu, BCG GAMMA, działem analitycznym i data science z Bostonu Consulting Group i Haverford College w Pensylwanii w celu tworzenia oprogramowania typu open source.
O firmie CodeCarbon
CodeCarbon to oprogramowanie oparty na Pythonie oferuje nasz konfigurator pozwoli programistom zwiększyć wydajność swojego kodu i zmniejszyć ilość generowanego CO2 do korzystania z zasobów obliczeniowych i zmotywuje ich do tego.
Oprogramowanie nie tylko szacuje ilość wytworzonego CO2 za korzystanie z zasobów IT, zapewnia także programistom porady dotyczące ograniczania emisji wybierając infrastrukturę chmurową w regionach, które wykorzystują źródła o niskim zużyciu energii.
Yoshua Bengio, założyciel MILA i zdobywca nagrody Turinga, powiedział:
„Sztuczna inteligencja to potężna technologia i siła dobra, ale ważne jest, aby być świadomym jej rosnącego wpływu na środowisko. Projekt CodeCarbon zmierza właśnie do osiągnięcia tego celu i mam nadzieję, że zainspiruje społeczność AI do obliczania, ujawniania i zmniejszania swojego śladu węglowego.
Sylvain Duranton, dyrektor zarządzający i starszy partner w Boston Consulting Group (BCG) oraz dyrektor globalny w BCG GAMMA, powiedział:
„Opierając się na najnowszej historii, wykorzystanie IT w ogóle, a sztucznej inteligencji w szczególności, będzie rosło wykładniczo na całym świecie. W tym kontekście CodeCarbon może pomóc organizacjom w zapewnieniu jak najmniejszego wzrostu ich zbiorowego śladu węglowego ”.
W środowisku badawczym ukierunkowanym na głębokie uczenie się postępy w sztucznej inteligencji są w dużej mierze osiągane poprzez tworzenie większych modeli, agregowanie większych zbiorów danych i wykorzystywanie większej mocy obliczeniowej.
Trenowanie potężnego algorytmu uczenia się może wymagać użycia wielu komputerów przez kilka dni lub tygodni.
W przypadku architektur takich jak VGG, BERT, GPT-2 i GPT-3, które mają miliony konfiguracji i są trenowane na wielu procesorach graficznych przez kilka tygodni, może to być różnica kilkuset kilogramów równoważnika CO.
GPT-2 OpenAI wprowadzony na rynek w 2019 roku opiera się na 1.5 miliarda parametrów, podczas gdy jego następca GPT-3 został wprowadzony na rynek w zeszłym roku, którego 175 miliardów parametrów czyni go ponad 100 razy większym niż jego poprzednik. Ponieważ większe modele są nadal rozwijane w terenie, ilość energii zużywanej na ich szkolenie również wzrośnie.
KodWęgiel posiada moduł mechanizmu śledzenia, który rejestruje ilość zużytej energii przez głównych dostawców usług w chmurze i lokalnie hostowane prywatnie centra danych.
To system wykorzystuje dane ze źródeł publicznych do oszacowania ilości wytworzonego CO2weryfikacja statystyk sieci elektrycznej, do której podłączone jest urządzenie.
Moduł śledzący szacuje emisję CO2 dla każdego eksperymentu przy użyciu określonego modułu sztucznej inteligencji, przechowując dane dotyczące emisji dla projektów i całej organizacji.
Chodzi o to, że CodeCarbon pomoże firmom IT i AI ograniczyć ich ślad węglowy jak rosną. CodeCarbon wygeneruje pulpit nawigacyjny, który pozwoli firmom łatwo zobaczyć ilość emisji generowanych przez szkolenie ich modeli uczenia maszynowego.
Możliwość śledzenia emisji CO2 stanowi znaczący postęp w zdolności deweloperów do mądrego wykorzystywania zasobów energii, a tym samym do zmniejszania wpływu ich pracy w coraz bardziej wrażliwym środowisku.
źródło: https://www.comet.ml/