CodeCarbon, ett verktyg för öppen källkod som spårar föroreningar som genereras av maskininlärningsforskning

Klimatskadorna orsakade av växthusgasutsläpp är mer än uppenbara och för att hjälpa forskarsamhället att förstå hur artificiell intelligens bidrar till klimatförändringen och anta nya forskningsparadigmer där minskning av utsläpp En grupp internationella AI-forskare och datavetare behandlas som ett kritiskt prestandamått för att utforma programvara som kan uppskatta koldioxidavtrycket i IT-verksamheten.

CodeCarbon är programvara med öppen källkod utformad för att hjälpa företag övervaka deras AI-koldioxidavtryck.

Comet, en leverantör av MLOps-lösningar, har samarbetat med ett konsortium av AI- och datavetenskapsföretag från hela världen: MILA, AI-forskningslaboratoriet under ledning av Yoshua Bengio i Montreal, BCG GAMMA, analysavdelningen och datavetenskap från Boston Consulting Group och Haverford College i Pennsylvania för att skapa programvara med öppen källkod.

Om CodeCarbon

CodeCarbon är en mjukvara pythonbaserad que gör det möjligt för programmerare att effektivisera sin kod och minska mängden koldioxid som genereras för användning av datorresurser och kommer att motivera dem att göra det.

Programvaran uppskattar inte bara mängden producerad koldioxid för användning av IT-resurser, det ger också utvecklare råd om hur man kan minska utsläppen välja din molninfrastruktur i regioner som använder låga energikällor.

Yoshua Bengio, MILA-grundare och Turing-prisvinnare, sa:

”AI är en kraftfull teknik och en kraft för gott, men det är viktigt att vara medveten om dess växande miljöpåverkan. CodeCarbon-projektet syftar just till att uppnå detta mål och jag hoppas att det kommer att inspirera AI-samhället att beräkna, avslöja och minska deras koldioxidavtryck. ”

Sylvain Duranton, Managing Director och Senior Partner på Boston Consulting Group (BCG) och Global Director på BCG GAMMA, sa:

”Baserat på ny historia kommer användningen av IT i allmänhet och AI i synnerhet att fortsätta växa exponentiellt runt om i världen. I detta sammanhang kan CodeCarbon hjälpa organisationer att se till att deras kollektiva koldioxidavtryck ökar så lite som möjligt ”.

I den djupt inlärningsfokuserade forskningsmiljön uppnås framsteg inom artificiell intelligens till stor del genom att skapa större modeller, samla större datamängder och utnyttja större datorkraft.

Att träna en kraftfull inlärningsalgoritm kan kräva att flera datorer används under dagar eller veckor.

För arkitekturer som VGG, BERT, GPT-2 och GPT-3, som har miljontals konfigurationer och är utbildade på flera GPU: er i flera veckor, detta kan vara en skillnad på flera hundra kilo CO-ekv.

OpenAIs GPT-2 som lanserades 2019 baseras på 1.5 miljarder parametrar, medan dess efterträdare GPT-3 lanserades förra året, vars 175 miljarder parametrar gör den mer än 100 gånger större än sin föregångare. I takt med att de större modellerna fortsätter att avancera i fältet ökar också mängden energi som konsumeras för att träna dem.

CodeCarbon har en spårningsmekanismmodul som registrerar mängden energi som används av stora leverantörer av molnbaserade datorer och lokalt datacenter som är privat värd.

sedan, systemet använder data från offentliga källor för att uppskatta volymen koldioxid som genereras, verifiera statistiken för det elektriska nätverk som utrustningen är ansluten till.

Spåraren beräknar CO2 som produceras för varje experiment med hjälp av en viss AI-modul, lagring av utsläppsdata för projekt och för hela organisationen.

Tanken är att CodeCarbon kommer att hjälpa IT- och AI-företag att begränsa sitt koldioxidavtryck när de växer. CodeCarbon kommer att generera en instrumentpanel som gör det möjligt för företag att enkelt se mängden utsläpp som genereras genom utbildning av sina maskininlärningsmodeller.

Möjligheten att spåra koldioxidutsläpp representerar ett betydande framsteg i utvecklarnas förmåga att använda energiresurser på ett klokt sätt och därmed minska effekterna av deras arbete i en alltmer känslig miljö.

Fuente: https://www.comet.ml/


Bli först att kommentera

Lämna din kommentar

Din e-postadress kommer inte att publiceras. Obligatoriska fält är markerade med *

*

*

  1. Ansvarig för uppgifterna: Miguel Ángel Gatón
  2. Syftet med uppgifterna: Kontrollera skräppost, kommentarhantering.
  3. Legitimering: Ditt samtycke
  4. Kommunikation av uppgifterna: Uppgifterna kommer inte att kommuniceras till tredje part förutom enligt laglig skyldighet.
  5. Datalagring: databas värd för Occentus Networks (EU)
  6. Rättigheter: När som helst kan du begränsa, återställa och radera din information.